update: traducción NLLB y compose

docker-compose.yml

@@ -1,7 +1,4 @@
-version: '3.8'
-
 services:
-  # Servicio de la Base de Datos PostgreSQL
   db:
     image: postgres:15
     container_name: rss_db
@@ -10,21 +7,21 @@ services:
       - POSTGRES_USER=${DB_USER}
       - POSTGRES_PASSWORD=${DB_PASS}
     volumes:
-      # Volumen para persistir los datos de la base de datos
       - postgres_data:/var/lib/postgresql/data
-      # Monta la carpeta local con los scripts SQL para inicializar la BD la primera vez
       - ./init-db:/docker-entrypoint-initdb.d
     restart: always
     healthcheck:
-      # Comprueba si la base de datos está lista para aceptar conexiones
       test: ["CMD-SHELL", "pg_isready -U ${DB_USER} -d ${DB_NAME}"]
       interval: 5s
       timeout: 5s
       retries: 5
 
-  # Servicio de la Aplicación Web (Gunicorn)
   web:
-    build: .
+    build:
+      context: .
+      args:
+        # La imagen llevará torch-cu121 por reutilizar Dockerfile; web no usa GPU.
+        TORCH_CUDA: cu121
     container_name: rss_web
     command: gunicorn --bind 0.0.0.0:8000 --workers 3 app:app
     ports:
@@ -36,15 +33,17 @@ services:
       - DB_USER=${DB_USER}
       - DB_PASS=${DB_PASS}
       - SECRET_KEY=${SECRET_KEY}
+      # - NEWS_PER_PAGE=20   # opcional
     depends_on:
       db:
-        # Espera a que el healthcheck de la base de datos sea exitoso antes de iniciar
         condition: service_healthy
     restart: always
 
-  # Servicio del Planificador de Tareas (Scheduler)
   scheduler:
-    build: .
+    build:
+      context: .
+      args:
+        TORCH_CUDA: cu121
     container_name: rss_scheduler
     command: python scheduler.py
     environment:
@@ -56,10 +55,69 @@ services:
       - SECRET_KEY=${SECRET_KEY}
     depends_on:
       db:
-        # También espera a que la base de datos esté saludable
         condition: service_healthy
     restart: always
 
-# Define el volumen nombrado para la persistencia de datos
+  translator:
+    build:
+      context: .
+      args:
+        TORCH_CUDA: cu121  # PyTorch con CUDA 12.1 en la imagen
+    container_name: rss_translator
+    command: python translation_worker.py
+    environment:
+      # --- DB ---
+      - DB_HOST=db
+      - DB_PORT=5432
+      - DB_NAME=${DB_NAME}
+      - DB_USER=${DB_USER}
+      - DB_PASS=${DB_PASS}
+
+      # --- Worker ---
+      - TARGET_LANGS=es
+      - TRANSLATOR_BATCH=4          # 1.3B: más seguro en 12 GB (sube a 4 si ves VRAM libre)
+      - ENQUEUE=200
+      - TRANSLATOR_SLEEP_IDLE=5
+
+      # Tokens (equilibrio calidad/VRAM)
+      - MAX_SRC_TOKENS=512
+      - MAX_NEW_TOKENS=256
+
+      # Beams: mejor título, cuerpo eficiente
+      - NUM_BEAMS_TITLE=3
+      - NUM_BEAMS_BODY=2
+
+      # Modelo NLLB 1.3B
+      - UNIVERSAL_MODEL=facebook/nllb-200-1.3B
+
+      # Dispositivo (forzar GPU si está disponible; el worker cae a CPU si hay OOM)
+      - DEVICE=cuda
+
+      # Rendimiento / estabilidad
+      - PYTHONUNBUFFERED=1
+      - HF_HOME=/root/.cache/huggingface
+      - TOKENIZERS_PARALLELISM=false
+      - PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True,max_split_size_mb:64,garbage_collection_threshold:0.9
+
+      # GPU (requiere NVIDIA Container Toolkit en el host)
+      - NVIDIA_VISIBLE_DEVICES=all
+      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
+    volumes:
+      - hf_cache:/root/.cache/huggingface
+    depends_on:
+      db:
+        condition: service_healthy
+    restart: always
+    # Habilita GPU (Compose v2 + nvidia-container-toolkit)
+    gpus: all
+    # Alternativa con 'deploy':
+    # deploy:
+    #   resources:
+    #     reservations:
+    #       devices:
+    #         - capabilities: [gpu]
+
 volumes:
   postgres_data:
+  hf_cache:
+