diff --git a/Cargo.lock b/Cargo.lock index 7fcf6ca..94edd70 100644 --- a/Cargo.lock +++ b/Cargo.lock @@ -827,6 +827,20 @@ name = "bytemuck" version = "1.25.0" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "c8efb64bd706a16a1bdde310ae86b351e4d21550d98d056f22f8a7f7a2183fec" +dependencies = [ + "bytemuck_derive", +] + +[[package]] +name = "bytemuck_derive" +version = "1.10.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "f9abbd1bc6865053c427f7198e6af43bfdedc55ab791faed4fbd361d789575ff" +dependencies = [ + "proc-macro2", + "quote", + "syn 2.0.117", +] [[package]] name = "byteorder" @@ -874,6 +888,65 @@ dependencies = [ "pkg-config", ] +[[package]] +name = "candle-core" +version = "0.10.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "6bd9895436c1ba5dc1037a19935d084b838db066ff4e15ef7dded020b7c12a4a" +dependencies = [ + "byteorder", + "float8", + "gemm", + "half", + "libm", + "memmap2", + "num-traits", + "num_cpus", + "rand 0.9.4", + "rand_distr 0.5.1", + "rayon", + "safetensors", + "thiserror 2.0.18", + "tokenizers 0.22.2", + "yoke", + "zip", +] + +[[package]] +name = "candle-nn" +version = "0.10.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "a9317a09d6530b758990ed7f625ac69ff43653bc9ee28b0464644ad1169ada87" +dependencies = [ + "candle-core", + "half", + "libc", + "num-traits", + "rayon", + "safetensors", + "serde", + "thiserror 2.0.18", +] + +[[package]] +name = "candle-transformers" +version = "0.10.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "f59d08c89e9f4af9c464e2f3a8e16199e7cc601e6f34538c2cfbb42b623b1783" +dependencies = [ + "byteorder", + "candle-core", + "candle-nn", + "fancy-regex", + "num-traits", + "rand 0.9.4", + "rayon", + "serde", + "serde_json", + "serde_plain", + "tracing", +] + [[package]] name = "cassowary" version = "0.3.0" @@ -2238,6 +2311,22 @@ version = "1.0.20" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "d0881ea181b1df73ff77ffaaf9c7544ecc11e82fba9b5f27b262a3c73a332555" +[[package]] +name = "dyn-stack" +version = "0.13.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "1c4713e43e2886ba72b8271aa66c93d722116acf7a75555cce11dcde84388fe8" +dependencies = [ + "bytemuck", + "dyn-stack-macros", +] + +[[package]] +name = "dyn-stack-macros" +version = "0.1.3" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "e1d926b4d407d372f141f93bb444696142c29d32962ccbd3531117cf3aa0bfa9" + [[package]] name = "earcutr" version = "0.4.3" @@ -2278,6 +2367,18 @@ dependencies = [ "encoding_rs", ] +[[package]] +name = "enum-as-inner" +version = "0.6.1" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "a1e6a265c649f3f5979b601d26f1d05ada116434c87741c9493cb56218f76cbc" +dependencies = [ + "heck", + "proc-macro2", + "quote", + "syn 2.0.117", +] + [[package]] name = "equator" version = "0.4.2" @@ -2319,6 +2420,9 @@ name = "esaxx-rs" version = "0.1.10" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "d817e038c30374a4bcb22f94d0a8a0e216958d4c3dcde369b1439fec4bdda6e6" +dependencies = [ + "cc", +] [[package]] name = "ethnum" @@ -2374,6 +2478,17 @@ version = "0.1.9" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "7360491ce676a36bf9bb3c56c1aa791658183a54d2744120f27285738d90465a" +[[package]] +name = "fancy-regex" +version = "0.17.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "72cf461f865c862bb7dc573f643dd6a2b6842f7c30b07882b56bd148cc2761b8" +dependencies = [ + "bit-set", + "regex-automata", + "regex-syntax", +] + [[package]] name = "fast-float2" version = "0.2.3" @@ -2400,7 +2515,7 @@ dependencies = [ "ort-sys", "rayon", "serde_json", - "tokenizers", + "tokenizers 0.21.4", ] [[package]] @@ -2480,6 +2595,18 @@ dependencies = [ "zlib-rs", ] +[[package]] +name = "float8" +version = "0.7.