Implement UP_STOP_ON_FAIL option to manage GPU state on installation failure

- Added a new configuration option `UP_STOP_ON_FAIL` to control whether the GPU should be stopped automatically if the `up` command fails, enhancing user control over resource management.
- Updated the CLI to include a `--keep-on-fail` flag, allowing users to prevent GPU shutdown during installation errors.
- Enhanced the installation scripts and documentation to reflect these changes, providing clearer guidance on the new behavior and configuration options.
- Improved error handling in the CLI to ensure proper cleanup of resources in case of failure, preventing unexpected billing for unused GPU resources.

docs/cli.md

@@ -57,6 +57,7 @@ gpu-rent up --yes --ollama
 | `gpu-rent dry-run` | План без mutating-вызовов |
 | `gpu-rent up` | Без `--yes`: меню LLM (если runtime none) → пресет → **Selectel**: flavor # / data GB / preemptible → confirm → create → туннель. Цветной лог (ошибки/warn/ok) |
 | `gpu-rent up --yes` | Без вопросов; flavor из `FLAVOR_PREFERENCE` / `DEFAULT_FLAVOR_ID` |
+| `up --keep-on-fail` | Не гасить GPU при ошибке install (по умолчанию `UP_STOP_ON_FAIL=true` → `stop`) |
 | `gpu-rent up -v` / `--verbose` | Полная таблица doctor на `up` (по умолчанию кратко) |
 | `gpu-rent up --ollama` / `--llamacpp` / `--llm …` | LLM рядом со SwarmUI |
 | `gpu-rent up --no-swarm` / `--llm-only` | Только LLM (нужен `--ollama`/`--llamacpp`); без clone SwarmUI |

docs/llm.md

@@ -120,15 +120,22 @@ Unit `gpu-rent-ollama` читает `/mnt/swarm_data/.gpu-rent-gpu.json`:
 
 На `up`: скачать GGUF → `/mnt/swarm_data/llamacpp/models` → `llama-server` + systemd. Уже скачанные крупные файлы не трогает.
 
-**Бинарник (без compile по умолчанию):** официальные Releases **не** дают Linux CUDA — только Windows CUDA + Ubuntu CPU/Vulkan. `install_llamacpp.sh` берёт **Ubuntu Vulkan** prebuilt (~30 MB, GPU через Vulkan). CUDA-сборка из исходников — только крайний случай (prebuilt упал) или явно `LLAMACPP_BUILD_CUDA=1` (5–15 мин, тихий лог + heartbeat).
+**Бинарник:** в GitHub Releases **нет** Linux CUDA — только Windows CUDA + Ubuntu CPU/Vulkan. Драйвер/CUDA runtime на VM ≠ готовый `llama-server` с CUDA: его нужно **собрать** (`nvcc`) или взять Vulkan prebuilt.
 
-Переменные (`.env` или `gpu-rent.vars`, пробрасываются на VM при `up`):
+Порядок по умолчанию (`LLAMACPP_BACKEND=auto`):
+
+1. Если на VM уже есть `nvcc` (часто после прошлого `up`) → **CUDA-сборка** (тихо + heartbeat 5–15 мин).
+2. Иначе → Ubuntu **Vulkan** prebuilt (~30 MB).
+3. Fallback на другой путь при ошибке.
+
+Был только Vulkan-stamp, а `nvcc` появился — следующий `up` сам пересоберёт CUDA.
 
 | Var | Зачем |
 | --- | --- |
+| `LLAMACPP_BACKEND=auto\|cuda\|vulkan` | выбор пути (default auto) |
 | `LLAMACPP_TAG` | pin release (`b10545`) |
 | `LLAMACPP_ASSET_URL` + `LLAMACPP_SHA256` | свой архив |
-| `LLAMACPP_BUILD_CUDA=1` | сразу CUDA из исходников |
+| `LLAMACPP_BUILD_CUDA=1` | форс CUDA; `=0` — никогда не собирать |
 | `LLAMACPP_FORCE_REINSTALL=1` | снести бинарь и поставить заново |
 | `LLAMACPP_NGL` / `LLAMACPP_CTX` | override GPU layers / context |
 | `LLAMACPP_HOST` / `LLAMACPP_PORT` | bind (default `127.0.0.1:8080`) |

