feat(ocr): Surya OCR 마이크로서비스 추가

GPU 가속 OCR (Surya, Apache 2.0) 별도 컨테이너로 추가.
스캔 PDF/이미지 파일의 텍스트 추출 지원.

- services/ocr: Dockerfile + server.py + requirements.txt
- /health (liveness) + /ready (readiness, CUDA+모델 상태)
- /ocr: 페이지 단위 스트리밍 처리 (메모리 피크 억제)
- docker-compose: ocr-service + GPU reservation + ocr_models 볼륨

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

services/ocr/Dockerfile

@@ -0,0 +1,16 @@
+FROM pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime
+
+WORKDIR /app
+
+# PyMuPDF/Pillow 시스템 의존성
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    libgl1 libglib2.0-0 && \
+    apt-get clean && rm -rf /var/lib/apt/lists/*
+
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+COPY server.py .
+
+EXPOSE 3200
+CMD ["uvicorn", "server:app", "--host", "0.0.0.0", "--port", "3200"]

services/ocr/requirements.txt

@@ -0,0 +1,5 @@
+surya-ocr>=0.6.0,<1.0.0
+pymupdf>=1.24.0,<2.0.0
+fastapi>=0.110.0,<1.0.0
+uvicorn[standard]>=0.27.0,<1.0.0
+pillow>=10.0.0,<12.0.0

services/ocr/server.py

@@ -0,0 +1,111 @@
+"""OCR 마이크로서비스 — Surya OCR (GPU) + PyMuPDF (PDF→이미지)
+
+페이지 단위 스트리밍으로 대형 PDF도 메모리 피크 억제.
+모델은 첫 요청 시 lazy loading.
+"""
+
+from pathlib import Path
+
+import fitz
+import torch
+from fastapi import FastAPI
+from PIL import Image
+
+app = FastAPI()
+
+# 모델 lazy loading
+_models = None
+
+IMAGE_EXTS = {".jpg", ".jpeg", ".png", ".tiff", ".tif", ".bmp", ".gif", ".webp"}
+
+
+def _load_models():
+    """Surya OCR 모델 lazy loading — 첫 호출 시만"""
+    global _models
+    if _models is not None:
+        return _models
+
+    from surya.model.detection.model import load_det_processor, load_det_model
+    from surya.model.recognition.model import load_rec_model
+    from surya.model.recognition.processor import load_rec_processor
+
+    _models = {
+        "det_processor": load_det_processor(),
+        "det_model": load_det_model(),
+        "rec_model": load_rec_model(),
+        "rec_processor": load_rec_processor(),
+    }
+    return _models
+
+
+@app.get("/health")
+def health():
+    """Liveness — Docker healthcheck용, 프로세스 생존 확인"""
+    return {"status": "ok", "service": "ocr-surya"}
+
+
+@app.get("/ready")
+def ready():
+    """Readiness — 배포 검증용, CUDA + 모델 상태"""
+    cuda_ok = torch.cuda.is_available()
+    models_loaded = _models is not None
+    return {
+        "ready": cuda_ok and models_loaded,
+        "cuda": cuda_ok,
+        "models_loaded": models_loaded,
+        "gpu_name": torch.cuda.get_device_name(0) if cuda_ok else None,
+    }
+
+
+@app.post("/ocr")
+async def ocr_endpoint(body: dict):
+    """PDF/이미지 OCR — 페이지 단위 처리 (전체 일괄 로드 금지)"""
+    file_path = body["filePath"]
+    langs = body.get("langs", ["ko", "en"])
+    max_pages = body.get("maxPages", 200)
+
+    if not Path(file_path).exists():
+        return {"error": f"파일 없음: {file_path}", "text": "", "pages": 0, "chars": 0}
+
+    from surya.ocr import run_ocr
+
+    m = _load_models()
+    ext = Path(file_path).suffix.lower()
+
+    # 이미지 파일 → 단일 이미지 OCR
+    if ext in IMAGE_EXTS:
+        img = Image.open(file_path).convert("RGB")
+        predictions = run_ocr(
+            [img], [langs],
+            m["det_model"], m["det_processor"],
+            m["rec_model"], m["rec_processor"],
+        )
+        text = "\n".join(line.text for line in predictions[0].text_lines)
+        del img
+        return {"text": text, "pages": 1, "chars": len(text)}
+
+    # PDF → 페이지 단위 렌더 + OCR
+    doc = fitz.open(file_path)
+    page_count = len(doc)
+    process_pages = min(page_count, max_pages)
+    all_text = []
+
+    for i in range(process_pages):
+        page = doc[i]
+        pix = page.get_pixmap(dpi=200)
+        img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
+        del pix  # 렌더링 메모리 즉시 해제
+
+        predictions = run_ocr(
+            [img], [langs],
+            m["det_model"], m["det_processor"],
+            m["rec_model"], m["rec_processor"],
+        )
+        page_text = "\n".join(line.text for line in predictions[0].text_lines)
+        if page_text.strip():
+            all_text.append(page_text)
+        del img  # 이미지 메모리 즉시 해제
+
+    doc.close()
+    combined = "\n\n".join(all_text)
+    return {"text": combined, "pages": page_count, "chars": len(combined)}