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "c2d1f04709a8ac06e8e8042875a3c466cc4832d3c1a18dbcb9dba3c6e83046bc" +dependencies = [ + "half", + "num-traits", + "rand 0.9.4", + "rand_distr 0.5.1", +] + [[package]] name = "float_next_after" version = "1.0.0" @@ -2657,6 +2784,125 @@ dependencies = [ "slab", ] +[[package]] +name = "gemm" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "aa0673db364b12263d103b68337a68fbecc541d6f6b61ba72fe438654709eacb" +dependencies = [ + "dyn-stack", + "gemm-c32", + "gemm-c64", + "gemm-common", + "gemm-f16", + "gemm-f32", + "gemm-f64", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "seq-macro", +] + +[[package]] +name = "gemm-c32" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "086936dbdcb99e37aad81d320f98f670e53c1e55a98bee70573e83f95beb128c" +dependencies = [ + "dyn-stack", + "gemm-common", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "seq-macro", +] + +[[package]] +name = "gemm-c64" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "20c8aeeeec425959bda4d9827664029ba1501a90a0d1e6228e48bef741db3a3f" +dependencies = [ + "dyn-stack", + "gemm-common", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "seq-macro", +] + +[[package]] +name = "gemm-common" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "88027625910cc9b1085aaaa1c4bc46bb3a36aad323452b33c25b5e4e7c8e2a3e" +dependencies = [ + "bytemuck", + "dyn-stack", + "half", + "libm", + "num-complex", + "num-traits", + "once_cell", + "paste", + "pulp", + "raw-cpuid", + "rayon", + "seq-macro", + "sysctl", +] + +[[package]] +name = "gemm-f16" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "e3df7a55202e6cd6739d82ae3399c8e0c7e1402859b30e4cb780e61525d9486e" +dependencies = [ + "dyn-stack", + "gemm-common", + "gemm-f32", + "half", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "rayon", + "seq-macro", +] + +[[package]] +name = "gemm-f32" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "02e0b8c9da1fbec6e3e3ab2ce6bc259ef18eb5f6f0d3e4edf54b75f9fd41a81c" +dependencies = [ + "dyn-stack", + "gemm-common", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "seq-macro", +] + +[[package]] +name = "gemm-f64" +version = "0.19.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "056131e8f2a521bfab322f804ccd652520c79700d81209e9d9275bbdecaadc6a" +dependencies = [ + "dyn-stack", + "gemm-common", + "num-complex", + "num-traits", + "paste", + "raw-cpuid", + "seq-macro", +] + [[package]] name = "generator" version = "0.8.8" @@ -3475,9 +3721,12 @@ version = "2.7.1" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "6ea2d84b969582b4b1864a92dc5d27cd2b77b622a8d79306834f1be5ba20d84b" dependencies = [ + "bytemuck", "cfg-if", "crunchy", "num-traits", + "rand 0.9.4", + "rand_distr 0.5.1", "zerocopy", ] @@ -3526,6 +3775,8 @@ dependencies = [ "allocator-api2", "equivalent", "foldhash 0.2.0", + "serde", + "serde_core", ] [[package]] @@ -3578,16 +3829,19 @@ source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "629d8f3bbeda9d148036d6b0de0a3ab947abd08ce90626327fc3547a49d59d97" dependencies = [ "dirs 6.0.0", + "futures", "http", "indicatif", "libc", "log", "native-tls", + "num_cpus", "rand 0.9.4", "reqwest 0.12.28", "serde", "serde_json", "thiserror 2.0.18", + "tokio", "ureq", "windows-sys 0.60.2", ] @@ -4490,7 +4744,7 @@ dependencies = [ "ort", "serde", "tempfile", - "tokenizers", + "tokenizers 0.21.4", "tracing", ] @@ -5761,6 +6015,7 @@ source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "714098028fe011992e1c3962653c96b2d578c4b4bce9036e15ff220319b1e0e3" dependencies = [ "libc", + "stable_deref_trait", ] [[package]] @@ -6026,6 +6281,7 @@ version = "0.4.6" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "73f88a1307638156682bada9d7604135552957b7818057dcef22705b4d509495" dependencies = [ + "bytemuck", "num-traits", ] @@ -6730,6 +6986,29 @@ dependencies = [ "unicase", ] +[[package]] +name = "pulp" +version = "0.22.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "2e205bb30d5b916c55e584c22201771bcf2bad9aabd5d4127f38387140c38632" +dependencies = [ + "bytemuck", + "cfg-if", + "libm", + "num-complex", + "paste", + "pulp-wasm-simd-flag", + "raw-cpuid", + "reborrow", + "version_check", +] + +[[package]] +name = "pulp-wasm-simd-flag" +version = "0.1.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "40e24eee682d89fb193496edf918a7f407d30175b2e785fe057e4392dfd182e0" + [[package]] name = "pxfm" version = "0.1.29" @@ -7051,6 +7330,15 @@ dependencies = [ "rgb", ] +[[package]] +name = "raw-cpuid" +version = "11.6.