env.example

@@ -48,6 +48,7 @@ LLAMACPP_LOCAL_PORT=17812
 # LLAMACPP_MODELS_MANIFEST=
 # Pin / тонкая настройка LLM (несecреты; удобнее в gpu-rent.vars — см. кейсы A–H):
 # LLAMACPP_TAG=b10545
+# LLAMACPP_BACKEND=auto
 # LLAMACPP_BUILD_CUDA=1
 # LLAMACPP_FORCE_REINSTALL=1
 # LLAMACPP_ASSET_URL=
@@ -77,6 +78,8 @@ IDLE_GRACE_MINUTES=90
 # LOCAL_WATCHDOG_GRACE_MINUTES=10
 PULL_OUTPUT=false
 NOTIFY_READY=true
+# При падении install/up гасить compute (диски оставить). Отключить: false или up --keep-on-fail
+# UP_STOP_ON_FAIL=true
 # Статический API-ключ панели (X-Token) — только для баланса, не для OpenStack:
 # SELECTEL_API_TOKEN=
 # Уведомления о списании (local-watchdog tick), шаг с момента up:

gpu-rent.vars.example

@@ -22,6 +22,7 @@
 # IDLE_MINUTES=60
 # IDLE_GRACE_MINUTES=90
 # NOTIFY_READY=true
+# UP_STOP_ON_FAIL=true   # при падении up гасить GPU (default); false / --keep-on-fail
 # Prefer auto /32 (leave unset). Spike/WARP only:
 # GPU_RENT_SSH_CIDR=0.0.0.0/0
 
@@ -30,23 +31,27 @@
 # Подробнее: docs/llm.md
 # ---------------------------------------------------------------------------
 
-# --- A) Быстрый default: SwarmUI + llama.cpp, Ubuntu Vulkan prebuilt ---
+# --- A) Default: SwarmUI + llama.cpp (auto: CUDA если nvcc на VM, иначе Vulkan) ---
 # LLM_RUNTIME=llamacpp
 # ENABLE_SWARMUI=true
 # LLAMACPP_TAG=b10545
-# (GGUF — llamacpp-models.yaml; бинарь без compile)
+# LLAMACPP_BACKEND=auto
 
-# --- B) Только LLM, без SwarmUI (дешевле по времени bootstrap / VRAM) ---
+# --- B) Только LLM, без SwarmUI ---
 # WORKLOAD=llm
 # LLM_RUNTIME=llamacpp
 # LLAMACPP_TAG=b10545
 
-# --- C) Максимальная скорость инференса: CUDA-сборка (5–15 мин первый раз) ---
+# --- C) Явно CUDA (и снести старый Vulkan-бинарь) ---
 # LLM_RUNTIME=llamacpp
 # LLAMACPP_TAG=b10545
-# LLAMACPP_BUILD_CUDA=1
+# LLAMACPP_BACKEND=cuda
 # LLAMACPP_FORCE_REINSTALL=1
-# (FORCE — снести старый Vulkan/битый бинарь и переустановить)
+
+# --- C2) Явно быстрый Vulkan, без compile ---
+# LLM_RUNTIME=llamacpp
+# LLAMACPP_BACKEND=vulkan
+# LLAMACPP_BUILD_CUDA=0
 
 # --- D) Свой бинарь / pin URL (supply-chain) ---
 # LLM_RUNTIME=llamacpp

src/gpu_rent/cli.py

@@ -57,6 +57,21 @@ def _die(exc: BaseException) -> None:
     raise typer.Exit(1)
 
 
+def _stop_after_failed_up(cfg, cause: BaseException) -> None:
+    """Delete compute after a failed up so billing does not continue unnoticed."""
+    warn(
+        "up упал — гашу GPU (UP_STOP_ON_FAIL; оставить: --keep-on-fail / UP_STOP_ON_FAIL=false)"
+    )
+    try:
+        cmd_stop(cfg, no_pull=True, log=log)
+        ok("compute остановлен, диски на месте")
+    except Exception as stop_exc:
+        err(
+            f"auto-stop не удался: {stop_exc} — срочно: gpu-rent stop "
+            f"(причина up: {cause})"
+        )
+
+
 def _print_checks(checks, *, quiet: bool = False) -> int:
     failed = blocking_failed(checks)
     if quiet:
@@ -439,6 +454,11 @@ def up(
         "--no-update",
         help="Не делать git pull SwarmUI и установленных extensions",
     ),
+    keep_on_fail: bool = typer.Option(
+        False,
+        "--keep-on-fail",
+        help="Не гасить GPU если up упал (по умолчанию stop; UP_STOP_ON_FAIL=false)",
+    ),
     verbose: bool = typer.Option(
         False,
         "--verbose",
@@ -458,6 +478,8 @@ def up(
     ),
 ) -> None:
     """Create/unshelve GPU; SwarmUI и/или LLM; по умолчанию туннель."""
+    cfg = None
+    up_ok = False
     try:
         from dataclasses import replace
 
