DOCS/troubleshooting/250804_claude_ONNX임베딩경량화.md

ONNX 기반 임베딩 경량화 작업

작성일: 2025년 8월 4일 작성자: Claude (51124 서버)

작업 배경

rb10508_micro의 컨테이너 이미지가 6.19GB로 매우 크고, 주요 원인이 PyTorch와 sentence-transformers였음. ONNX로 변환하여 경량화 진행.

작업 과정

오후 3시 15분 - ONNX 변환 시작

1. 작업 디렉토리 생성

mkdir -p /home/admin/ivada_project/onnx_models

2. uv 설치 및 가상환경 생성

pip install uv
uv venv
source .venv/bin/activate
uv pip install transformers torch onnx onnxruntime

오후 3시 20분 - 변환 스크립트 작성

convert_to_onnx.py 작성하여 paraphrase-multilingual-MiniLM-L12-v2 모델을 ONNX로 변환

주요 문제:

• 첫 시도에서 입력 이름 불일치 (input.3 추가 입력 요구)
• 해결: torch.onnx.export에서 명시적으로 2개 입력만 전달

오후 3시 30분 - 경량 추론 모듈 개발

1. ONNX 임베딩 기능 설계

   • PyTorch 없이 ONNX Runtime만으로 임베딩 생성
   • ChromaDB 호환 인터페이스 제공
   • Mean pooling 구현

2. 주의: 이 기능은 후에 skill-embedding 서비스에 직접 구현됨

   • 별도 파일(onnx_embedder.py, chroma_onnx_function.py)로 생성하지 않음
   • skill-embedding 서비스의 embedder.py에 ONNXEmbedder 클래스로 구현
   • http_embedding_function.py에 HTTPEmbeddingFunction 클래스로 구현

오후 3시 40분 - 테스트 및 검증

테스트 결과:

• 한국어-영어 번역 문장 유사도: 0.970 (매우 높음)
• ChromaDB 통합 테스트 성공
• 한국어 문서 검색 정확도 확인

성능 비교

이미지 크기

• 기존: 6.19GB (PyTorch + sentence-transformers)
• 예상: ~500MB (Python slim + ONNX Runtime)

모델 크기

• ONNX 모델: 449MB (변환 완료)
• 토크나이저 포함 전체: ~500MB

메모리 사용량

• PyTorch 오버헤드 제거로 대폭 감소 예상

로컬 개발자 작업 가이드

1. Dockerfile 수정

# 기존
FROM chroma_vector:1.0

# 변경
FROM python:3.11-slim

# sentence-transformers, torch 제거
# onnxruntime만 설치
RUN pip install onnxruntime transformers

2. 코드 수정

# 기존
from sentence_transformers import SentenceTransformer
embedder = SentenceTransformer(model_name)

# 변경 (skill-embedding 서비스 사용)
from http_embedding_function import HTTPEmbeddingFunction
embedding_function = HTTPEmbeddingFunction("http://localhost:8515")

3. 모델 마운트

volumes:
  - /home/admin/ivada_project/onnx_models:/models/onnx:ro

교훈

1. ONNX 변환 시 입력 명세 주의

   • torch.onnx.export의 input_names와 실제 모델 입력이 일치해야 함
   • 불필요한 입력은 명시적으로 제외

2. ChromaDB API 변경 대응

   • 구 API: chromadb.Client(Settings(...))
   • 신 API: chromadb.PersistentClient(path=...)

3. 경량화의 핵심은 의존성 제거

   • 기능 축소만으로는 한계 (코드는 줄어도 라이브러리는 그대로)
   • 무거운 라이브러리를 경량 대안으로 교체해야 진정한 경량화

4. uv 사용으로 패키지 설치 속도 향상

   • pip 대비 10배 이상 빠른 설치
   • 특히 대용량 패키지(PyTorch 등) 설치 시 효과적

다음 단계

1. 로컬 개발자가 Dockerfile 및 requirements.txt 수정
2. 베이스 이미지를 python:3.11-slim으로 변경
3. GitHub Actions 워크플로우 업데이트
4. 배포 후 실제 메모리 사용량 측정

오후 7시 04분 - rb10508_micro ONNX 통합 작업

문제 1: ModuleNotFoundError - sentence_transformers

• 증상: ModuleNotFoundError: No module named 'sentence_transformers'
• 원인: requirements.txt에서 sentence-transformers 제거했지만 코드에서 여전히 import
• 해결: memory.py에서 ONNX 기반 임베딩으로 변경

문제 2: ChromaDB embedding function 충돌

• 증상: ValueError: An embedding function already exists in the collection configuration
• 원인: rb10508_test의 기존 ChromaDB가 default embedding으로 생성되어 있음
• 해결: rb10508_micro 전용 ChromaDB 경로 사용 (./chroma_db_micro)

최종 수정사항

1. memory.py 수정:

   # 기존
   from sentence_transformers import SentenceTransformer
   self.embedder = SentenceTransformer(settings.EMBEDDING_MODEL)
   
   # 변경
   import sys
   sys.path.append('/models/onnx')
   from chroma_onnx_function import ONNXEmbeddingFunction
   self.embedding_function = ONNXEmbeddingFunction("/models/onnx/multilingual-MiniLM-L12-v2")
   

2. ChromaDB 컬렉션 생성 시 embedding_function 전달:

   self.episodic = self.client.get_or_create_collection(
       name=f"{settings.ROBING_ID}_episodic",
       metadata={"type": "episodic"},
       embedding_function=self.embedding_function
   )
   

3. docker-compose.yml 수정:

   volumes:
     - ./chroma_db_micro:/code/chroma_db  # 전용 ChromaDB
     - ./logs:/code/logs:rw
     - /home/admin/ivada_project/onnx_models:/models/onnx:ro
   

교훈

1. 코드와 의존성 동기화: requirements.txt 수정 시 반드시 코드도 함께 수정
2. ChromaDB 데이터 분리: 서로 다른 embedding function 사용 시 별도 DB 필요
3. ONNX 모델 경로: 서브디렉토리까지 정확히 지정 (/models/onnx/multilingual-MiniLM-L12-v2)
4. 추측하지 말고 확인: 서버의 ONNX 모듈 구조와 사용법 먼저 확인