Sim, o Immich pode manter utilizável a pesquisa de fotografias existentes durante as importações quando os recursos partilhados ainda têm margem, embora as fotografias carregadas recentemente possam só ficar pesquisáveis mais tarde.
Uma família importa anos de fotografias do telemóvel enquanto alguém procura um álbum de aniversário antigo. Devolver rapidamente esse álbum conhecido e encontrar todas as fotografias carregadas neste minuto são promessas diferentes. Avalie-as separadamente, porque o processamento em segundo plano pode ficar para trás sem deixar a pesquisa já estabelecida indisponível, ao passo que a contenção de recursos pode tornar lentos até os resultados anteriormente indexados.
A Pesquisa Existente e a Nova Cobertura São Promessas Diferentes
Os recursos já indexados contêm as informações necessárias para a respetiva via de pesquisa suportada. Os carregamentos recém-aceites podem ainda precisar de extração de metadados, preparação para apresentação e tarefas de indexação relevantes. Um carregamento concluído, por isso, não garante nem cobertura imediata da pesquisa semântica nem que todas as funcionalidades de pesquisa tenham terminado de processar o recurso.
Relatos diretos sobre bibliotecas grandes descrevem experiências de importação muito diferentes entre placas pequenas e máquinas maiores, incluindo instalações que continuaram utilizáveis enquanto o processamento prosseguia. Esses relatos demonstram variabilidade, não uma regra mínima de RAM. A combinação de conteúdos multimédia, tarefas ativadas, serviços simultâneos e tempo de espera aceitável é tão relevante como o número de fotografias.
A resposta condicional é sim quando uma consulta conhecida continua a devolver os resultados esperados dentro da tolerância da família e os novos recursos continuam a avançar. A resposta torna-se não relativamente à atualidade se a indexação deixa de progredir, mesmo quando as pesquisas antigas funcionam. Inversamente, uma fila em crescimento, por si só, não prova que o serviço interativo tenha ficado indisponível.
Mais Trabalho de Importação Pode Consumir Capacidade Interativa
Os carregamentos, a geração de derivados, as operações da base de dados e a inferência consomem recursos sobrepostos. Aumentar a simultaneidade em segundo plano pode concluir mais tarefas por minuto até que uma dependência partilhada fique saturada; depois desse ponto, a espera adicional pode prejudicar os pedidos interativos. Assim, uma taxa de ingestão superior e uma experiência de pesquisa mais lenta podem ocorrer simultaneamente no mesmo anfitrião.
Um relato específico de uma versão sobre o importador descreveu controlos de pausa de tarefas que não abrangiam todas as filas ativas no immich-go 0.28.0 e no Immich 2.3.1. O autor não demonstrou que isso tivesse causado os erros de ligação observados. A lição útil é mais limitada: o nome de um controlo não prova que todo o trabalho em segundo plano esteja efetivamente pausado.
Agendar menos trabalho em segundo plano durante a utilização pela família troca tempo de conclusão por potencial margem interativa; não cria capacidade. Observe as filas ativas e os tempos visíveis para o utilizador depois de uma alteração suportada. Se a pesquisa continuar lenta enquanto essas filas estão inativas, investigue o restante percurso da consulta em vez de atribuir todos os atrasos à simultaneidade da importação.
A Aceleração por ML Não Pode Proteger Todas as Dependências
Mover a inferência para um acelerador ou para outro anfitrião altera um limite de serviço. Não acelera automaticamente o PostgreSQL, as leituras dos conteúdos multimédia originais, a geração de miniaturas ou a apresentação no cliente. Uma etapa de aprendizagem automática rápida pode coexistir com uma base de dados ou um conjunto de armazenamento congestionado, e um serviço remoto introduz a sua própria dependência de rede e disponibilidade.
Um relato sobre recursos do OCR relativo ao Immich 2.2.0 descreveu um processamento rápido de rostos e pesquisa inteligente, mas um comportamento de OCR muito mais exigente com um determinado modelo e ambiente. Trata-se de um incidente histórico, não de um defeito universal atual. Ilustra por que motivo a velocidade ou a exigência de memória de uma tarefa de ML não pode representar todas as tarefas ativadas.
A afirmação de disponibilidade falha quando os serviços necessários reiniciam devido à pressão de memória, as consultas atingem o tempo limite, o armazenamento fica sem espaço gravável ou um percurso de rede necessário fica inacessível. Uma inferência mais rápida, por si só, não resolve estes limites. Mantenha também a privacidade separada: o processamento local não compensa contas excessivamente abrangentes, endpoints expostos ou um tratamento inadequado das cópias de segurança.
Defina o Que Significa Utilizável para a Sua Família
Escolha um pequeno conjunto de consultas antigas com resultados conhecidos e uma amostra de importação nova com motivos reconhecíveis. Registe os tempos de conclusão das consultas, os erros e o atraso até a amostra se tornar pesquisável através da funcionalidade pretendida. Repita durante um período calmo e durante uma importação representativa, sem alterar a conta, o cliente ou o percurso de rede.
A auto-hospedagem transfere responsabilidades operacionais da família para o proprietário do servidor, incluindo decisões sobre disponibilidade do serviço, acesso e cópias de segurança. Essa distinção é importante ao definir uma pesquisa utilizável: um atraso ocasional na indexação pode ser aceitável, mas perder o acesso durante todas as importações noturnas pode não ser. Uma comparação com a nuvem fornece esse contexto de responsabilidade, não uma garantia de desempenho para o Immich.
Defina limites de aceitação separados para a latência da pesquisa estabelecida e para a disponibilidade de fotografias novas e, em seguida, observe se a fila diminui depois de os carregamentos terminarem. Cumprir ambos os limites apenas sustenta a utilização na carga de trabalho testada. Se um deles falhar, a decisão seguinte é identificar que dependência ou sobreposição de agendamento viola esse limite — não presumir que todas as bibliotecas grandes precisam do mesmo hardware.
Centro de Tecnologia e IA
Mais para Ler

Os modelos abertos estão a alcançar a IA de fronteira — será 2026 o ano em que a IA local se torna suficientemente boa?
Os modelos abertos estão a tornar-se suficientemente bons para mais cargas de trabalho locais de IA, enquanto os modelos de ponta na nuvem continuam...

O NVIDIA PAIR transforma a sua rede doméstica num cluster de IA local — ainda precisa de um único servidor com uma GPU potente?
O NVIDIA PAIR distribui pedidos de IA locais por vários PCs, tornando a capacidade de computação mais elástica, enquanto um servidor doméstico pode manter...

Porque é que o Immich parece mais rápido na LAN do que em ligações remotas?
Os pedidos na LAN seguem normalmente um percurso mais curto e com menor latência. O acesso remoto acrescenta limitações de capacidade da WAN e...

