#!/usr/bin/env bash # 맥미니에서 학습한 모델을 LXC 컨테이너 볼륨 경로로 전송한다. # 사용법: bash scripts/deploy_model.sh [lgbm|mlx] [--symbol TRXUSDT] # # 예시: # bash scripts/deploy_model.sh # LightGBM (기본값), models/ 루트 # bash scripts/deploy_model.sh mlx # MLX 신경망, models/ 루트 # bash scripts/deploy_model.sh --symbol TRXUSDT # LightGBM, models/trxusdt/ # bash scripts/deploy_model.sh mlx --symbol XRPUSDT # MLX, models/xrpusdt/ set -euo pipefail # ── 인자 파싱 ──────────────────────────────────────────────────────────────── BACKEND="lgbm" SYMBOL_ARG="" while [[ $# -gt 0 ]]; do case "$1" in --symbol) SYMBOL_ARG="$2" shift 2 ;; mlx|lgbm) BACKEND="$1" shift ;; *) shift ;; esac done LXC_HOST="root@10.1.10.24" LXC_MODELS_PATH="/root/cointrader/models" # ── 심볼별 경로 결정 ───────────────────────────────────────────────────────── if [ -n "$SYMBOL_ARG" ]; then SYM_LOWER=$(echo "$SYMBOL_ARG" | tr '[:upper:]' '[:lower:]') LOCAL_MODEL_DIR="models/$SYM_LOWER" REMOTE_MODEL_DIR="$LXC_MODELS_PATH/$SYM_LOWER" LOCAL_LOG="models/$SYM_LOWER/training_log.json" else LOCAL_MODEL_DIR="models" REMOTE_MODEL_DIR="$LXC_MODELS_PATH" LOCAL_LOG="models/training_log.json" fi # ── 백엔드별 파일 목록 설정 ────────────────────────────────────────────────── # mlx: ONNX 파일만 전송 (Linux 서버는 onnxruntime으로 추론) # lgbm: pkl 파일 전송 if [ "$BACKEND" = "mlx" ]; then LOCAL_FILES=("$LOCAL_MODEL_DIR/mlx_filter.weights.onnx") else LOCAL_FILES=("$LOCAL_MODEL_DIR/lgbm_filter.pkl") fi # ── 파일 존재 확인 ──────────────────────────────────────────────────────────── for f in "${LOCAL_FILES[@]}"; do if [[ ! -f "$f" ]]; then echo "[오류] 모델 파일 없음: $f" exit 1 fi done echo "=== 모델 전송 시작 (백엔드: ${BACKEND}${SYMBOL_ARG:+, 심볼: $SYMBOL_ARG}) ===" echo " 대상: ${LXC_HOST}:${REMOTE_MODEL_DIR}" # ── 원격 디렉터리 생성 + 백업 + 상대 백엔드 파일 제거 ─────────────────────── # lgbm 배포 시: 기존 lgbm 백업 후 ONNX 파일 삭제 (ONNX 우선순위 때문에 lgbm이 무시되는 것 방지) # mlx 배포 시: lgbm 파일 삭제 (명시적으로 mlx만 사용) ssh "${LXC_HOST}" " mkdir -p '${REMOTE_MODEL_DIR}' if [ '$BACKEND' = 'lgbm' ]; then if [ -f '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' ]; then cp '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' '${REMOTE_MODEL_DIR}/lgbm_filter_prev.pkl' echo ' 기존 lgbm 모델 백업 완료' fi if [ -f '${REMOTE_MODEL_DIR}/mlx_filter.weights.onnx' ]; then rm '${REMOTE_MODEL_DIR}/mlx_filter.weights.onnx' echo ' ONNX 파일 제거 완료 (lgbm 우선 적용)' fi else if [ -f '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' ]; then rm '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' echo ' lgbm 파일 제거 완료 (mlx 우선 적용)' fi fi " # ── 파일 전송 헬퍼 (rsync 우선, scp 폴백) ──────────────────────────────────── _send() { local src="$1" dst="$2" echo " 전송: $src → ${LXC_HOST}:$dst" if command -v rsync &>/dev/null && ssh "${LXC_HOST}" "command -v rsync" &>/dev/null; then rsync -avz --progress "$src" "${LXC_HOST}:$dst" else scp "$src" "${LXC_HOST}:$dst" fi } # ── 모델 파일 전송 ──────────────────────────────────────────────────────────── for f in "${LOCAL_FILES[@]}"; do _send "$f" "${REMOTE_MODEL_DIR}/$(basename "$f")" done # ── 학습 로그 전송 ──────────────────────────────────────────────────────────── if [[ -f "$LOCAL_LOG" ]]; then _send "$LOCAL_LOG" "${REMOTE_MODEL_DIR}/training_log.json" echo " 학습 로그 전송 완료" fi echo "=== 전송 완료 ===" echo "" # ── 핫리로드 안내 ──────────────────────────────────────────────────────────── # 봇이 캔들마다 모델 파일 mtime을 감지해 자동 리로드한다. # 컨테이너가 실행 중이면 다음 캔들(최대 1분) 안에 자동 적용된다. echo "=== 모델 전송 완료 — 봇이 다음 캔들에서 자동 리로드합니다 ===" if ssh "${LXC_HOST}" "docker inspect -f '{{.State.Running}}' cointrader 2>/dev/null | grep -q true"; then echo " 컨테이너 실행 중: 다음 캔들 마감 시 자동 핫리로드 예정" else echo " cointrader 컨테이너가 실행 중이 아닙니다." fi