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "498cd0dc59d73224351ee52a95fee0f1a617a2eae0e7d9d720cc622c73a54186" +dependencies = [ + "bitflags 2.11.1", +] + [[package]] name = "rawpointer" version = "0.2.1" @@ -7088,6 +7376,12 @@ dependencies = [ "crossbeam-utils", ] +[[package]] +name = "reborrow" +version = "0.5.5" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "03251193000f4bd3b042892be858ee50e8b3719f2b08e5833ac4353724632430" + [[package]] name = "recursive" version = "0.1.1" @@ -7618,6 +7912,17 @@ version = "1.0.2" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "dd29631678d6fb0903b69223673e122c32e9ae559d0960a38d574695ebc0ea15" +[[package]] +name = "safetensors" +version = "0.7.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "675656c1eabb620b921efea4f9199f97fc86e36dd6ffd1fbbe48d0f59a4987f5" +dependencies = [ + "hashbrown 0.16.1", + "serde", + "serde_json", +] + [[package]] name = "same-file" version = "1.0.6" @@ -7798,6 +8103,15 @@ dependencies = [ "serde_json", ] +[[package]] +name = "serde_plain" +version = "1.0.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "9ce1fc6db65a611022b23a0dec6975d63fb80a302cb3388835ff02c097258d50" +dependencies = [ + "serde", +] + [[package]] name = "serde_repr" version = "0.1.20" @@ -8083,6 +8397,23 @@ dependencies = [ "smallvec", ] +[[package]] +name = "spike-embed-candle" +version = "0.0.0" +dependencies = [ + "anyhow", + "candle-core", + "candle-nn", + "candle-transformers", + "hf-hub", + "kebab-config", + "kebab-embed", + "kebab-embed-local", + "rayon", + "serde_json", + "tokenizers 0.21.4", +] + [[package]] name = "spm_precompiled" version = "0.1.4" @@ -8281,6 +8612,20 @@ dependencies = [ "syn 2.0.117", ] +[[package]] +name = "sysctl" +version = "0.6.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "01198a2debb237c62b6826ec7081082d951f46dbb64b0e8c7649a452230d1dfc" +dependencies = [ + "bitflags 2.11.1", + "byteorder", + "enum-as-inner", + "libc", + "thiserror 1.0.69", + "walkdir", +] + [[package]] name = "system-configuration" version = "0.7.0" @@ -8637,6 +8982,40 @@ name = "tokenizers" version = "0.21.4" source = "registry+https://github.com/rust-lang/crates.io-index" checksum = "a620b996116a59e184c2fa2dfd8251ea34a36d0a514758c6f966386bd2e03476" +dependencies = [ + "ahash", + "aho-corasick", + "compact_str 0.9.0", + "dary_heap", + "derive_builder", + "esaxx-rs", + "getrandom 0.3.4", + "indicatif", + "itertools 0.14.0", + "log", + "macro_rules_attribute", + "monostate", + "onig", + "paste", + "rand 0.9.4", + "rayon", + "rayon-cond", + "regex", + "regex-syntax", + "serde", + "serde_json", + "spm_precompiled", + "thiserror 2.0.18", + "unicode-normalization-alignments", + "unicode-segmentation", + "unicode_categories", +] + +[[package]] +name = "tokenizers" +version = "0.22.2" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "b238e22d44a15349529690fb07bd645cf58149a1b1e44d6cb5bd1641ff1a6223" dependencies = [ "ahash", "aho-corasick", @@ -9076,6 +9455,12 @@ dependencies = [ "rand 0.9.4", ] +[[package]] +name = "typed-path" +version = "0.12.3" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "8e28f89b80c87b8fb0cf04ab448d5dd0dd0ade2f8891bae878de66a75a28600e" + [[package]] name = "typenum" version = "1.20.0" @@ -10131,6 +10516,18 @@ dependencies = [ "syn 2.0.117", ] +[[package]] +name = "zip" +version = "7.2.0" +source = "registry+https://github.com/rust-lang/crates.io-index" +checksum = "c42e33efc22a0650c311c2ef19115ce232583abbe80850bc8b66509ebef02de0" +dependencies = [ + "crc32fast", + "indexmap 2.14.0", + "memchr", + "typed-path", +] + [[package]] name = "zlib-rs" version = "0.6.3" diff --git a/Cargo.toml b/Cargo.toml index f8d3c23..4789a65 100644 --- a/Cargo.toml +++ b/Cargo.toml @@ -23,6 +23,8 @@ members = [ "crates/kebab-mcp", "crates/kebab-parse-code", "crates/kebab-nli", + # Track 1 / Phase 0 feasibility spike (throwaway; candle deps isolated here). + "crates/spike-embed-candle", ] [workspace.package] diff --git a/SPIKE_BRIEF.md b/SPIKE_BRIEF.md new file mode 100644 index 0000000..ba73ed9 --- /dev/null +++ b/SPIKE_BRIEF.md @@ -0,0 +1,57 @@ +# Track 1 / Phase 0 — candle e5-large 타당성 스파이크 (BRIEF) + +너는 이 worktree(`/build/out/kebab-worktrees/embed-candle`, 브랜치 `feat/embed-candle`)에서 작업하는 executor 다. +이건 **타당성 검증 스파이크**다 — 프로덕션 코드가 아니라, candle 트랙을 본격 구현해도 되는지 판단할 증거를 모으는 게 목적이다. 깔끔함보다 **정확한 증거**가 우선. + +## 배경 (왜) + +CPU-only 듀얼소켓 NUMA 서버에서 `kebab ingest` 가 매번 `double free or corruption (!prev)` 로 죽는다. +근본 원인: fastembed 4.9.1 이 onnxruntime intra-op 스레드를 전체 CPU(48)로 하드코딩하고 override 불가 → NUMA 에서 힙 손상. +해법 후보 1순위 = **candle(순수 Rust)로 동일 모델 multilingual-e5-large 를 돌리기**. candle-transformers 에 `xlm_roberta` 모듈이 있고 e5-large 는 XLM-RoBERTa-large 구조라 가능성 확인됨. 