docs: system requirements (hardware, software, build, Docker, k8s)

docs/requirements.md (220 строк):
- Hardware: NVIDIA GPU CC ≥7.5 (Turing+), Linux x86_64, VRAM/RAM/CPU minimum
- Software host: kernel ≥5.4, driver ≥525/555, glibc ≥2.31, Ubuntu/Debian/RHEL
- Build deps: CUDA Toolkit ≥12.0, GCC 11+, CMake 3.20+, FFmpeg 4.4+
- Docker: nvidia-container-toolkit, --gpus, --ipc=shareable, --shm-size=2gb
- Cross-container CUDA IPC: variant A (--ipc=container:X), variant B (host),
  k8s через emptyDir + shareProcessNamespace
- Out-of-scope: AMD/Intel/macOS/Windows/WSL2/Jetson/multi-GPU/multi-host
- Quick-check команды (nvidia-smi, uname, ldd, df /dev/shm)
- Tested matrix (Phase 0): RTX 5090, driver 595, CUDA 13.0.88, Ubuntu 24.04

README.md обновлён:
- Краткая таблица minimum vs recommended
- Список не-поддерживаемых платформ
- Ссылки на все docs/ файлы (architecture, protocol, requirements, benchmarks)

README.md

@@ -4,7 +4,21 @@ Zero-copy sharing декодированных видеокадров между
 
 **Статус:** ⚠️ Design phase. Дизайн-спецификация готова, реализация в процессе.
 **Лицензия:** LGPL-2.1+
-**Платформы:** Linux, NVIDIA CUDA ≥ 12.0
+
+## Минимальные требования
+
+| | Минимум | Рекомендуется |
+|---|---|---|
+| OS | Linux kernel ≥ 5.4 | Ubuntu 24.04 |
+| GPU | NVIDIA с compute capability ≥ 7.5 (Turing+) | Ampere/Ada/Blackwell |
+| NVIDIA driver | 525 (для CUDA 12) | 555+ (для CUDA 13) |
+| CUDA Toolkit (build) | 12.0 | 13.0+ |
+| GCC / Clang | 11 / 14 | 12+ / 17+ |
+| CMake | 3.20 | 3.28+ |
+| Docker | 24.x + nvidia-container-toolkit 1.14+ | — |
+
+**Не работает** на Windows, macOS, WSL2, AMD/Intel GPU, multi-GPU producer/consumer.
+Подробно — [docs/requirements.md](docs/requirements.md).
 
 ## Идея в одну минуту
 
@@ -59,7 +73,9 @@ while (auto frame = sub.next()) {
 ## Документация
 
 - [docs/architecture.md](docs/architecture.md) — полный design document
-- [docs/protocol.md](docs/protocol.md) — wire protocol *(в разработке)*
+- [docs/protocol.md](docs/protocol.md) — bit-exact wire protocol spec
+- [docs/requirements.md](docs/requirements.md) — system requirements (hardware, software, build, Docker, k8s)
+- [docs/benchmarks-phase0.md](docs/benchmarks-phase0.md) — Phase 0 latency/throughput measurements
 - [docs/quickstart.md](docs/quickstart.md) — *(в разработке)*
 
