# 1. Usamos 3.11 por estabilidad absoluta con PyTorch, YOLO y ONNX sin compilar desde cero
FROM python:3.11-slim

# 2. Instalamos dependencias del sistema mínimas. 
# libgomp1 es crucial para ONNX Runtime en imágenes slim de Debian
RUN apt-get update && apt-get install -y --no-install-recommends \
    ffmpeg \
    libgomp1 \
    && rm -rf /var/lib/apt/lists/*

# --- CONFIGURACIÓN DE HUGGING FACE ---
RUN useradd -m -u 1000 user
USER user

# 3. Variables de entorno: PATH y Optimización estricta para CPU
# ONNX Runtime respetará estas variables para no saturar los hilos
ENV HOME=/home/user \
    PATH=/home/user/.local/bin:$PATH \
    OMP_NUM_THREADS=1 \
    MKL_NUM_THREADS=1 \
    OPENBLAS_NUM_THREADS=1

WORKDIR $HOME/app
# -------------------------------------

# 4. Copiamos requerimientos primero para aprovechar el caché de capas de Docker
COPY --chown=user requirements.txt .

# 5. Instalamos todo en una sola capa (reduce el tamaño de la imagen final)
RUN pip install --no-cache-dir --upgrade pip && \
    pip install --no-cache-dir torch torchvision --index-url https://download.pytorch.org/whl/cpu && \
    pip install --no-cache-dir -r requirements.txt

# 6. Copiamos el resto del código
COPY --chown=user . .

EXPOSE 7860

# 7. Arranque optimizado para 16GB de RAM (4 workers)
CMD ["uvicorn", "src.app.app:app", "--host", "0.0.0.0", "--port", "7860", "--workers", "1"]