@@ -680,6 +702,7 @@ def up(
             ask=None if yes else ask,
             log=log,
         )
+        up_ok = True
         if no_tunnel:
             from gpu_rent.access_card import print_access_card
 
@@ -705,7 +728,24 @@ def up(
             open_browser=open_browser,
             log=log,
         )
+    except KeyboardInterrupt as exc:
+        if (
+            not up_ok
+            and cfg is not None
+            and not keep_on_fail
+            and bool(getattr(cfg, "up_stop_on_fail", True))
+        ):
+            _stop_after_failed_up(cfg, exc)
+        err("прервано (Ctrl+C)")
+        raise typer.Exit(130) from exc
     except GpuRentError as exc:
+        if (
+            not up_ok
+            and cfg is not None
+            and not keep_on_fail
+            and bool(getattr(cfg, "up_stop_on_fail", True))
+        ):
+            _stop_after_failed_up(cfg, exc)
         _die(exc)
 
 

src/gpu_rent/config.py

@@ -121,6 +121,7 @@ class Config:
     idle_grace_minutes: int
     pull_output: bool
     notify_ready: bool
+    up_stop_on_fail: bool
     selectel_api_token: str
     balance_notify_step_rub: float
     balance_notify_low_rub: float
@@ -258,6 +259,8 @@ def load_config(*, require_auth: bool = True) -> Config:
         idle_grace_minutes=_as_int(os.environ.get("IDLE_GRACE_MINUTES"), 90),
         pull_output=_as_bool(os.environ.get("PULL_OUTPUT"), False),
         notify_ready=_as_bool(os.environ.get("NOTIFY_READY"), True),
+        # Default on: failed up must not leave a billing GPU running.
+        up_stop_on_fail=_as_bool(os.environ.get("UP_STOP_ON_FAIL"), True),
         selectel_api_token=(os.environ.get("SELECTEL_API_TOKEN") or "").strip(),
         balance_notify_step_rub=_as_float(os.environ.get("BALANCE_NOTIFY_STEP_RUB"), 200.0),
         balance_notify_low_rub=_as_float(os.environ.get("BALANCE_NOTIFY_LOW_RUB"), 0.0),

src/gpu_rent/provision.py

@@ -36,6 +36,7 @@ _LLAMACPP_INSTALL_ENV = (
     "LLAMACPP_ASSET_URL",
     "LLAMACPP_SHA256",
     "LLAMACPP_BUILD_CUDA",
+    "LLAMACPP_BACKEND",
     "LLAMACPP_FORCE_REINSTALL",
     "LLAMACPP_NGL",
     "LLAMACPP_CTX",
@@ -544,13 +545,13 @@ def provision_llm(cfg: Config, host: str, log: Log) -> None:
         log("LLM: ставим/запускаем llama.cpp server")
         import os
 
-        build_cuda = (os.environ.get("LLAMACPP_BUILD_CUDA") or "").strip() == "1"
+        # Vulkan finishes in seconds; CUDA compile needs up to ~15–20 min.
         run_script_sudo(
             cfg,
             host,
             _pkg_text("install_llamacpp.sh"),
             remote_path="/tmp/gpu-rent-install_llamacpp.sh",
-            timeout=3600 if build_cuda else 1200,
+            timeout=3600,
             env=_remote_llm_env(cfg, *_LLAMACPP_INSTALL_ENV),
             log=log,
         )

