e7625cd322
Ostatni krok fazy 4 KB (plan §2 Decyzja 2, §5): kb-query przestaje być martwe
przez ~16 h/dobę, gdy SOLARIA (GPU) śpi — zapytania embeduje wtedy lokalna
Ollama CPU na PIHA (wolniej: ~790 ms+ vs ~207 ms na GPU, ale działa).
Nowy serwis services/ollama-piha (GitOps, owner_node: piha):
- ollama/ollama:latest (arm64 natywnie), OLLAMA_KEEP_ALIVE=0 — model zwalnia
RAM natychmiast po każdym wywołaniu (spike, nie rezydent; PIHA dzieli 8 GB z HA)
- bind wyłącznie 127.0.0.1 + LAN_BIND_IP (192.168.31.5), nigdy 0.0.0.0/Tailscale
- named volume ollama_piha_models (NVMe data-root) zamiast bind-mounta — obraz
biega jako root w kontenerze i bind łamałby wzorzec uid PIHA (oskar=1004,
kontenery uid 1000, setgid pi)
- override hosts/piha/runtime/ollama-piha: mem_limit 2560m (wartość startowa
z planu, do potwierdzenia kalibracją na żywo), świadomie bez mem_reservation
- pull bge-m3 to jawny, ręczny krok deployu (README) — obraz nie ma modeli
kb-query — maszyna stanów fallbacku (app/embed_router.py):
- health-check SOLARII (GET /api/tags, timeout 1.5 s) z cache 30 s — zero
sondowania per request; po powrocie SOLARII ruch wraca na GPU w ≤30 s
- primary up → embed na SOLARII z twardym timeoutem 3 s; błąd W TRAKCIE
zapytania = jednorazowe przełączenie (krok 3b planu): status down na 30 s
i TO SAMO zapytanie leci na fallback — user nie widzi błędu SOLARII
- primary down → embed prosto na ollama-piha (bez twardego timeoutu: CPU +
zimny load modelu to legalnie pojedyncze sekundy)
- 503 tylko gdy oba backendy padłe (lub fallback nieskonfigurowany)
- inwariant modelu, druga połowa: każdy backend weryfikowany raz, leniwie przy
pierwszym użyciu, że /api/tags zawiera EMBED_MODEL (bge-m3 — ta sama wartość
co startowy check przeciw document_chunk.model/document_summary.embedding_model);
niezgodność = ERROR log + 500, nigdy ciche liczenie dystansów między
różnymi przestrzeniami embeddingów; leniwie, bo śpiąca SOLARIA nie może
blokować startu serwisu
- odpowiedź /search: nowe pole embed_backend ("solaria"|"piha") + sol_status
wg realnego świata routera (UI już renderuje down jako "offline (fallback
embed)"); log INFO backend=... elapsed_ms=... per zapytanie
- /healthz: sol_status przez cache routera (spójny widok z routingiem) +
fallback_status (żywa, tania sonda /api/tags)
Konfiguracja spójnie przez env (compose + env.example + service.yaml + README):
EMBED_PRIMARY_URL (zastępuje OLLAMA_URL), EMBED_FALLBACK_URL (pusty = brak
fallbacku, zachowanie sprzed kroku 2), EMBED_{PRIMARY,FALLBACK}_NAME,
EMBED_HEALTH_TTL_S/EMBED_HEALTH_TIMEOUT_S/EMBED_PRIMARY_TIMEOUT_S.
Testy: 39 pass (14 nowych w test_embed_router.py: cache TTL, failover w trakcie
zapytania, powrót po TTL, oba padłe, mismatch modelu na primary i fallbacku,
tag "bge-m3:latest" vs "bge-m3"); docker build + smoke (importy + uvicorn do
guardu KB_DSN) OK; compose config OK dla obu stacków.
