fix: deploy

Dockerfile

@@ -10,8 +10,9 @@ RUN apt-get update && \
 WORKDIR /app
 
 # Копируем весь код и устанавливаем зависимости
-COPY . .
+COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt
+COPY . .
 
 # Команда для запуска
 CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

docker-compose.yml

@@ -43,7 +43,9 @@ services:
     restart: unless-stopped
 
   ollama:
-    image: ollama/ollama:latest
+    build:
+      context: ./ollama
+      dockerfile: Dockerfile
     container_name: ollama
     ports:
       - "11434:11434"
@@ -54,4 +56,3 @@ services:
 volumes:
   qdrant_data:
   ollama_data:
-

main.py

@@ -27,6 +27,9 @@ import logging
 
 from qdrant_client.http.models import VectorParams, Distance
 
+import os
+from dotenv import load_dotenv
+
 # Настройка базового логирования
 logging.basicConfig(
     level=logging.INFO,
@@ -34,16 +37,21 @@ logging.basicConfig(
 )
 logger = logging.getLogger(__name__)
 
-# Конфигурация
+# Загрузить переменные окружения из файла .env
-COLLECTION_NAME = "posts"
+load_dotenv()
-VECTOR_SIZE = 1280
+
-DATABASE_URL = "sqlite:///./imageboard.db"
+# Получение значений с указанием значений по умолчанию
-QDRANT_URL = "http://qdrant:6333"
+COLLECTION_NAME = os.getenv("COLLECTION_NAME", "posts")
-OLLAMA_URL = "http://ollama:11434"
+VECTOR_SIZE = int(os.getenv("VECTOR_SIZE", 1280))
-EMBEDDING_MODEL = "nomic-embed-text"
+DATABASE_URL = os.getenv("DATABASE_URL", "sqlite:///./imageboard.db")
-IMAGE_MODEL = "openai/clip-vit-base-patch32"
+QDRANT_URL = os.getenv("QDRANT_URL", "http://qdrant:6333")
-IMAGE_SIZE = (224, 224)
+OLLAMA_URL = os.getenv("OLLAMA_URL", "http://ollama:11435")
-UPLOAD_DIR = "uploads"
+EMBEDDING_MODEL = os.getenv("EMBEDDING_MODEL", "nomic-embed-text")
+IMAGE_MODEL = os.getenv("IMAGE_MODEL", "openai/clip-vit-base-patch32")
+# IMAGE_SIZE ожидается в формате "224,224", преобразуем его в кортеж чисел
+image_size_str = os.getenv("IMAGE_SIZE", "224,224")
+IMAGE_SIZE = tuple(map(int, image_size_str.split(',')))
+UPLOAD_DIR = os.getenv("UPLOAD_DIR", "uploads")
 
 os.makedirs(UPLOAD_DIR, exist_ok=True)
 
@@ -344,4 +352,13 @@ async def get_posts_tree(query: VectorQuery):
 
 if __name__ == "__main__":
     import uvicorn
+    print("COLLECTION_NAME:", COLLECTION_NAME)
+    print("VECTOR_SIZE:", VECTOR_SIZE)
+    print("DATABASE_URL:", DATABASE_URL)
+    print("QDRANT_URL:", QDRANT_URL)
+    print("OLLAMA_URL:", OLLAMA_URL)
+    print("EMBEDDING_MODEL:", EMBEDDING_MODEL)
+    print("IMAGE_MODEL:", IMAGE_MODEL)
+    print("IMAGE_SIZE:", IMAGE_SIZE)
+    print("UPLOAD_DIR:", UPLOAD_DIR)
     uvicorn.run(app, host="0.0.0.0", port=8000)

ollama/Dockerfile

@@ -0,0 +1,8 @@
+FROM ollama/ollama:latest
+
+# Копируем скрипт запуска в контейнер
+COPY entrypoint.sh /entrypoint.sh
+RUN chmod +x /entrypoint.sh
+
+# Переопределяем ENTRYPOINT, чтобы запускался наш скрипт
+ENTRYPOINT ["/entrypoint.sh"]

ollama/entrypoint.sh

@@ -0,0 +1,34 @@
+#!/bin/sh
+set -e
+
+echo "Запускаем ollama serve в фоне..."
+# Запускаем сервер в фоне и сохраняем PID процесса
+ollama serve &
+SERVER_PID=$!
+
+echo "Ожидаем, пока сервер станет доступным..."
+# Пытаемся получить список моделей, ожидая доступность сервера
+for i in $(seq 1 30); do
+  if ollama list >/dev/null 2>&1; then
+    echo "Сервер доступен."
+    break
+  fi
+  echo "Сервер ещё не готов, ждём..."
+  sleep 1
+done
+
+echo "Проверяем наличие модели nomic-embed-text..."
+# Вывод списка моделей для отладки
+ollama list
+
+# Если модели нет, выполняем загрузку
+if ! ollama list | grep -q 'nomic-embed-text'; then
+  echo "Модель nomic-embed-text не найдена. Загружаем..."
+  ollama pull nomic-embed-text
+else
+  echo "Модель nomic-embed-text уже установлена."
+fi
+
+echo "Сервер ollama запущен и работает. Ожидание завершения процесса..."
+# Ожидаем завершения фонового процесса сервера
+wait $SERVER_PID

requirements.txt

@@ -8,3 +8,4 @@ requests
 pillow
 transformers
 torch
+python-dotenv