version: '3.8'

# Определение общих сетей для изоляции трафика
networks:
  ai_mesh:
    driver: bridge

services:
  # ----------------------------------------------------
  # SERVICE 1: Frontend (Пользовательский интерфейс)
  # Не требует GPU, может быть вынесен на отдельный сервер
  # ----------------------------------------------------
  web_ui:
    build: 
      context: .
      dockerfile: Dockerfile
    container_name: emom_frontend
    restart: always
    ports:
      - "8080:8080"
    networks:
      - ai_mesh
    environment:
      - STREAMLIT_RUN=1
      # Указываем UI, где искать LLM-бэкенд (внутри Docker-сети)
      - OLLAMA_HOST=http://llm_backend:11434
    volumes:
      - ./src:/app/src
      # Модели пока остаются здесь, так как код монолитный, 
      # но архитектурно сервис уже изолирован
      - /home/zin/projects/Thesis/src/emoset_resnet50_best.pth:/app/emoset_resnet50_best.pth:ro
      - /home/zin/projects/Thesis/src/music_engine/va_regressor.pkl:/app/src/music_engine/va_regressor.pkl:ro
      - /home/zin/projects/Thesis/dataset/DEAM:/app/dataset/DEAM:ro
    # Временно оставляем GPU для PyTorch (пока он не вынесен в API)
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

  # ----------------------------------------------------
  # SERVICE 2: LLM Inference Backend (Ollama)
  # Изолированный сервис для языковой модели на GPU
  # ----------------------------------------------------
  llm_backend:
    image: ollama/ollama:latest
    container_name: ollama_gpu_inference
    restart: always
    networks:
      - ai_mesh
    ports:
      - "11434:11434"
    volumes:
      # Проброс локальных моделей Ollama, чтобы не качать их заново внутри докера
      - ~/.ollama:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]