# ============================================================
# QMDSearch — 部署 compose（相对路径，可任意目录部署）
# ------------------------------------------------------------
# 数据库数据 / 配置 / 代码 / 前端 全部从本地目录挂载，
# 日常更新（改代码或前端）只需改文件 + `docker compose restart app`，
# 无需重新 build 镜像。
#
# 说明：
#  - 相对路径相对于本 compose 文件所在目录（即项目根目录）解析，
#    因此直接把整个项目目录放到 NAS（或任意主机）即可部署。
#  - app 服务复用已构建的 qmdsearch-app 镜像作为「带依赖的运行时」
#    （Python 依赖装在镜像内，代码与前端构建产物走挂载）。
#  - 仅当 Python 依赖(pyproject.toml)变化时，才需 `docker build -t qmdsearch-app .` 一次。
#  - 数据目录默认 ./data，可通过 .env 的 NAS_DATA_DIR 覆盖到其他磁盘。
# ============================================================

services:
  app:
    # 不再 build 项目代码，改用已含依赖的运行时镜像；代码与前端均走下方挂载
    image: qmdsearch-app:latest
    container_name: qmdsearch-app
    restart: unless-stopped
    ports:
      - "${APP_PORT:-8000}:8000"
    environment:
      - QDRANT_HOST=qdrant
      - QDRANT_PORT=6333
      - REDIS_URL=redis://redis:6379/0
      - OLLAMA_BASE_URL=http://ollama:11434
      # 针对 16 线程 / 61GB 内存的 NAS 调优：放宽入库并发
      - INGEST_MAX_CONCURRENCY=${INGEST_MAX_CONCURRENCY:-4}
    env_file:
      - ./.env
    depends_on:
      qdrant:
        condition: service_started
      redis:
        condition: service_healthy
      ollama:
        condition: service_started
    volumes:
      # ---- 代码（本地，改后 restart 即生效，免 build）----
      - ./app:/app/app
      - ./scripts:/app/scripts
      # ---- 前端构建产物（本地 frontend/dist，改前端后 build 到此目录 + restart）----
      - ./frontend/dist:/app/app/static/admin
      # ---- 配置（显式文件映射，只读）----
      - ./.env:/app/.env:ro
      # ---- 数据 / 日志（持久化）----
      - ${NAS_DATA_DIR:-./data}/logs:/app/logs
      - ${NAS_DATA_DIR:-./data}/uploads:/app/uploads
    networks:
      - qmdsearch

  qdrant:
    image: qdrant/qdrant:latest
    container_name: qmdsearch-qdrant
    restart: unless-stopped
    ports:
      - "${QDRANT_PORT:-6333}:6333"
      - "${QDRANT_DASHBOARD_PORT:-6334}:6334"
    volumes:
      - ${NAS_DATA_DIR:-./data}/qdrant:/qdrant/storage
    # 官方 qdrant 镜像不含 curl/wget，内部 healthcheck 无法执行 HTTP 探测；
    # 改用 service_started 依赖（qdrant 启动即就绪），由 app 的 restart 策略兜底。
    networks:
      - qmdsearch

  redis:
    image: redis:7-alpine
    container_name: qmdsearch-redis
    restart: unless-stopped
    # 仅内部网络访问，不对外暴露主机端口（避免与 NAS 已有 redis 的 6379 冲突）
    volumes:
      - ${NAS_DATA_DIR:-./data}/redis:/data
    healthcheck:
      test: ["CMD", "redis-cli", "ping"]
      interval: 10s
      timeout: 5s
      retries: 5
    networks:
      - qmdsearch

  ollama:
    image: ollama/ollama:latest
    container_name: qmdsearch-ollama
    restart: unless-stopped
    ports:
      - "${OLLAMA_PORT:-11434}:11434"
    volumes:
      - ${NAS_DATA_DIR:-./data}/ollama:/root/.ollama
    environment:
      # 针对 Ryzen 9 7940HS（16 线程）的 CPU 推理调优：
      # 并行推理任务数、常驻模型数、单请求线程上限、KV 缓存量化以省内存
      - OLLAMA_NUM_PARALLEL=4
      - OLLAMA_MAX_LOADED_MODELS=3
      - OLLAMA_NUM_THREADS=16
      - OLLAMA_KV_CACHE_TYPE=q8_0
    # 首次启动自动拉取所需模型（qwen3:1.7b 总结 + bge-m3 嵌入 + qwen3-reranker 重排），
    # 下载完成后转交常驻 ollama serve。已存在时仅做健康检查。
    entrypoint: /bin/bash
    command:
      - -c
      - |
        ollama serve &
        SERVE_PID=$$!
        sleep 6
        ollama pull qwen3:1.7b
        ollama pull bge-m3
        ollama pull qwen3-reranker:0.6b
        wait $$SERVE_PID
    networks:
      - qmdsearch

networks:
  qmdsearch:
    driver: bridge