이 스파이크가 그 가능성을 **수치로 입증**해야 한다. + +전체 맥락: `/home/altair823/kebab/docs/superpowers/specs/2026-06-01-embedding-numa-backends-meta-spec.md` 및 `-meta-plan.md`. + +## 검증해야 할 caveat 3 + 성능 1 + +1. **수치 패리티**: candle 출력 벡터가 기존 onnxruntime(fastembed) e5-large 와 사실상 동일한가 (같은 가중치니 cosine ≥ 0.99 이어야 정상; 낮으면 padding/pooling 버그). +2. **padding_idx 위치 임베딩**: XLM-R 은 position id 가 `padding_idx(=1)+1` 부터 시작. candle `xlm_roberta` 가 이를 맞게 처리하는지 (패리티가 높으면 간접 입증). +3. **스레드 제어**: candle CPU 스레드를 캡할 수 있는가 (`RAYON_NUM_THREADS` 또는 candle API). NUMA 안전의 전제. +4. **CPU 성능**: 배치 임베딩 latency 를 측정. onnxruntime 대비 대략 비교. + +## 구체 작업 + +이 worktree 안에서 **격리된 스파이크 바이너리**를 만들어라 (프로덕션 crate 의 기본 동작 변경 금지). 예: 새 example 또는 작은 `xtask`/bin. candle 의존성(candle-core, candle-nn, candle-transformers, tokenizers, hf-hub, safetensors)은 스파이크 대상에만 추가. + +스파이크가 할 일: +1. **모델 로드 (candle, CPU)**: `intfloat/multilingual-e5-large` 의 safetensors + config.json + tokenizer.json 을 hf-hub 으로 받아 `candle_transformers::models::xlm_roberta::XLMRobertaModel` 로 로드. (참고: 이 머신의 fastembed 캐시는 ONNX 라 candle 이 못 읽는다. tokenizer.json/config.json 은 `/build/dogfood/kb/models/fastembed/models--Qdrant--multilingual-e5-large-onnx/snapshots/*/` 에서 재사용 가능.) +2. **임베딩 파이프라인 재현**: 입력에 e5 프리픽스(`query: ` / `passage: `) 적용 → 토크나이즈 → forward → **attention-mask 가중 mean pooling** → **L2 정규화**. (kebab 의 `crates/kebab-embed-local/src/lib.rs` 의 prefix/정규화 규약 참고.) +3. **패리티 비교**: 동일 문장 집합(한국어/영어 혼합, 최소 8개)을 (a) 위 candle 경로, (b) 기존 `kebab_embed_local::FastembedEmbedder`(워크스페이스에 이미 있음) 양쪽으로 임베딩 → 문장별 cosine 유사도. min/mean 보고. FastembedEmbedder 는 `/build/dogfood/config.toml` 또는 적절한 Config 로 생성(모델 캐시 `/build/dogfood/kb/models`). +4. **스레드 제어 확인**: `RAYON_NUM_THREADS=4` 등으로 실제 스레드 수가 제한되는지 확인(예: 실행 중 thread 수 또는 latency 변화). +5. **latency 측정**: 배치(예: 32문장) 임베딩 wall-clock. + +## 제약 (반드시 준수) + +- `CARGO_TARGET_DIR=/build/out/cargo-target/target` (루트 디스크 보호). 빌드 직렬, `-j 4`. candle 첫 빌드는 무거우니 `cargo build` 는 `run_in_background` 로. +- 프로덕션 crate(`kebab-embed-local` 등)의 기존 동작/기본값 변경 금지. 스파이크는 추가만. +- 네트워크: HuggingFace 접근 가능(이 머신은 됨). safetensors 다운로드는 `/build/cache/` 하위로. +- RAM 30GB, OOM 주의. 배치 작게. + +## 산출물 (필수) + +`/build/out/kebab-worktrees/embed-candle/SPIKE_REPORT.md` 에 다음을 적어라: +- **VERDICT**: PASS / FAIL (candle 본 구현 진행 권고 여부). +- 패리티: 문장별 cosine min/mean (표). +- padding_idx: 정상 여부 + 근거. +- 스레드 제어: 가능 여부 + 방법. +- latency: 배치 측정값 + onnxruntime 대략 대비. +- 막힌 점 / 리스크 / 다음 단계 권고. +- 재현 명령(스파이크 빌드+실행 커맨드). + +작업 로그는 수시로 `SPIKE_REPORT.md` 에 누적. 완료되면 변경을 `feat/embed-candle` 에 커밋(스파이크 코드 + 리포트). 커밋 메시지 끝에 `Co-Authored-By: Claude Opus 4.8 (1M context) `. + +## 합격 기준 + +- cosine 패리티 mean ≥ 0.99 (동일 가중치) → padding/pooling 정확, candle 트랙 GREEN. +- 0.95~0.99 → 경미한 차이(pooling 옵션 등), 진단 후 판단. +- < 0.95 → 구조/패딩 불일치 → 원인 규명 후 FAIL 또는 수정. +- 스레드 캡 불가 시 NUMA 안전성 위협 → 리포트에 명시. diff --git a/SPIKE_REPORT.md b/SPIKE_REPORT.md new file mode 100644 index 0000000..adbafe8 --- /dev/null +++ b/SPIKE_REPORT.md @@ -0,0 +1,108 @@ +# SPIKE REPORT — Track 1 / Phase 0 — candle multilingual-e5-large 타당성 + +- 날짜: 2026-06-01 +- 워크트리: `/build/out/kebab-worktrees/embed-candle` (브랜치 `feat/embed-candle`) +- 목적: candle(순수 Rust)로 `intfloat/multilingual-e5-large` 를 돌려 기존 onnxruntime(`FastembedEmbedder`) 와 **수치 패리티**·**스레드 제어**·**CPU 성능**을 입증, candle 본 구현 진행 여부 판단. +- 머신: 12 logical CPU, 단일 소켓(비-NUMA). **결정적 NUMA 검증은 그 듀얼소켓 서버에서만 가능**(meta-spec §4.3) — 본 스파이크는 패리티·스레드캡·성능의 사전 입증. + +> # VERDICT: **PASS** — candle 본 구현 진행 권고 (GREEN) +> +> 동일 e5-large 가중치로 onnxruntime 대비 **cosine min=mean=1.000000** (완전 일치). padding_idx/pooling 정확. `RAYON_NUM_THREADS` 로 CPU 스레드 캡 가능(NUMA 안전 전제 충족). latency 는 onnxruntime 대비 약 4배(67.5 vs 16.8 ms/문장, candle 4스레드 vs fastembed 12스레드) — 느리지만 ingest 배치에 허용 가능, 스레드 상향으로 개선 여지. + +--- + +## 1. 접근 방식 (구현 사실) + +격리 스파이크 바이너리 `crates/spike-embed-candle` 신설 (워크스페이스 멤버로 추가, candle 의존성은 이 crate 에만 — `candle-core/-nn/-transformers` 0.10.2, `hf-hub` 0.4, `tokenizers` 0.21). 