Files

T

gx 6962bc3c7e docker: dev environment с CUDA 12.4 + build tools

Dockerfile.dev + docker-compose.dev.yml + docker/README.md.

Base: nvidia/cuda:12.4.1-cudnn-devel-ubuntu24.04.

В контейнер включены:
- CUDA toolkit (nvcc, headers, libs)
- GCC 12, Clang + clang-format + clang-tidy
- CMake + Ninja
- FFmpeg dev headers (6.x системные) — для linking при разработке filter
- Python 3.12 + dev (для Phase 3 bindings)
- Profiling/debug tools: valgrind, gdb, strace, ltrace

docker-compose.dev.yml настройки:
- runtime: nvidia + --gpus all
- ipc: shareable — для cross-container CUDA IPC (Phase 1+)
- shm_size: 2gb — стандартный 64 MB не хватит для frame buffers
- SYS_PTRACE + seccomp:unconfined — для gdb/strace внутри (dev-only)
- bind-mount корня репо → /workspace
- /run/cuframes для Unix sockets

Использование документировано в docker/README.md.

Production-images (FFmpeg-with-plugin, Frigate drop-in) — отдельная
работа в Phase 4.

2026-05-14 21:18:32 +01:00

3.4 KiB

Raw Blame History

Docker for cuframes

Все сборки и тесты делаются в Docker. Хостовый CUDA toolkit не нужен — только NVIDIA driver + nvidia-container-toolkit.

Развёртывание dev-окружения

# Один раз (поднимет dev-контейнер на фоне)
docker compose -f docker/docker-compose.dev.yml up -d

# Войти в контейнер
docker compose -f docker/docker-compose.dev.yml exec dev bash

После up -d контейнер cuframes-dev живёт пока его не остановят. Repo смонтирован в /workspace.

Проверка что CUDA видна:

docker compose -f docker/docker-compose.dev.yml exec dev nvidia-smi
docker compose -f docker/docker-compose.dev.yml exec dev nvcc --version

Что внутри

Компонент	Версия	Зачем
Ubuntu	24.04	base
CUDA Toolkit	12.4.1	для `nvcc`, headers, runtime libs
cuDNN	9	для возможных bindings к ONNX
GCC	12	стандартный для Ubuntu 24.04
Clang + clang-format + clang-tidy	системные	code style + static analysis
CMake	системный (≥3.28)	build
Ninja	системный	быстрее make
FFmpeg dev headers	системные (6.x)	для linking при разработке filter
Python 3 + dev	системный (3.12)	bindings (Phase 3)
Profiling	valgrind, gdb, strace, ltrace	debug-набор

Что снаружи (на хосте)

Требуется:

NVIDIA driver ≥ 555 (для CUDA 12.4)
nvidia-container-toolkit
Docker Engine с --gpus поддержкой
Каталог /run/cuframes (создаётся compose'ом с rw-доступом, либо sudo mkdir -p /run/cuframes && sudo chown $USER /run/cuframes)

Ограничения / нюансы

shm_size: 2gb — /dev/shm контейнера, нужен для CUDA IPC handles и producer/consumer shared memory rings. Default 64 MB не хватит.
ipc: shareable — позволяет связывать namespace с другими контейнерами через ipc: "container:cuframes-dev". Нужно для cross-container CUDA IPC.
SYS_PTRACE cap + seccomp:unconfined — для gdb / strace inside. Снимать в production-builds.
Sysctl / ulimits — bind-mount файла /etc/security/limits.conf в init не гарантирует применения (зависит от docker config). Если CUDA-IPC даст EMFILE — поднять host-side ulimit -n 65536 перед docker compose up.

Полезные команды (внутри контейнера)

# Build cuframes (когда появится CMakeLists.txt)
cmake -B build -S . -G Ninja
cmake --build build -j

# Run tests
ctest --test-dir build --output-on-failure

# Phase 0 spike измерения
./build/tools/spike/pingpong_producer cam_test &
./build/tools/spike/pingpong_consumer cam_test

Distribution / production images

Это dev-окружение. Production-images (для FFmpeg-with-cuframes-plugin, Frigate drop-in) — отдельные Dockerfiles в docker/ffmpeg-cuframes/ и docker/ffmpeg-cuframes-frigate/, появятся в Phase 4.

3.4 KiB Raw Blame History Unescape Escape