 ## Why

docs/requirements.md

@@ -0,0 +1,184 @@
+# System Requirements
+
+Минимальные требования для использования cuframes — как для **сборки**, так и
+для **runtime**. Если что-то из этого не выполняется — библиотека либо не
+скомпилируется, либо не запустится.
+
+## 1. Hardware
+
+### GPU
+
+- **NVIDIA GPU** (vendor lock — CUDA IPC is NVIDIA-specific)
+- **Compute Capability ≥ 7.5** (Turing или новее)
+  - Поддерживается: RTX 20xx / 30xx / 40xx / 50xx, Quadro RTX, A-серия (A40/A100), H-серия (H100), GH200
+  - Не поддерживается: Pascal (GTX 10xx, P100) и старше — CUDA 13 drop'нул support
+  - На границе: Volta (V100, Titan V) — sm_70, технически CUDA 13 deprecates, но `cudaIpc*` API работает
+- **CUDA IPC support** — все GPU с CC ≥ 3.0 имеют CUDA IPC, но мы ограничены CUDA 13 toolkit'ом
+- **Single GPU per producer/consumer pair** — CUDA IPC handles **не работают** между разными devices. Если у вас 2× GPU и публикуете на GPU 0, consumer должен быть на GPU 0
+- **Linux only** — CUDA IPC использует POSIX shared memory + Unix domain sockets. На Windows не работает (даже WSL2 — untested, скорее всего не работает из-за hypervisor isolation)
+
+### VRAM
+
+Зависит от использования:
+
+| Setup | Минимум VRAM |
+|---|---|
+| 1 камера FullHD NV12, ring=2 | **~10 MB** (2 × 3MB frame + overhead) |
+| 1 камера 4K NV12, ring=4 | **~50 MB** |
+| 16 камер FullHD NV12, ring=4 | **~200 MB** |
+| 16 камер 4K NV12, ring=4 | **~800 MB** |
+
+Это **только** для cuframes ring buffers. Add VRAM для самого decoder'а
+(FFmpeg/NVDEC), inference моделей и т.д.
+
+Для domashno-CCTV setup'а (16 камер) на RTX 3060 12GB / 4060 16GB / 5090 32GB —
+**с большим запасом**.
+
+### RAM
+
+- **~64 MB** host memory на publisher + ~10 MB на subscriber
+- POSIX shared memory `/dev/shm/cuframes-<key>` фиксированно ≤ 8 KB
+- Unix socket buffers — kernel-managed, ~32 KB
+
+Реально библиотека «бесплатна» по RAM. CUDA driver сам потребляет ~200 MB.
+
+### CPU
+
+- Любой x86_64 (CUDA не работает на ARM кроме Jetson — отдельная история)
+- Никаких специальных требований к ядрам — hot-path не CPU-bound
+- Минимум 2 cores рекомендуется (один для main thread, один для async subscriber thread)
+
+## 2. Software (host system)
+
+### Operating System
+
+- **Linux** (kernel ≥ 5.4)
+- Tested distros:
+  - Ubuntu 22.04 LTS (CUDA 12.x)
+  - Ubuntu 24.04 LTS (CUDA 13.x) — **рекомендуется**
+  - Debian 12 (bookworm)
+  - RHEL 9 / Rocky Linux 9
+- Не поддерживается: Alpine (musl-libc вместо glibc — несовместимо с NVIDIA libs)
+
+### NVIDIA Driver
+
+- **Driver ≥ 555** для CUDA 13 runtime (рекомендуется)
+- **Driver ≥ 525** для CUDA 12 runtime (минимум — если используете старый toolkit)
+- Tested:
+  - 555.x, 565.x, 575.x, 595.x — известно работают
+
+Driver version и CUDA runtime — отдельные вещи. cuframes использует CUDA runtime
+API (`cudart`), который linked в нашу .so, а driver обеспечивает kernel-level
+CUDA. См. [NVIDIA compat table](https://docs.nvidia.com/deploy/cuda-compatibility/).
+
+### Userspace
+
+- **glibc ≥ 2.31** (Ubuntu 20.04+, Debian 11+)
+- **CUDA Toolkit 12.0+** (для сборки) — 13.0+ рекомендуется
+- POSIX shared memory (`/dev/shm`) — mount'нут как tmpfs, обычно по умолчанию
+- POSIX threads (`pthread`) — обычно есть везде
+
+## 3. Software (build-time)
+
+Для **сборки cuframes** из исходников (если не используете готовые Docker
+images / .deb пакеты):
+
+| Tool | Минимум | Рекомендуется |
+|---|---|---|
+| CUDA Toolkit | 12.0 | **13.0+** (содержит `cudaIpc*` improvements) |