프로덕션 crate(`kebab-embed-local` 등) 동작 변경 0. + +- 모델 로드: `candle_transformers::models::xlm_roberta::{Config, XLMRobertaModel}`. +- 가중치: `intfloat/multilingual-e5-large` 의 `model.safetensors`(2.2GB) + `config.json` + `tokenizer.json` 을 `hf-hub` sync API 로 다운로드(`HF_HOME=/build/cache/huggingface`). fastembed 캐시는 ONNX 라 candle 이 못 읽으므로 safetensors 별도 수령. config.json 은 candle `Config`(serde) 로 직접 역직렬화 — hidden=1024, layers=24, heads=16, pad_token_id=1, max_pos=514, pos_emb=absolute (config 의 실제 로드 로그로 확인). +- 파이프라인 재현 (`kebab-embed-local` 규약과 동일): e5 프리픽스(`passage: `) → 토크나이즈(batch-longest 패딩, max_len=512, special tokens) → forward → **attention-mask 가중 mean pooling** → **L2 정규화**. 출력 ‖v‖=1.000000 확인. +- 패리티 비교: 동일 문장 10개(한/영 혼합)를 (a) candle 경로, (b) `kebab_embed_local::FastembedEmbedder`(`/build/dogfood/config.toml`, 모델 캐시 `/build/dogfood/kb/models`) 양쪽으로 임베딩. 양쪽 모두 `EmbeddingKind::Document`(`passage: ` 프리픽스). + +## 2. 패리티 (caveat #1) — ✅ PASS (mean=1.000000) + +| # | cosine | 문장(앞 40자) | +|---|--------|---------------| +| 0 | 1.000000 | The quick brown fox jumps over the lazy | +| 1 | 1.000000 | 오늘 날씨가 정말 좋아서 산책을 나가고 싶다. | +| 2 | 1.000000 | Rust is a systems programming language f | +| 3 | 1.000000 | 벡터 검색은 임베딩 사이의 코사인 유사도를 이용한다. | +| 4 | 1.000000 | Machine learning models require large am | +| 5 | 1.000000 | 한국어와 영어가 섞인 문장도 멀티링구얼 모델은 잘 처리한다. | +| 6 | 1.000000 | The capital of France is Paris, a city k | +| 7 | 1.000000 | 이 프로젝트는 로컬 우선 지식 베이스와 검색 증강 생성을 목표로 한다. | +| 8 | 1.000000 | Database indexing dramatically speeds up | +| 9 | 1.000000 | 임베딩 모델을 candle 로 옮기면 NUMA 서버에서 안전하게 돌릴 수 | + +- **cosine min = 1.000000, mean = 1.000000** (합격선 mean≥0.99 GREEN 을 압도적 충족). +- 의미: candle 의 XLM-R forward + mean pooling + L2 가 onnxruntime e5-large 경로와 사실상 비트 단위로 동등. 본 구현으로 전환해도 **검색 품질(골든 MRR/hit@k) 회귀 없음**이 거의 보장됨 (meta-spec §6 D1 "candle 은 동일 가중치라 패리티 통과 시 품질 기준 자동 충족"과 일치). 단, meta-spec §4.2 골든 게이트는 본 구현 머지 전 별도 실측 권고. + +## 3. padding_idx (caveat #2) — ✅ 정상 (소스 + 패리티 이중 확인) + +candle-transformers 0.10.2 `xlm_roberta.rs` 의 `XLMRobertaEmbeddings::forward` 가 XLM-R 규약을 정확히 구현 (소스 확인): + +```rust +let mask = input_ids.ne(self.padding_idx)?...; // pad 아닌 위치 = 1 +let cumsum = mask.cumsum(1)?; +let position_ids = (cumsum * mask)? + padding_idx; // 위치 id 가 pad_token_id+1 부터 +``` + +HF `create_position_ids_from_input_ids` 와 동일 (position id 가 `padding_idx(=1)` 다음부터 시작). config.json 의 `pad_token_id=1` 이 `Config.pad_token_id` 로 주입됨. **패리티가 1.000000 으로 나온 것이 padding_idx·pooling 의 정확성을 결정적으로 재확인** — 위치 임베딩이 한 칸이라도 어긋나면 cosine 이 1.0 이 될 수 없음. + +## 4. 스레드 제어 (caveat #3) — ✅ 가능 (RAYON_NUM_THREADS) + +| 항목 | 값 | +|---|---| +| `RAYON_NUM_THREADS` env | 4 | +| `rayon::current_num_threads()` | **4** | +| `available_parallelism()` | 12 | +| peak OS threads (`/proc/self/status`) | 16 | + +- candle CPU 행렬연산(`gemm`)이 rayon 글로벌 풀을 사용 → `RAYON_NUM_THREADS=4` 로 **컴퓨트 스레드가 12→4 로 확실히 캡됨**. NUMA 안전(한 노드로 묶기)의 전제인 "스레드 수 제어 가능" 충족. +- 주의: peak 16 OS 스레드는 **패리티 비교를 위해 같은 프로세스에서 띄운 fastembed/onnxruntime 세션 스레드 + hf-hub 다운로드용 tokio 스레드**가 포함된 수치다. 실제 candle 전용 ingest 경로에는 fastembed 가 로드되지 않으며, candle 컴퓨트는 rayon 풀(=4)로 한정된다. 즉 **candle 백엔드는 fastembed 4.9.1 의 "48 하드코딩 + override 불가" 문제가 구조적으로 없다** (rayon 은 env/`ThreadPoolBuilder` 로 캡 가능). +- 다음 단계: 본 구현에서 `models.embedding` 에 스레드 노브(예: `KEBAB_EMBED_THREADS`→`RAYON_NUM_THREADS`/`ThreadPoolBuilder`)를 노출하고, NUMA 노드 바인딩은 `numactl`(A1 트랙)과 조합. + +## 5. CPU latency (성능) — 허용 가능 (onnxruntime 대비 ~4×) + +| 백엔드 | batch=32 wall-clock | ms/문장 | 스레드 | +|---|---|---|---| +| candle (release) | 2.161 s | 67.5 | 4 (RAYON cap) | +| fastembed (onnxruntime) | 0.536 s | 16.8 | 12 (이 머신) | + +- candle 가 문장당 약 4배 느림. 단 **스레드가 1/3(4 vs 12)** 이고 fastembed 는 ORT 의 고도 최적화(MKL/AVX-512 커널)를 쓰는 반면 candle 은 순수 `gemm`. 스레드 상향·배치 튜닝 여지 있음. +- ingest 는 배치/백그라운드 작업이라 이 정도 latency 는 허용 가능. **NUMA 서버에서 "느리지만 완주" 가 "빠르지만 double-free 크래시" 보다 압도적으로 낫다** (본 과제의 핵심 동기). +- fastembed 모델 콜드 로드 86.9s (ORT 세션 init) 는 일회성. candle 모델 로드는 mmap 이라 즉시. + +## 6. 막힌 점 / 리스크 / 다음 단계 권고 + +- **막힌 점**: 없음. 첫 빌드(candle+gemm) 2m24s, safetensors 2.2GB 다운로드 외 장애 없음. +- **리스크**: + 1. latency ~4×. 대용량(5150-doc) ingest 전체 시간이 늘어남 — 본 구현 시 wall-clock 실측 + release-notes 명시 필요. + 2. 본 스파이크는 비-NUMA 머신. **결정적 증거(5150-doc double-free 없이 EXIT=0)는 그 서버에서만**(meta-spec §4.3) — 본 구현 PR 후 사용자 실행 검증 예약. + 3. 벡터는 onnxruntime 와 1.0 일치하지만, 본 구현 시 `embedding_version` cascade 정책(재색인 여부) 명시 필요. 