我们正在努力扩展我们的实时视频处理系统，以支持超过100个摄像头。这个系统主要是用python构建的。
我们正在使用opencv轮询rtsp相机流，并计划使用kafka producer交付它们。系统的这一部分称为轮询器或流生成器。
摄像头将使用web界面进行配置，轮询器将接收任何摄像头的启动/停止消息以及其他详细信息，如rtsp流url。这应该用celery 来做。对于每个启动请求，轮询器将为该摄像机创建一个新进程，并使用 cv2.VideoCapture().read() . 捕捉到的帧将被发送到Kafka与摄像机标识和时间戳标记。
我们在docker容器中运行所有组件，并打算水平扩展。
我们如何为大量（超过一百个甚至更多）的摄像头扩展poller，并在poller的多个示例中有效地平衡摄像头流。有没有一种方法可以使用cpu/内存度量来实现它，或者我们可以遵循docker的更标准的方法。