Dockerfile

# ----------- 베이스 이미지 -----------
FROM python:3.10-slim

# ----------- 작업 디렉토리 -----------
WORKDIR /app

# ----------- 시스템 패키지 설치 -----------
RUN apt-get update && apt-get install -y --no-install-recommends \
    build-essential \
    cmake \
    && rm -rf /var/lib/apt/lists/*

# ----------- 의존성 설치 -----------
# requirements 먼저 복사 → 캐시 활용 가능
COPY requirements.txt /app/requirements.txt

# PyTorch CPU 버전 설치 (GPU 필요 없음)
RUN pip install --no-cache-dir torch==2.0.1+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html \
    && pip install --no-cache-dir -r /app/requirements.txt

# ----------- 코드 복사 -----------
# 의존성 설치 후 코드 복사 → requirements 변경 없는 한 캐시 재사용 가능
COPY . /app/

# ----------- 모델 다운로드 -----------
# transformers 모델 다운로드 후 이미지에 포함
RUN python -c "from transformers import AutoTokenizer, AutoModel; \
    models = { \
        'emotion': ('tae898/emoberta-base-ko', './models/emotion-classification-model'), \
        'fallback': ('skt/ko-gpt-trinity-1.2B-v0.5', './models/fallback-npc-model'), \
        'embedder': ('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2', './models/sentence-embedder') \
    }; \
    import os; \
    os.makedirs('./models/emotion-classification-model', exist_ok=True); \
    os.makedirs('./models/fallback-npc-model', exist_ok=True); \
    os.makedirs('./models/sentence-embedder', exist_ok=True); \
    for key, (name, path) in models.items(): \
        AutoModel.from_pretrained(name, cache_dir=path); \
        AutoTokenizer.from_pretrained(name, cache_dir=path)"

# ----------- 환경 변수 설정 -----------
ENV EMOTION_MODEL_DIR=/app/models/emotion-classification-model
ENV FALLBACK_MODEL_DIR=/app/models/fallback-npc-model
ENV EMBEDDER_MODEL_DIR=/app/models/sentence-embedder

# ----------- 포트 설정 -----------
EXPOSE 8000

# ----------- 실행 명령 -----------
CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "${PORT:-8000}"]