패리티 1.0 이면 **재색인 불필요 가능성**도 있으나(벡터 불변), 토크나이저/패딩 미세차 리스크로 보수적으로는 bump+재색인 권고 — 본 구현 spec 에서 결정. +- **다음 단계 권고 (candle 트랙 GREEN)**: + 1. `crates/kebab-embed-local` 에 `CandleEmbedder`(또는 신규 `kebab-embed-candle`) 추가, `Embedder` 4메서드 구현, `models.embedding.provider = "candle"` 분기. + 2. 스레드 노브 노출(`ThreadPoolBuilder`/`RAYON_NUM_THREADS`) + numactl 조합 문서화. + 3. `kebab-eval` 골든 스위트로 MRR/hit@k ≥ baseline 확인(§4.2) 후 default 승격 판단. + 4. 그 NUMA 서버에서 5150-doc 완주 검증(§4.3). + +## 7. 재현 명령 + +```bash +cd /build/out/kebab-worktrees/embed-candle +# 빌드 (release, candle+gemm 첫 빌드 ~2.5분) +CARGO_TARGET_DIR=/build/out/cargo-target/target cargo build -j 4 --release -p spike-embed-candle +# 실행 (safetensors 2.2GB 첫 다운로드 + onnxruntime baseline 로드) +HF_HOME=/build/cache/huggingface RAYON_NUM_THREADS=4 \ + CARGO_TARGET_DIR=/build/out/cargo-target/target \ + /build/out/cargo-target/target/release/spike-embed-candle +``` + +## 8. 작업 로그 + +- 14:1x — worktree/모델캐시/config 확인. config.json: XLMRobertaModel, pad=1, vocab 250002, hidden 1024, 24 layers, max_pos 514. +- 14:1x — candle-transformers 0.10.2 `xlm_roberta` API 소스 확인 (Config serde, `XLMRobertaModel::{new,forward}`, `prepare_4d_attention_mask`, padding_idx 처리). 스파이크 crate 작성 + 워크스페이스 멤버 추가. +- 14:16 — release 빌드 백그라운드 시작. +- 14:18 — 빌드 완료 (2m24s, EXIT=0). 바이너리 실행 (RAYON_NUM_THREADS=4). +- 14:2x — 실행 완료 (EXIT=0). cosine min=mean=1.000000, rayon 캡=4, candle 2.161s vs fastembed 0.536s (batch=32). **VERDICT=PASS**. diff --git a/crates/spike-embed-candle/Cargo.toml b/crates/spike-embed-candle/Cargo.toml new file mode 100644 index 0000000..7057360 --- /dev/null +++ b/crates/spike-embed-candle/Cargo.toml @@ -0,0 +1,32 @@ +# Track 1 / Phase 0 feasibility SPIKE — NOT production. +# Isolated binary that loads multilingual-e5-large via candle (pure Rust) +# and compares its output against the existing onnxruntime FastembedEmbedder. +# candle deps live ONLY here so the production crates stay untouched. +[package] +name = "spike-embed-candle" +version = "0.0.0" +edition = "2024" +publish = false + +[[bin]] +name = "spike-embed-candle" +path = "src/main.rs" + +[dependencies] +anyhow = "1" +serde_json = "1" +# candle stack — pinned to the current crates.io release (0.10.2). +candle-core = "0.10.2" +candle-nn = "0.10.2" +candle-transformers = "0.10.2" +# Align with workspace-locked versions so we reuse compiled artifacts. +tokenizers = "0.21" +hf-hub = { version = "0.4", features = ["ureq"] } +rayon = "1" +# Parity baseline: reuse the real production embedder + its config loader. +kebab-config = { path = "../kebab-config" } +kebab-embed = { path = "../kebab-embed" } +kebab-embed-local = { path = "../kebab-embed-local" } + +# Keep the spike out of the workspace pedantic-lint gate; it is throwaway. +[lints] diff --git a/crates/spike-embed-candle/src/main.rs b/crates/spike-embed-candle/src/main.rs new file mode 100644 index 0000000..60d76bd --- /dev/null +++ b/crates/spike-embed-candle/src/main.rs @@ -0,0 +1,251 @@ +//! Track 1 / Phase 0 feasibility SPIKE (NOT production code). +//! +//! Proves whether candle (pure Rust) can run `intfloat/multilingual-e5-large` +//! with output parity against the existing onnxruntime `FastembedEmbedder`, +//! so the NUMA double-free in fastembed 4.9.1 can be sidestepped. +//! +//! What it checks (see SPIKE_BRIEF.md): +//! 1. numeric parity — per-sentence cosine vs FastembedEmbedder +//! 2. padding_idx — XLM-R position ids start at pad_token_id+1 +//! 3. thread control — RAYON_NUM_THREADS caps candle's CPU threads +//! 4. CPU latency — batch wall-clock, rough vs onnxruntime +//! +//! Run: +//! CARGO_TARGET_DIR=/build/out/cargo-target/target \ +//! HF_HOME=/build/cache/huggingface \ +//! RAYON_NUM_THREADS=4 \ +//! cargo run -j 4 -p spike-embed-candle --release + +use std::path::PathBuf; +use std::time::Instant; + +use anyhow::{Context, Result}; +use candle_core::{DType, Device, Tensor}; +use candle_nn::VarBuilder; +use candle_transformers::models::xlm_roberta::{Config as XlmConfig, XLMRobertaModel}; +use tokenizers::{PaddingParams, PaddingStrategy, Tokenizer, TruncationParams}; + +use kebab_embed::{Embedder, EmbeddingInput, EmbeddingKind}; +use kebab_embed_local::FastembedEmbedder; + +const HF_MODEL: &str = "intfloat/multilingual-e5-large"; +const DOGFOOD_CONFIG: &str = "/build/dogfood/config.toml"; +const MAX_LEN: usize = 512; + +/// Mixed Korean / English parity set (≥ 