fix: main & yml

.gitignore

@@ -1,4 +1,21 @@
 /uploads
 /__pycache__
 /myenv
-imageboard.db
+imageboard.db
+**/node_modules
+**/venv
+**/.git
+**/.github
+**/logs
+**/dist
+**/build
+*.log
+*.md
+.DS_Store
+.env
+**/__pycache__
+*.sqlite3
+*.pyc
+*.pyo
+*.pyd
+.Python

Dockerfile

@@ -1,9 +1,22 @@
-# Dockerfile
+# Используем официальный образ Python
 FROM python:3.9-slim
 
-ENV PYTHONUNBUFFERED 1
+# Устанавливаем системные зависимости
+RUN apt-get update && \
+    apt-get install -y --no-install-recommends gcc python3-dev && \
+    rm -rf /var/lib/apt/lists/*
 
-RUN apt-get update && apt-get install -y --no-install-recommends \
+# Рабочая директория
-    gcc \
+WORKDIR /app
-    python3-dev \
+
-    && rm -rf /var/lib/apt/lists/*
+# Сначала копируем только зависимости
+COPY requirements.txt .
+
+# Устанавливаем зависимости с кэшированием
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Копируем остальные файлы
+COPY . .
+
+# Команда для запуска (замените на вашу)
+CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

docker-compose.yml

@@ -1,4 +1,4 @@
-version: '3.8'
+version: "3.8"
 
 services:
   qdrant:
@@ -10,38 +10,24 @@ services:
     volumes:
       - qdrant_data:/qdrant/storage
     restart: unless-stopped
-    healthcheck:
-      test: ["CMD", "curl", "--fail", "http://qdrant:6333"]
-      interval: 30s
-      timeout: 10s
-      retries: 3
 
-  app:
+  backend:
-    build: .
+    build:
+      context: .
+      dockerfile: Dockerfile
     container_name: backend
     ports:
       - "8000:8000"
-    volumes:
+    restart: unless-stopped
-      - .:/app
-    working_dir: /app
-    depends_on:
-      qdrant:
-        condition: service_healthy
-    command: sh -c "pip install -r requirements.txt && uvicorn main:app --host 0.0.0.0 --port 8000 --reload"
 
-  frontend:
+  futa-clone:
     build:
-      context: .
+      context: ./futa-clone
-      dockerfile: ./futa-clone/Dockerfile.frontend
+      dockerfile: Dockerfile
-    container_name: frontend
+    container_name: futa-clone
     ports:
       - "3000:3000"
-    volumes:
+    restart: unless-stopped
-      - ./futa-clone:/app
-    working_dir: /app
-    depends_on:
-      - qdrant
-    command: sh -c "npm install && npm run start"
 
 volumes:
-  qdrant_data:
+  qdrant_data:

futa-clone/Dockerfile

@@ -0,0 +1,18 @@
+# Используем официальный Node.js образ (на примере версии 16 на базе Alpine)
+FROM node:20-alpine
+
+# Устанавливаем рабочую директорию внутри контейнера
+WORKDIR /app
+
+# Копируем файлы зависимостей и устанавливаем их
+COPY package*.json ./
+RUN npm install
+
+# Копируем исходный код приложения
+COPY . .
+
+# Если требуется, можно указать порт (например, 3000)
+EXPOSE 3000
+
+# Запускаем приложение
+CMD ["npm", "run", "start"]

futa-clone/Dockerfile.frontend

@@ -1,4 +0,0 @@
-# Dockerfile.frontend
-FROM node:18-alpine
-
-RUN apk add --no-cache git

main.py

@@ -10,6 +10,7 @@ import requests
 from qdrant_client import QdrantClient
 from qdrant_client.http import models
 from fastapi.middleware.cors import CORSMiddleware
+import time  # Добавлен импорт модуля time
 
 # Database setup
 from sqlalchemy import create_engine, Column, String, DateTime, Text
@@ -26,78 +27,112 @@ import logging
 
 from qdrant_client.http.models import VectorParams, Distance
 
-# Настройка базового логирования (например, вывод в консоль)
+# Настройка базового логирования
 logging.basicConfig(
-    level=logging.INFO,  # Можно изменить уровень, например, на DEBUG
+    level=logging.INFO,
     format="%(asctime)s [%(levelname)s] %(name)s - %(message)s"
 )
 logger = logging.getLogger(__name__)
 
-# Задайте имя коллекции
+# Конфигурация
 COLLECTION_NAME = "posts"
-# Определите размер вектора. Этот размер должен соответствовать длине объединённого эмбеддинга текста и изображения.
+VECTOR_SIZE = 1280
-VECTOR_SIZE = 1280  # Пример: поменяйте на актуальное значение для вашего случая
-
-# Configuration
 DATABASE_URL = "sqlite:///./imageboard.db"
 QDRANT_URL = "http://localhost:6333"
 OLLAMA_URL = "http://localhost:11434"
-EMBEDDING_MODEL = "nomic-embed-text"  # Локальная модель через Ollama
+EMBEDDING_MODEL = "nomic-embed-text"
-IMAGE_MODEL = "openai/clip-vit-base-patch32"  # Локальная CLIP модель
+IMAGE_MODEL = "openai/clip-vit-base-patch32"
 IMAGE_SIZE = (224, 224)
 UPLOAD_DIR = "uploads"
 
 os.makedirs(UPLOAD_DIR, exist_ok=True)
 