+| GCC | 11 (для C++17) | 12+ |
+| Clang | 14 | 17+ |
+| CMake | 3.20 | 3.28+ |
+| Ninja | (опционально, любая) | |
+| pkg-config | любая | |
+| Python | 3.10 (для bindings, Phase 3+) | 3.12 |
+| FFmpeg | 4.4 (для filter, Phase 2+) | **7.x** (target) |
+
+Build dependencies устанавливаются через apt:
+
+```bash
+sudo apt install build-essential cmake ninja-build pkg-config \
+    nvidia-cuda-toolkit nvidia-cuda-dev \
+    libavcodec-dev libavformat-dev libavutil-dev libavfilter-dev
+```
+
+## 4. Docker (опционально, рекомендуется)
+
+Если используете готовые images (`ghcr.io/<org>/cuframes-ffmpeg:N` или
+`cuframes-frigate:0.17`) или dev-контейнер:
+
+| Component | Минимум |
+|---|---|
+| Docker Engine | 24.x |
+| nvidia-container-toolkit | 1.14+ |
+| docker compose | v2.20+ |
+
+Container setup требования:
+- `--gpus all` (или specific `--gpus device=0`)
+- `--ipc=shareable` (для cross-container CUDA IPC) или `--ipc=host`
+- `--shm-size=2gb` (default 64 MB не хватит для CUDA IPC handles)
+- Bind-mount `/run/cuframes` для Unix sockets
+
+См. `docker/README.md` для готовых compose-файлов.
+
+### Cross-container CUDA IPC
+
+Чтобы producer в одном container'е делился frame'ами с consumer в другом:
+- Оба container'а должны быть в **одном IPC namespace**:
+  - Variant A: `--ipc=container:<other-container-name>` для secondary
+  - Variant B: `--ipc=host` (менее изолировано)
+- Оба должны видеть тот же `--gpus` device
+- `/run/cuframes` должен быть shared (volume) между ними
+- `/dev/shm` — каждый container имеет свой, но через IPC namespace memory-region shareable
+
+Kubernetes:
+- Поды должны быть в одном Pod (sidecars), shared `volumeMounts: emptyDir` для `/run/cuframes`
+- IPC namespace — pod-level `shareProcessNamespace: true` + `hostIPC: true` для cross-pod (security implications)
+
+## 5. Не поддерживается
+
+Явно out-of-scope для v0.1:
+
+| | Почему |
+|---|---|
+| AMD GPU (ROCm) | Аналог HIP IPC существует, но API отличается. Возможный roadmap для v1.x |
+| Intel GPU (Arc / Xe) | Нет аналога CUDA IPC в Level Zero (на 2026-05) |
+| Windows | CUDA IPC использует POSIX SHM + Unix sockets — Linux primitives |
+| macOS | Apple deprecated NVIDIA support с Mojave; CUDA not available |
+| WSL2 | CUDA IPC через WSL hypervisor — недокументированное поведение, untested |
+| Jetson | Имеет CUDA, но cross-process через NVMM (другой API); может работать но not tested |
+| Multi-GPU | producer и consumer должны быть на одном CUDA device — CUDA IPC ограничение |
+| Multi-host | CUDA IPC localhost-only; RDMA / GPUDirect — другой scope |
+
+## 6. Quick check
+
+Проверить совместимость хоста (требует только bash + nvidia-smi):
+
+```bash
+# CUDA driver и compute capability
+nvidia-smi --query-gpu=name,driver_version,compute_cap --format=csv,noheader
+
+# Минимум: driver ≥ 525 (CUDA 12) или ≥ 555 (CUDA 13)
+# compute_cap ≥ 7.5
+
+# Linux kernel
+uname -r  # ≥ 5.4
+
+# glibc
+ldd --version | head -1   # ≥ 2.31
+
+# /dev/shm size (для CUDA IPC handles)
+df -h /dev/shm   # минимум 256 MB свободно
+```
+
+## 7. Тестировано на
+
+Phase 0 PoC (2026-05-14):
+- **Hardware:** NVIDIA RTX 5090 (Blackwell, sm_120, 32 GB), Intel/AMD CPU x86_64
+- **Driver:** 595.58.03
+- **CUDA:** 13.0.88 (внутри dev container на базе `nvidia/cuda:13.0.3-cudnn-devel-ubuntu24.04`)
+- **OS host:** Ubuntu 24.04, kernel 6.17.x
+- **Docker:** 29.1.3 с nvidia-container-runtime
+- **Container:** Ubuntu 24.04 + GCC 13 + Clang + CMake 3.28 + Ninja
+
+Дополнительный target matrix будет в CI после Phase 4.