8, brief §3). +const SENTENCES: &[&str] = &[ + "The quick brown fox jumps over the lazy dog.", + "오늘 날씨가 정말 좋아서 산책을 나가고 싶다.", + "Rust is a systems programming language focused on safety and performance.", + "벡터 검색은 임베딩 사이의 코사인 유사도를 이용한다.", + "Machine learning models require large amounts of training data.", + "한국어와 영어가 섞인 문장도 멀티링구얼 모델은 잘 처리한다.", + "The capital of France is Paris, a city known for its art and culture.", + "이 프로젝트는 로컬 우선 지식 베이스와 검색 증강 생성을 목표로 한다.", + "Database indexing dramatically speeds up query performance.", + "임베딩 모델을 candle 로 옮기면 NUMA 서버에서 안전하게 돌릴 수 있다.", +]; + +fn main() -> Result<()> { + // Touch the rayon global pool early so RAYON_NUM_THREADS is honored and + // reportable before any candle compute spins it up. + let rayon_threads = rayon::current_num_threads(); + let avail = std::thread::available_parallelism() + .map(|n| n.get()) + .unwrap_or(0); + let rayon_env = std::env::var("RAYON_NUM_THREADS").unwrap_or_else(|_| "".into()); + + println!("== spike-embed-candle =="); + println!("available_parallelism = {avail}"); + println!("RAYON_NUM_THREADS env = {rayon_env}"); + println!("rayon::current_num_threads() = {rayon_threads}"); + + let device = Device::Cpu; + + // ── 1. Fetch model files (candle reads safetensors, not the ONNX cache) ── + let cache_dir = std::env::var("HF_HOME") + .map(PathBuf::from) + .unwrap_or_else(|_| PathBuf::from("/build/cache/huggingface")); + let api = hf_hub::api::sync::ApiBuilder::new() + .with_cache_dir(cache_dir.clone()) + .build() + .context("build hf-hub api")?; + let repo = api.model(HF_MODEL.to_string()); + println!("\n[load] fetching {HF_MODEL} into {} ...", cache_dir.display()); + let config_path = repo.get("config.json").context("download config.json")?; + let tokenizer_path = repo.get("tokenizer.json").context("download tokenizer.json")?; + let weights_path = repo + .get("model.safetensors") + .context("download model.safetensors")?; + println!("[load] config = {}", config_path.display()); + println!("[load] tokenizer = {}", tokenizer_path.display()); + println!("[load] weights = {}", weights_path.display()); + + // ── 2. Build the candle XLM-RoBERTa model ── + let cfg_json = std::fs::read_to_string(&config_path)?; + let cfg: XlmConfig = serde_json::from_str(&cfg_json).context("parse XLM-R config")?; + println!( + "[load] config: hidden={} layers={} heads={} pad_token_id={} max_pos={} pos_emb={}", + cfg.hidden_size, + cfg.num_hidden_layers, + cfg.num_attention_heads, + cfg.pad_token_id, + cfg.max_position_embeddings, + cfg.position_embedding_type, + ); + let vb = unsafe { + VarBuilder::from_mmaped_safetensors(&[weights_path], DType::F32, &device) + .context("mmap safetensors")? + }; + let model = XLMRobertaModel::new(&cfg, vb).context("build XLMRobertaModel")?; + + let mut tokenizer = Tokenizer::from_file(&tokenizer_path) + .map_err(|e| anyhow::anyhow!("load tokenizer: {e}"))?; + tokenizer + .with_padding(Some(PaddingParams { + strategy: PaddingStrategy::BatchLongest, + ..Default::default() + })) + .with_truncation(Some(TruncationParams { + max_length: MAX_LEN, + ..Default::default() + })) + .map_err(|e| anyhow::anyhow!("set truncation: {e}"))?; + + let pad_id = cfg.pad_token_id; + + // ── 3. candle embedding path (passage prefix, masked mean pool, L2) ── + let candle_vecs = candle_embed(&model, &tokenizer, &device, pad_id, SENTENCES)?; + println!("\n[candle] embedded {} sentences, dim={}", candle_vecs.len(), candle_vecs[0].len()); + // L2 norm sanity (should be ~1.0 after normalization) + let norm0 = l2(&candle_vecs[0]); + println!("[candle] ‖v0‖ = {norm0:.6}"); + + // ── 4. FastembedEmbedder (onnxruntime) baseline ── + println!("\n[fastembed] loading FastembedEmbedder from {DOGFOOD_CONFIG} ..."); + let config = kebab_config::Config::load(Some(std::path::Path::new(DOGFOOD_CONFIG))) + .context("load dogfood config")?; + let fb_t0 = Instant::now(); + let fb = FastembedEmbedder::new(&config).context("build FastembedEmbedder")?; + println!("[fastembed] model loaded in {:.2}s", fb_t0.elapsed().as_secs_f64()); + let fb_inputs: Vec = SENTENCES + .iter() + .map(|s| EmbeddingInput { text: s, kind: EmbeddingKind::Document }) + .collect(); + let fb_vecs = fb.embed(&fb_inputs).context("fastembed embed")?; + + // ── 5. Per-sentence parity (both L2-normalized → cosine = dot) ── + println!