# syntax=docker/dockerfile:1
#
# worker + backend bundle 镜像（新链路）。
#
# 一个容器内同时跑：
#   - py_backend.server   （协议服务端，加载模型，独占 1 GPU）
#   - worker.py           （纯转发隔离层，--backend-server-url 指向 localhost backend）
# gateway 不在本镜像内（它 torch-free，单独进程跑）。
#
# base 用普通 python，不用 nvidia/cuda 镜像：torch 的 +cu128 wheel 自带 CUDA 用户态库
#（libcudart/cudnn/cublas/nccl 等），driver 由宿主机 nvidia runtime 注入。
#
# 模型权重不进镜像（19G），运行时以 volume 挂载，见 entrypoint。

FROM python:3.12-slim-bookworm

ENV PYTHONUNBUFFERED=1 \
    PIP_DISABLE_PIP_VERSION_CHECK=1 \
    PYTHONPATH=/app \
    TORCHINDUCTOR_CACHE_DIR=/app/torch_compile_cache

# ---- 系统依赖（很少变，放最上层）----
# ffmpeg: 音视频解码（media.py / moviepy / decord 运行期需要）
# libsndfile1: soundfile 读写音频
# curl: entrypoint 健康检查
RUN apt-get update && apt-get install -y --no-install-recommends \
        ffmpeg \
        libsndfile1 \
        curl \
    && rm -rf /var/lib/apt/lists/*

WORKDIR /app

# ---- ① torch 栈：单独一层、写死版本，极少变 → 缓存命中率最高 ----
# 6.3G 大头（torch+nvidia+triton），用 BuildKit 缓存挂载，跨 build 复用已下载 wheel。
RUN --mount=type=cache,target=/root/.cache/pip \
    pip install \
        --index-url https://download.pytorch.org/whl/cu128 \
        torch==2.8.0 torchaudio==2.8.0

# ---- ② 其余轻依赖（~1G），requirements 变才重跑 ----
COPY requirements.txt .
RUN --mount=type=cache,target=/root/.cache/pip \
    pip install "minicpmo-utils[all]>=1.0.5" \
    && grep -vE '^[[:space:]]*minicpmo-utils(\[all\])?>=' requirements.txt > /tmp/requirements-worker.txt \
    && pip install -r /tmp/requirements-worker.txt \
    && rm /tmp/requirements-worker.txt

# ---- ③ 代码放最后：最常变，但只影响这一层；前两层全命中缓存 ----
COPY . .

RUN chmod +x docker/entrypoint-worker-backend.sh \
    && mkdir -p /app/data /app/tmp /app/torch_compile_cache

# backend 协议端口（容器内 worker 走 localhost 连它，不必对外暴露）
EXPOSE 22500
# worker 转发端口（gateway 连这个）
EXPOSE 22400

ENTRYPOINT ["docker/entrypoint-worker-backend.sh"]