Deploy (Oskar, na PIHA z mastera po merge):
cd ~/homelab-codex-ws && git pull
# 1. ollama-piha
cp services/ollama-piha/env.example services/ollama-piha/.env
docker compose -f services/ollama-piha/docker-compose.yml \
-f hosts/piha/runtime/ollama-piha/docker-compose.override.yml \
--env-file services/ollama-piha/.env up -d
docker exec ollama-piha ollama pull bge-m3 # ręczny krok, obowiązkowy
services/ollama-piha/healthcheck.sh
# 2. kb-query (dopisać fallback do istniejącego .env)
echo 'EMBED_FALLBACK_URL=http://192.168.31.5:11434' >> services/kb-query/.env
docker compose -f services/kb-query/docker-compose.yml \
-f hosts/piha/runtime/kb-query/docker-compose.override.yml up -d --build
services/kb-query/healthcheck.sh
# (deploy-node.sh też podniesie oba serwisy z hosts/piha/services.yaml,
# ale pull bge-m3 i .env pozostają ręczne)
Weryfikacja: testy A/B/C w services/kb-query/README.md (backend=solaria przy
SOLARII online; backend=piha przy symulacji offline; powrót na GPU w ≤30 s).
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
42 lines
2 KiB
Plaintext
42 lines
2 KiB
Plaintext
# kb-query secrets + host-local binds — copy to .env (gitignored) next to
|
|
# docker-compose.yml and fill in real values. Never commit .env.
|
|
|
|
# LAN IP of PIHA. The published port (8230) binds ONLY to this interface —
|
|
# never 0.0.0.0. Verify after host rebuilds: ip -4 addr.
|
|
LAN_BIND_IP=192.168.31.5
|
|
|
|
# asyncpg DSN for kb-postgres@PIHA. kb-query runs in its own Docker network
|
|
# (separate compose project from kb-postgres), so it reaches kb-postgres's
|
|
# published port over the host's LAN interface, not "localhost" — same
|
|
# reasoning as paperless-worker@SOLARIA reaching paperless@PIHA over LAN.
|
|
KB_DSN=postgresql://kb:CHANGE-ME@192.168.31.5:5433/kb
|
|
|
|
# Primary embed backend: Ollama @ SOLARIA (GPU, over Tailscale MagicDNS —
|
|
# same trick as llm-gateway's OLLAMA_URL). Optional: defaults to this value.
|
|
# EMBED_PRIMARY_URL=http://solaria:11434
|
|
|
|
# Fallback embed backend: ollama-piha on this host (services/ollama-piha/),
|
|
# reached over PIHA's LAN interface (same pattern as KB_DSN above). SOLARIA is
|
|
# powered off ~16 h/day — without this, /search is dead the whole time. Leave
|
|
# unset/empty to disable the fallback leg entirely.
|
|
EMBED_FALLBACK_URL=http://192.168.31.5:11434
|
|
|
|
# Backend labels used in logs and the /search "embed_backend" response field.
|
|
# Optional: defaults solaria / piha.
|
|
# EMBED_PRIMARY_NAME=solaria
|
|
# EMBED_FALLBACK_NAME=piha
|
|
|
|
# Fallback state machine tuning (plan §2 D2). Optional; defaults shown.
|
|
# EMBED_HEALTH_TTL_S=30 # how long an up/down verdict on SOLARIA is cached
|
|
# EMBED_HEALTH_TIMEOUT_S=1.5 # /api/tags probe timeout
|
|
# EMBED_PRIMARY_TIMEOUT_S=3 # hard timeout for a primary embed call
|
|
|
|
# Embedding model kb-query enforces as a startup invariant (plan §2 decision
|
|
# 2) against document_chunk.model / document_summary.embedding_model.
|
|
# Optional: defaults to bge-m3.
|
|
# EMBED_MODEL=bge-m3
|
|
|
|
# document_summary.model kb-query's cascade path pre-filters on (the
|
|
# compilation track, plan §2 D3). Optional: defaults to claude-haiku-4-5.
|
|
# SUMMARY_MODEL=claude-haiku-4-5
|