# Paperless OCR worker (SOLARIA)

Ciężki OCR filaru KB #2 (moduł 3, `docs/kb/modules/03-paperless-ocr-worker.md`).
Ten sam obraz co `services/paperless/`, ale z nadpisanym poleceniem — działa
**wyłącznie** jako celery worker podpięty do brokera/bazy paperless@PIHA,
ze storage widzianym przez NFS z PIHA. Realizuje wzorzec kb-02
„serwis always-on + compute-worker on-demand z fallback".

## Wynik badania: czy split-host worker jest wykonalny?

**TAK — z zastrzeżeniami.** Ustalenia (GH discussion #3900 + docs):

1. **Nie jest to oficjalnie wspierane** przez Paperless-ngx, ale maintainerzy
   potwierdzają wykonalność i podają dokładnie ten wzorzec: drugi host, ten sam
   obraz, `command: celery --app paperless worker --loglevel INFO`, dostęp
   sieciowy do Redis + Postgres + współdzielonych plików.
2. Worker potrzebuje **pełnego kontekstu aplikacji**: broker (Redis), baza
   (Postgres) i **te same pliki pod tymi samymi ścieżkami kontenerowymi**
   (`/usr/src/paperless/{data,media,consume}`) — payloady zadań i DB niosą
   ścieżki absolutne.
3. **Podział pracy**: consumer (inotify na `consume/`), beat (harmonogram)
   i webserver zostają na PIHA; na SOLARIA idzie wyłącznie egzekucja zadań
   celery (OCR/parsowanie/archiwizacja). Consumer na PIHA działa na lokalnym
   dysku, więc inotify działa normalnie (ograniczenie „inotify nie działa po
   NFS" nas nie dotyka — po NFS czyta tylko worker, nie consumer).
4. **Fallback**: obu-stronny worker na tej samej kolejce. Gdy SOLARIA śpi —
   zadania czekają w Redis (AOF na PIHA) i wbudowany worker PIHA
   (concurrency 1) mieli powoli. Gdy SOLARIA wstaje — worker z concurrency 4+
   rozładowuje kolejkę. Gdy worker zniknie w połowie zadania, celery na
   transporcie redis odda nieodebrane zadanie po visibility timeout
   (domyślnie 1 h) — zadanie nie ginie, najwyżej się opóźnia.
5. **GPU nie gra roli** — stockowy OCR (ocrmypdf/tesseract) jest CPU-only.
   Zysk SOLARII to 24 rdzenie i 62 Gi RAM, nie CUDA.

### Znane ryzyka (świadomie zaakceptowane / do obserwacji)

- **Indeks Whoosh w `data/` przy dwóch piszących hostach.** Po konsumpcji
  dokumentu worker dopisuje go do indeksu wyszukiwania (plikowy Whoosh
  w `data/index`). Przy workerze na PIHA (lokalnie) i na SOLARIA (po NFS)
  równolegle istnieje ryzyko wyścigu na lockach plikowych (znane objawy
  w upstream: „This writer is closed", skorumpowany TOC indeksu). Mitygacja:
  indeks to dane **pochodne** — `docker exec paperless document_index reindex`
  odtwarza go w całości; oryginały i metadane nie są zagrożone. Jeśli
  korupcje będą się powtarzać, opcje: przenieść cały batch-OCR w okna, gdy
  działa tylko jeden worker, albo zrezygnować z fallbacku PIHA (kolejka
  po prostu czeka na SOLARIĘ).
- **Postgres `max_connections`**: każdy proces workera trzyma połączenie.
  Przy defaultowym 100 i concurrency 4+1 zapasu jest dużo; podbijając
  `WORKER_CONCURRENCY` pilnować sumy połączeń (formuła w docs upstream).
- **Wersje obrazów muszą być identyczne** (PIHA i SOLARIA) — wspólny schemat
  DB i sygnatury zadań. Podbijać oba compose naraz.

## NFS: export na PIHA, mount na SOLARIA

Transfer idzie po **LAN** (PIHA `192.168.31.5` ↔ SOLARIA `192.168.31.70`,
1 Gb/s, ten sam switch) — NIE po Tailscale. Przepustowość nie jest wąskim
gardłem OCR.

### Host-side na PIHA (NIE w compose — krok przy deployu modułu 3)

```
# /etc/exports na PIHA — export TYLKO dla SOLARII:
/opt/homelab/data/paperless 192.168.31.70(rw,sync,no_subtree_check,no_root_squash)
```

```bash
sudo apt install nfs-kernel-server   # jesli brak
sudo exportfs -ra
```

`no_root_squash` jest potrzebne, bo entrypoint obrazu (root) robi `chown` na
katalogach przy starcie kontenera na SOLARII; export jest ograniczony do
jednego IP w zaufanym LAN.

### Strona SOLARII

Mounty definiuje compose jako named volumes z driverem NFS — **zero wpisów
w /etc/fstab**; jedyny host-side wymóg to pakiet klienta:

```bash
sudo apt install nfs-common
```

### UID mapping (krytyczne)

Pliki na exporcie mają numerycznego właściciela — NFS nie tłumaczy nazw.
Dlatego `USERMAP_UID/GID=1000` jest ustawione **w obu** compose (PIHA
i SOLARIA); zmiana po jednej stronie = worker traci dostęp do plików.
Weryfikacja po deployu: `./healthcheck.sh` robi test zapisu na mount.

## Cutover checklist (przy deployu modułu 3 — po działającym module 2)

1. `services/paperless/` działa na PIHA (healthcheck zielony).
2. Export NFS na PIHA (wyżej) + `showmount -e 192.168.31.5` z SOLARII.
3. `nfs-common` na SOLARII.
4. `.env` z `env.example` — sekrety SKOPIOWANE z PIHA, nie nowe.
5. `docker compose up -d` + `./healthcheck.sh`.
6. Test: wrzucić PDF do consume na PIHA → obciążenie CPU na SOLARII, nie PIHA.
7. Test fallbacku: stop workera → zadanie czeka/mieli PIHA → start → drenaż.
8. Wpis w `hosts/solaria/services.yaml` + topology (dopiero przy deployu).