notes/article/dotnet/Multi-programing.md

dotnet 调用算法方案

1. Python 开发算法内核

1.1 跨服务调用

方案说明

将 Python 算法封装为服务，提供 HTTP 接口，dotnet 作为客户端调用服务。

优点 & 缺点

优点

• 客户机不需要有较高的配置，也不需要安装 Python 环境，服务端可采用 Linux，配置 cuda 等 GPU 计算环境，服务端一直处于热部署状态，性能较好；
• 通过联网对客户有更好的控制；
• 软件架构分为客户端和服务端，开发成本低，各端定位问题比较简单；
• 保密性好

缺点

• 架构较复杂，需要客户端联网才能使用；
• 需要考虑服务端成本；

1.2 封装为动态链接库

方案说明

将 Python 功能封装为 dll 提供给 C# 调用

优点 & 缺点

优点

• 客户端不需要联网，使用比较方便
• Python 开发成本较低

缺点

• Python 自带包里的方法封装为 dll 是可行的，但对于依赖大量通过 pip 安装的包来说，是否可行需要调研，相较于上一个方案，开发成本较高；
• 客户端软件+硬件安装较复杂，需要安装 Python 环境，甚至需要安装 cuda 驱动、配置 GPU 计算环境；

1.3 不封装或者封装为可执行文件

方案说明

使用 Python 开发算法内核，将源文件放在 C# 工程中，客户端配置好 Python(or Anaconda) 环境，直接调用 Python 解释器执行脚本，或者将脚本封装为 exe 调用，参考 https://github.com/Nuitka/Nuitka 将 Python 源码编译为 exe 文件。

优点 & 缺点

优点

• 开发成本低

缺点

• 保密性不好，客户端有可能查看到算法源代码（待定，目前调研 Blender 是用 Nuitka 封装的）

2 C++/C# 开发算法内核

方案说明

使用 C++/C# 开发算法内核，并封装为 dll 提供给 C# 调用。已知一个 C++ 可用的分类代码库：https://github.com/dsteinberg/libcluster

优点 & 缺点

优点

• 运行效率高
• 难以被反编译

缺点

• 开发成本较高
• C++ GPU 编程需调研

3 Matlab 提供算法

方案说明

使用 Matlab 开发算法内核，封装为 dll 提供给 C# 调用。

优点 & 缺点

优点

• 运行效率高
• 难以被反编译
• 开发成本可控

缺点

• GPU 开发需要调研
• 使用 Matlab 可能需要授权