-# Initialize components
+# Инициализация компонентов
 Base = declarative_base()
 engine = create_engine(DATABASE_URL)
 SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
 
-#Base.metadata.drop_all(bind=engine)  # Удаляет все таблицы
+# Инициализация CLIP
-#Base.metadata.create_all(bind=engine)  # Создаёт таблицы заново
-
-# Инициализация CLIP для изображений
 clip_model = CLIPModel.from_pretrained(IMAGE_MODEL)
 clip_processor = CLIPProcessor.from_pretrained(IMAGE_MODEL)
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 clip_model = clip_model.to(device)
 
-# Qdrant клиент
+# Функция для создания QdrantClient с повторными попытками
-qdrant_client = QdrantClient(QDRANT_URL)
+def create_qdrant_client():
+    max_attempts = 5
+    attempt = 0
+    while attempt < max_attempts:
+        try:
+            client = QdrantClient(QDRANT_URL)
+            # Проверка подключения
+            client.get_collections()
+            logger.info("Успешное подключение к Qdrant")
+            return client
+        except Exception as e:
+            logger.warning(f"Попытка {attempt+1} подключения к Qdrant не удалась: {str(e)}")
+            attempt += 1
+            time.sleep(2)
+    raise RuntimeError(f"Не удалось подключиться к Qdrant после {max_attempts} попыток")
 
+# Инициализация клиента Qdrant
+try:
+    qdrant_client = create_qdrant_client()
+except Exception as e:
+    logger.error(f"Ошибка инициализации Qdrant: {str(e)}")
+    raise
+
+# Функция проверки и создания коллекции
 def ensure_collection_exists():
-    try:
+    max_attempts = 5
-        # Попытка получить коллекцию. Если коллекция не существует, Qdrant выбросит исключение.
+    attempt = 0
-        qdrant_client.get_collection(collection_name=COLLECTION_NAME)
+    while attempt < max_attempts:
-        logger.info("Коллекция '%s' существует.", COLLECTION_NAME)
+        try:
-    except Exception as e:
+            # Проверка существования коллекции
-        logger.info("Коллекция '%s' не найдена. Создаём коллекцию...", COLLECTION_NAME)
+            qdrant_client.get_collection(collection_name=COLLECTION_NAME)
-        qdrant_client.create_collection(
+            logger.info(f"Коллекция '{COLLECTION_NAME}' существует")
-            collection_name=COLLECTION_NAME,
+            return
-            vectors_config=VectorParams(
+        except Exception as e:
-                size=VECTOR_SIZE,
+            if "not found" in str(e).lower():
-                distance=Distance.COSINE  # Или другой подходящий тип расстояния
+                logger.info(f"Создание коллекции '{COLLECTION_NAME}'...")
-            )
+                try:
-        )
+                    qdrant_client.create_collection(
-        logger.info("Коллекция '%s' создана.", COLLECTION_NAME)
+                        collection_name=COLLECTION_NAME,
+                        vectors_config=VectorParams(
+                            size=VECTOR_SIZE,
+                            distance=Distance.COSINE
+                        )
+                    )
+                    logger.info(f"Коллекция '{COLLECTION_NAME}' создана")
+                    return
+                except Exception as create_error:
+                    logger.error(f"Ошибка создания: {str(create_error)}")
+            else:
+                logger.error(f"Ошибка подключения: {str(e)}")
 
-# Вызываем функцию при инициализации приложения, например, в начале main.py
+            attempt += 1
-ensure_collection_exists()
+            time.sleep(2)
+    raise RuntimeError(f"Не удалось инициализировать коллекцию после {max_attempts} попыток")
 
+# Вызов функции проверки коллекции
+try:
+    ensure_collection_exists()
+except Exception as e:
+    logger.error(f"Ошибка инициализации коллекции: {str(e)}")
+    raise
+
+# Инициализация FastAPI
 app = FastAPI()
-
+app.mount("/uploads", StaticFiles(directory=UPLOAD_DIR), name="uploads")
-app.mount("/uploads", StaticFiles(directory=UPLOAD_DIR), name=UPLOAD_DIR)
-
 app.add_middleware(
     CORSMiddleware,
-    allow_origins=["*"],  # Разрешить все источники
+    allow_origins=["*"],
     allow_credentials=True,
-    allow_methods=["*"],  # Разрешить все методы
+    allow_methods=["*"],
-    allow_headers=["*"],  # Разрешить все заголовки
+    allow_headers=["*"],
 )
 
-# Database models
+# Модель базы данных
 class Post(Base):
     __tablename__ = "posts"
     id = Column(String, primary_key=True, index=True)