[Chore] 임베딩 서버 torch를 CPU 전용으로 교체해 NVIDIA 독점 패키지 제거

backend/embedding-server/requirements.txt

@@ -1,3 +1,5 @@
+# torch를 NVIDIA 독점 패키지(nvidia-*)가 딸려오는 GPU용이 아닌 CPU 전용 빌드로 받는다.
+--extra-index-url https://download.pytorch.org/whl/cpu
 fastapi==0.115.0
 uvicorn==0.30.6
 FlagEmbedding==1.2.11

docs/design/kangcheolung-#450-embedding-torch-cpu-only.md

@@ -0,0 +1,91 @@
+# #450 임베딩 서버 torch를 CPU 전용으로 교체해 NVIDIA 독점 패키지 제거
+
+closes #450
+
+---
+
+## 배경
+
+대회의 오픈소스 라이선스 평가 기준은 OSI 승인 라이선스이고, 평가는 각 평가 시점의 저장소 상태로 이루어진다. (#399 참고)
+
+`backend/embedding-server/requirements.txt`의 `torch==2.4.1`을 linux/amd64에서 설치하면 NVIDIA CUDA 런타임 패키지 12개가 의존성으로 함께 설치된다.
+
+```text
+nvidia-cublas-cu12 12.1.3.1      nvidia-cufft-cu12     11.0.2.54
+nvidia-cuda-cupti-cu12 12.1.105  nvidia-curand-cu12    10.3.2.106
+nvidia-cuda-nvrtc-cu12 12.1.105  nvidia-cusolver-cu12  11.4.5.107
+nvidia-cuda-runtime-cu12 12.1.105 nvidia-cusparse-cu12 12.1.0.106
+nvidia-cudnn-cu12 9.1.0.70       nvidia-nccl-cu12      2.20.5
+nvidia-nvjitlink-cu12 12.9.86    nvidia-nvtx-cu12      12.1.105
+```
+
+- 이 패키지들의 라이선스는 NVIDIA 독점(NVIDIA Proprietary Software)이며 OSI 승인이 아니다. (PyPI 메타데이터 기준)
+- 개발 PC(Apple Silicon, linux/arm64) 이미지에는 설치되지 않아 드러나지 않았다. 변경 전 이미지에서 `pip list | grep -ci nvidia`는 arm64 `0`, amd64 `12`였다.
+- 임베딩 서버는 `docker-compose.yml`에서 GPU 없이 CPU만 사용하므로(`cpus`, `mem_limit`) 이 패키지는 실행에 쓰이지 않는다. (`torch.cuda.is_available()` → `False`)
+
+---
+
+## 결정
+
+**torch 버전은 유지하고, PyTorch CPU 전용 저장소를 추가 인덱스로 지정한다.**
+
+`requirements.txt` 맨 위에 한 줄을 추가한다.
+
+```text
+--extra-index-url https://download.pytorch.org/whl/cpu
+```
+
+- `torch==2.4.1`이 CPU 전용 빌드 `2.4.1+cpu`로 선택된다. 이 빌드는 `nvidia-*`와 `triton`을 요구하지 않는다.
+- `Dockerfile`이 `pip install -r requirements.txt`를 쓰고, `requirements-test.txt`도 `-r requirements.txt`로 이 파일을 참조하므로 **이미지와 로컬 테스트가 같은 설정을 쓴다.**
+- 서버 코드(`main.py`)와 API 계약은 변경하지 않는다.
+
+### 선택하지 않은 방법
+
+- **`Dockerfile`의 `pip install`에만 인덱스를 지정**: 로컬 테스트 환경(`requirements-test.txt`)이 GPU용 torch를 받아 이미지와 어긋난다.
