# 优化版（2026-10-08 v3）：torch/nvidia 全家桶永远复用基底，全量路径零重下。
# 要点：
#  1. pyproject build-system.requires 含 torch==2.13.0，pip 隔离构建环境每次都重下 ~6GB。
#     基底镜像已装 torch 2.13 → 用 --no-build-isolation 复用，构建环境零下载。
#  2. 老全量路径让 pip 解析全部依赖：bare `torchvision` 等会让解析器弃用基底已装的
#     本地版本（torch 2.13.0+cu130），改用 PyPI 的 torch==2.13.0，连带重下整套 nvidia
#     依赖（9/23 实测 nvidia-nccl-cu13 等 6GB+，限流下 2h40m）；且基底 NCCL 是
#     刻意装高的 2.30.7（torch 元数据钉 ==2.29.7），任何全量解析都会把它降级回去。
#     → v3 不再让 pip 碰重型依赖：check_deps.py 在构建期对照 pyproject 与基底
#     已装版本，把增量分三类——重型（torch*/nvidia-*/cuda-*）永不进解析、
#     不满足即让构建失败并提示决策（显式失败好过静默重装）；
#     kernel wheel（sglang-kernel/flashinfer*/sgl-deep-gemm）要跟随源码版本，
#     钉版变动时以 pip --no-deps 单独装（防止顺藤摸瓜解析 torch）；
#     其余轻量依赖只装未满足的增量。
#  3. 基底缺 setuptools-scm（版本打戳要用），单层预装 + pip cache mount，只下载一次。
#  4. RUN 的 pip cache mount 持久化在宿主机，轻量依赖增量不再重复下载。
FROM uhub.service.ucloud.cn/umirror/sglang:dev-dsv41

ARG PIP_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple
ENV PIP_INDEX_URL=${PIP_INDEX}

# 构建后端（pyproject build-system.requires，torch 除外——基底已有）
RUN --mount=type=cache,target=/root/.cache/pip \
    pip install "setuptools>=61" "setuptools-scm>=8" "setuptools-rust>=1.11" wheel

# 依赖增量计算脚本（对照 pyproject 与基底已装版本，产出轻量/kernel 增量清单）
# 注意 build context 是 /data/ymk 且 .dockerignore 排除了 build/，只能从 sglang/ 树内 COPY
COPY sglang/deploy/b300-build/check_deps.py /tmp/check_deps.py

# 整个源码树（含 .git，用于 setuptools-scm 版本打戳）
COPY sglang/ /sgl-workspace/sglang/

# Rust gateway（sgl-model-gateway）编译。基底自带 rustup stable（实测 cargo 1.98.1），
# RUSTUP_TOOLCHAIN=stable 绕过仓库 rust-toolchain.toml 钉的 1.90（避免重复下载工具链）；
# b300 直连 crates.io（稀疏索引 + static.crates.io 均通），无需任何镜像源。
# cache mount 持久化 registry/target：冷编译 ~15min（二进制 ~11min + python 扩展 ~4min），
# 增量重建秒~分钟级。python 扩展必须显式 -p（workspace 根包默认不编译扩展），
# 产物 libsglang_router_rs.so 需重命名为 sglang_router_rs.abi3.so 覆盖 python 包内同文件
# （与 H20 线上部署方式一致）。2026-10-09 b300 实测验证。
RUN --mount=type=cache,target=/cargo-home \
    --mount=type=cache,target=/cargo-target \
    cd /sgl-workspace/sglang/sgl-model-gateway \
    && CARGO_HOME=/cargo-home CARGO_TARGET_DIR=/cargo-target RUSTUP_TOOLCHAIN=stable \
       cargo build --release -p sgl-model-gateway -p sgl-model-gateway-python \
    && cp /cargo-target/release/sgl-model-gateway /opt/sglang/bin/sgl-model-gateway \
    && cp /cargo-target/release/libsglang_router_rs.so \
       /opt/sglang/lib/python3.12/site-packages/sglang_router/sglang_router_rs.abi3.so

# 计算依赖增量（重型 torch/nvidia/cuda 永不进入清单；不满足则 check_deps 非零、构建失败）
RUN python /tmp/check_deps.py /sgl-workspace/sglang/python/pyproject.toml \
      /tmp/missing_light.txt /tmp/missing_kernel.txt \
    && echo "== kernel wheel delta (pip --no-deps) ==" && cat /tmp/missing_kernel.txt \
    && echo "== lightweight dep delta ==" && cat /tmp/missing_light.txt

# kernel wheel 增量（如 sglang-kernel 升版）：--no-deps 防止 pip 顺藤摸瓜解析 torch
RUN --mount=type=cache,target=/root/.cache/pip \
    if grep -q '[^[:space:]]' /tmp/missing_kernel.txt; then \
      pip install --no-deps -r /tmp/missing_kernel.txt; \
    else \
      echo "== no kernel wheel delta"; \
    fi

# 轻量依赖增量（通常为空或几个小包），重型全家桶原样复用基底。
# ⚠️ 必须 --no-deps：即使目标只是 xgrammar 这种小包，只要依赖图里出现 torch，
# pip 就会校验 torch+cu130 元数据钉死的 nvidia-nccl-cu13==2.29.7，发现基底装的是
# 2.30.7 便"好心"下载 206MB 降级（10-08 v3 首跑实测踩中）。基底的传递依赖本来就
# 齐全，增量小包的二级依赖也一样；若有漏网，b300 冒烟会在 import 阶段显式暴露。
RUN --mount=type=cache,target=/root/.cache/pip \
    if grep -q '[^[:space:]]' /tmp/missing_light.txt; then \
      pip install --no-deps -r /tmp/missing_light.txt; \
    else \
      echo "== no lightweight delta, skipping dependency install"; \
    fi

# editable 安装 sglang 本体，--no-deps 保证 pip 完全不碰依赖图
RUN --mount=type=cache,target=/root/.cache/pip \
    pip install --no-deps --no-build-isolation -e /sgl-workspace/sglang/python
