# Развёртывание кампании на сервере с NVIDIA. Этот файл САМОДОСТАТОЧЕН: он тянет готовый образ
# из реестра и исходников репозитория не требует. Скопировать на сервер достаточно его одного.
#
#   mkdir -p ~/kbc2d && cd ~/kbc2d
#   curl -O <ссылка на этот файл>        # либо просто перенести файл руками
#
#   docker compose -f docker-compose.server.yml --profile check run --rm vulkan
#   docker compose -f docker-compose.server.yml --profile check run --rm preflight
#   docker compose -f docker-compose.server.yml --profile check run --rm calibrate
#   docker compose -f docker-compose.server.yml --profile check run --rm plan
#   docker compose -f docker-compose.server.yml up -d
#   docker compose -f docker-compose.server.yml logs -f
#
# Порядок именно такой. Сначала vulkan: если карта не видна, кампания молча уйдёт считать
# ничего — точнее, откажется стартовать на первом же прогоне, но узнать об этом через час
# обиднее, чем через минуту. Потом preflight (каждый сценарий стартует на два шага), потом
# calibrate (замер MLUPS этой машины), и только потом сама кампания.
#
# Результаты складываются в ./out на хосте — около 4.4 ГБ гифок и рядов за полный проход.

name: kbc2d

# ── общая часть всех сервисов ────────────────────────────────────────────────
x-kbc2d: &kbc2d
  image: notbigghost/kbc2d:1.2.0
  pull_policy: missing
  volumes:
    - ./out:/work/bench/out
  environment:
    # ГЛАВНОЕ МЕСТО ВСЕГО ФАЙЛА. NVIDIA Container Toolkit подкладывает внутрь Vulkan-ICD
    # (nvidia_icd.json) только если в этом списке есть `graphics`. С одним `compute` wgpu не
    # увидит НИ ОДНОГО адаптера, и решатель откажется стартовать с --backend gpu. В образе
    # значение уже прописано, здесь оно продублировано явно — чтобы его было видно тому, кто
    # читает compose, а не Dockerfile.
    NVIDIA_DRIVER_CAPABILITIES: compute,utility,graphics
    NVIDIA_VISIBLE_DEVICES: all
    # Оценки в часах драйвер считает из этих чисел. Умолчания взяты с другой машины —
    # подставьте сюда то, что напечатает профиль calibrate.
    KBC2D_GPU_MLUPS: ${KBC2D_GPU_MLUPS:-1200}
    KBC2D_CPU_MLUPS: ${KBC2D_CPU_MLUPS:-22}
  deploy:
    resources:
      reservations:
        devices:
          - driver: nvidia
            count: all
            capabilities: [gpu]

services:
  # ── сама кампания: единственный сервис, который поднимается по `up -d` ──────
  campaign:
    <<: *kbc2d
    container_name: kbc2d-campaign
    # --resume пропускает всё, у чего уже есть summary.json: перезапуск продолжает с места,
    # а не начинает заново. Именно поэтому перезапуск здесь безопасен и дёшев.
    command: ["--resume"]
    # on-failure, а НЕ unless-stopped: кампания завершается штатно с кодом 0, и политика
    # «перезапускать всегда» после её окончания крутила бы контейнер вхолостую по кругу.
    # Падение (OOM, перезагрузка хоста) даёт ненулевой код и будет подхвачено.
    restart: on-failure:5
    stop_grace_period: 30s
    # Девяносто часов вывода — это сотни мегабайт журнала; без ограничения он съест диск.
    # Полные логи каждого прогона всё равно лежат в out/<id>/log.txt.
    logging:
      driver: json-file
      options:
        max-size: "50m"
        max-file: "5"

  # ── проверки перед запуском (профиль check, сами не поднимаются) ────────────
  vulkan:
    <<: *kbc2d
    profiles: ["check"]
    entrypoint: ["vulkaninfo"]
    command: ["--summary"]

  preflight:
    <<: *kbc2d
    profiles: ["check"]
    entrypoint: ["python3"]
    command: ["preflight.py"]

  calibrate:
    <<: *kbc2d
    profiles: ["check"]
    command: ["--calibrate"]

  plan:
    <<: *kbc2d
    profiles: ["check"]
    command: ["--dry-run"]
# ── если результаты нужны не под root ────────────────────────────────────────
# Контейнер работает от root, поэтому файлы в ./out окажутся root:root. Чтобы они
# принадлежали вам, добавьте в x-kbc2d строку
#     user: "${UID}:${GID}"
# и запускайте как  UID=$(id -u) GID=$(id -g) docker compose -f … up -d
# (каталог ./out при этом должен быть создан заранее и принадлежать вам).