("\n== PARITY (candle vs fastembed, EmbeddingKind::Document / passage:) =="); + let mut cosines = Vec::with_capacity(SENTENCES.len()); + for (i, s) in SENTENCES.iter().enumerate() { + let c = cosine(&candle_vecs[i], &fb_vecs[i]); + cosines.push(c); + let preview: String = s.chars().take(40).collect(); + println!(" [{i:>2}] cos={c:.6} {preview}"); + } + let min = cosines.iter().cloned().fold(f32::INFINITY, f32::min); + let mean = cosines.iter().sum::() / cosines.len() as f32; + println!(" --> cosine min={min:.6} mean={mean:.6}"); + + // ── 6. Latency: batch of 32 (replicated) through candle ── + let batch: Vec<&str> = SENTENCES.iter().cloned().cycle().take(32).collect(); + // warmup + let _ = candle_embed(&model, &tokenizer, &device, pad_id, &batch[..4])?; + let t0 = Instant::now(); + let _ = candle_embed(&model, &tokenizer, &device, pad_id, &batch)?; + let candle_lat = t0.elapsed(); + + let fb_batch: Vec = batch + .iter() + .map(|s| EmbeddingInput { text: s, kind: EmbeddingKind::Document }) + .collect(); + let t1 = Instant::now(); + let _ = fb.embed(&fb_batch)?; + let fb_lat = t1.elapsed(); + + let peak_threads = proc_threads(); + println!("\n== LATENCY (batch=32) =="); + println!(" candle : {:.3}s ({:.1} ms/sentence)", candle_lat.as_secs_f64(), candle_lat.as_secs_f64() * 1000.0 / 32.0); + println!(" fastembed : {:.3}s ({:.1} ms/sentence)", fb_lat.as_secs_f64(), fb_lat.as_secs_f64() * 1000.0 / 32.0); + + println!("\n== THREAD CONTROL =="); + println!(" RAYON_NUM_THREADS env = {rayon_env}"); + println!(" rayon::current_num_threads = {rayon_threads}"); + println!(" available_parallelism = {avail}"); + println!(" peak OS threads (/proc) = {peak_threads}"); + + // ── 7. Machine verdict line for the report ── + let verdict = if mean >= 0.99 { "PASS" } else if mean >= 0.95 { "MARGINAL" } else { "FAIL" }; + println!("\n== SUMMARY =="); + println!("VERDICT_HINT={verdict} cosine_min={min:.6} cosine_mean={mean:.6} candle_batch32_s={:.3} fb_batch32_s={:.3} rayon_threads={rayon_threads} rayon_env={rayon_env}", candle_lat.as_secs_f64(), fb_lat.as_secs_f64()); + + Ok(()) +} + +/// candle embedding: apply e5 `passage:` prefix, tokenize (batch-padded), +/// forward through XLM-R, attention-mask-weighted mean pool, L2 normalize. +fn candle_embed( + model: &XLMRobertaModel, + tokenizer: &Tokenizer, + device: &Device, + _pad_id: u32, + sentences: &[&str], +) -> Result>> { + let prefixed: Vec = sentences.iter().map(|s| format!("passage: {s}")).collect(); + let encodings = tokenizer + .encode_batch(prefixed, true) + .map_err(|e| anyhow::anyhow!("encode_batch: {e}"))?; + + let bsz = encodings.len(); + let seq = encodings[0].get_ids().len(); + + let mut ids = Vec::with_capacity(bsz * seq); + let mut mask = Vec::with_capacity(bsz * seq); + for enc in &encodings { + ids.extend(enc.get_ids().iter().copied()); + mask.extend(enc.get_attention_mask().iter().map(|&m| m as f32)); + } + + let input_ids = Tensor::from_vec(ids, (bsz, seq), device)?; + let attn_f32 = Tensor::from_vec(mask, (bsz, seq), device)?; + let token_type_ids = input_ids.zeros_like()?; + + // forward: (input_ids, attention_mask, token_type_ids, past, enc_hidden, enc_mask) + let hidden = model.forward(&input_ids, &attn_f32, &token_type_ids, None, None, None)?; + + // masked mean pool + let mask3 = attn_f32.unsqueeze(2)?; // (b, seq, 1) + let summed = hidden.broadcast_mul(&mask3)?.sum(1)?; // (b, hidden) + let counts = mask3.sum(1)?; // (b, 1) + let mean = summed.broadcast_div(&counts)?; + + // L2 normalize + let norm = mean.sqr()?.sum_keepdim(1)?.sqrt()?; + let normalized = mean.broadcast_div(&norm)?; + + Ok(normalized.to_vec2::()?) +} + +fn cosine(a: &[f32], b: &[f32]) -> f32 { + let dot: f32 = a.iter().zip(b).map(|(x, y)| x * y).sum(); + let na = l2(a); + let nb = l2(b); + dot / (na * nb) +} + +fn l2(v: &[f32]) -> f32 { + v.iter().map(|x| x * x).sum::().sqrt() +} + +/// Peak OS thread count for this process from /proc/self/status. +fn proc_threads() -> usize { + std::fs::read_to_string("/proc/self/status") + .ok() + .and_then(|s| { + s.lines() + .find(|l| l.starts_with("Threads:")) + .and_then(|l| l.split_whitespace().nth(1).map(str::to_string)) + }) + .and_then(|n| n.parse().ok()) + .unwrap_or(0) +}