+- **`--index-url`로 기본 인덱스를 교체**: PyPI의 나머지 패키지를 받지 못한다. 추가 인덱스로 충분하다.
+- **torch 버전 변경**: 라이선스 문제가 버전이 아니라 빌드 종류에 있어 불필요하다.
+
+---
+
+## API 명세
+
+변경 없음. `/embed`, `/embed/batch`, `/health*`, `/metrics`의 요청·응답·에러 계약은 그대로다.
+
+---
+
+## 변경 범위
+
+| 파일 | 변경 |
+|---|---|
+| `backend/embedding-server/requirements.txt` | CPU 전용 torch 저장소 `--extra-index-url` 추가 |
+
+---
+
+## 검증
+
+| 항목 | 결과 |
+|---|---|
+| linux/amd64 `pip install --dry-run` | 76개 → 63개. `nvidia-*` 12개와 `triton` 제거, `torch 2.4.1+cpu` 선택 |
+| linux/amd64 이미지 빌드 | `pip list`의 `nvidia-*` **0개**(변경 전 12개), `torch 2.4.1+cpu`, `import torch` 성공, `cuda_available False` |
+| linux/amd64 이미지 크기 | 디스크 사용량(압축 해제 후, `docker images`) 9.29GB → **2.29GB**, 압축 기준(`docker image inspect`) 3.16GB → **0.50GB** |
+| linux/amd64 기동 (에뮬레이션, 변경 전·후 각각) | 모델 로딩 후 `/health/ready` **200**(약 10초), `uname -m`=`x86_64`. 변경 전 `torch 2.4.1+cu121`·`nvidia-*` 12개, 변경 후 `torch 2.4.1+cpu`·`nvidia-*` 0개 |
+| 임베딩 값 비교 (linux/amd64, 고정 문장 6개, `/embed/batch`, 1024차원) | 변경 전·후 **모든 값이 완전히 일치** (`cos=1.0`, 최대 절대 오차 `0`) |
+| 임베딩 값 비교 (linux/arm64, 같은 문장) | 변경 전·후 **모든 값이 완전히 일치** (`cos=1.0`, 최대 절대 오차 `0`) |
+| `pytest test_main.py` (변경 후 이미지, arm64) | 22 passed |
+| 기준 이미지 | 변경 전 이미지는 `origin/develop`의 `requirements.txt`로 같은 방식으로 빌드해 비교 |
+
+참고: 같은 변경 전 이미지에서 arm64와 amd64의 임베딩을 비교하면 `cos=0.9999964`, 최대 절대 오차 `3.0e-4`로 아키텍처 사이에는 미세한 차이가 있다. 이 차이는 이번 변경과 무관한 CPU 아키텍처 차이이므로, 비교 기준은 **같은 아키텍처에서의 변경 전·후**다.
+
+### 검증하지 못한 범위
+
+- amd64 확인은 **Apple Silicon Mac의 Docker linux/amd64 에뮬레이션**에서 수행했다. 실제 x86 하드웨어에서 계산한 값은 아니다. 변경 전·후 값이 비트 단위로 같았으므로 CPU 전용 빌드가 결과를 바꾸지 않는다고 판단하지만, 실제 x86 서버에서의 재확인은 배포 때 필요하다.
+- 배포 환경(GCP VM 등)에서의 실제 기동은 이 이슈에서 확인하지 않았다. 배포 시 `/health/ready`와 임베딩 값으로 확인이 필요하다.
+
+---
+
+## 이 이슈의 범위 밖
+
+- `minio/minio`(태그 미고정, AGPL-3.0), `grafana/grafana:13.2.3`(AGPL-3.0): OSI 승인 라이선스이나 별도 컨테이너 실행의 충돌 여부는 OpenUP 멘토링(~10/26)에서 확인한다.
+- `docs/images/architecture.png`의 Redis 로고, README 라이선스 표 보강
+- `FlagEmbedding==1.2.11`은 PyPI 라이선스 메타데이터가 비어 있다.
+- 라이선스는 POM·PyPI·npm 메타데이터 기준이며 소스 스캔 결과와 다를 수 있다.