src/gpu_rent/remote/install_llamacpp.sh

@@ -31,8 +31,10 @@ SERVER_BIN="${BIN_DIR}/llama-server"
 LLAMACPP_TAG="${LLAMACPP_TAG:-}"
 LLAMACPP_ASSET_URL="${LLAMACPP_ASSET_URL:-}"
 LLAMACPP_SHA256="${LLAMACPP_SHA256:-}"
-# 1 = force CUDA compile; 0/empty = prebuilt first, build only if prebuilt fails
+# 1 = force CUDA compile; 0 = never compile (Vulkan/CPU prebuilt only)
 LLAMACPP_BUILD_CUDA="${LLAMACPP_BUILD_CUDA:-}"
+# auto | cuda | vulkan — default auto: CUDA if nvcc already on VM, else Vulkan prebuilt
+LLAMACPP_BACKEND="${LLAMACPP_BACKEND:-auto}"
 LLAMACPP_FORCE_REINSTALL="${LLAMACPP_FORCE_REINSTALL:-}"
 LLAMACPP_NGL="${LLAMACPP_NGL:-}"
 LLAMACPP_CTX="${LLAMACPP_CTX:-}"
@@ -40,11 +42,48 @@ LLAMACPP_HOST="${LLAMACPP_HOST:-127.0.0.1}"
 LLAMACPP_PORT="${LLAMACPP_PORT:-8080}"
 LLAMACPP_EXTRA_ARGS="${LLAMACPP_EXTRA_ARGS:-}"
 
+have_nvcc() {
+  if command -v nvcc >/dev/null 2>&1; then
+    return 0
+  fi
+  if [[ -x /usr/local/cuda/bin/nvcc ]]; then
+    export PATH="/usr/local/cuda/bin:${PATH}"
+    return 0
+  fi
+  return 1
+}
+
+# Prefer CUDA when toolkit already present (GPU images / prior up). Vulkan = fast no-compile.
+want_cuda_build() {
+  case "${LLAMACPP_BUILD_CUDA}" in
+    1|yes|true) return 0 ;;
+    0|no|false) return 1 ;;
+  esac
+  case "${LLAMACPP_BACKEND}" in
+    cuda) return 0 ;;
+    vulkan) return 1 ;;
+    *)
+      if have_nvcc; then
+        return 0
+      fi
+      return 1
+      ;;
+  esac
+}
+
 if [[ "${LLAMACPP_FORCE_REINSTALL}" == "1" ]]; then
   log "LLAMACPP_FORCE_REINSTALL=1 — удаляю старый бинарь"
   rm -f "$SERVER_BIN" "$STAMP"
 fi
 
+# Upgrade path: previous default was Vulkan prebuilt; if nvcc is here, prefer CUDA.
+if [[ -x "$SERVER_BIN" && -f "$STAMP" && "${LLAMACPP_BACKEND}" != "vulkan" && "${LLAMACPP_BUILD_CUDA}" != "0" ]]; then
+  if grep -q '^asset:' "$STAMP" 2>/dev/null && want_cuda_build; then
+    log "был Vulkan/CPU prebuilt, nvcc есть — пересобираю CUDA (лучше на NVIDIA)"
+    rm -f "$SERVER_BIN" "$STAMP"
+  fi
+fi
+
 # Prefer ubuntu CUDA (rare) → vulkan → cpu. Never Windows/macOS/cudart-only.
 pick_linux_asset_url() {
   python3 -c '
@@ -321,12 +360,18 @@ else
     fi
 
     installed=0
-    if [[ "${LLAMACPP_BUILD_CUDA}" == "1" ]]; then
+    if want_cuda_build; then
-      log "LLAMACPP_BUILD_CUDA=1 — сразу CUDA-сборка"
+      log "backend: CUDA (nvcc есть или LLAMACPP_BACKEND/BUILD_CUDA) — сборка, Vulkan только если упадёт"
       if build_cuda_from_source "$tag"; then
         installed=1
+      else
+        log "CUDA-сборка не вышла — fallback на Linux prebuilt (Vulkan/CPU)"
+        if install_linux_release "$tag"; then
+          installed=1
+        fi
       fi
     else
+      log "backend: Linux prebuilt (нет nvcc / LLAMACPP_BACKEND=vulkan) — без compile"
       if install_linux_release "$tag"; then
         installed=1
       else

tests/test_up_stop_on_fail.py

@@ -0,0 +1,60 @@
+from types import SimpleNamespace
+
+from gpu_rent.cli import _stop_after_failed_up
+
+
+def test_stop_after_failed_up_calls_cmd_stop(monkeypatch):
+    calls: list[dict] = []
+
+    def fake_stop(cfg, *, no_pull=False, log=None, destroy_disks=False):
+        calls.append({"no_pull": no_pull, "destroy_disks": destroy_disks})
+        return SimpleNamespace()
+
+    monkeypatch.setattr("gpu_rent.cli.cmd_stop", fake_stop)
+    monkeypatch.setattr("gpu_rent.cli.warn", lambda *_a, **_k: None)
+    monkeypatch.setattr("gpu_rent.cli.ok", lambda *_a, **_k: None)
+    monkeypatch.setattr("gpu_rent.cli.err", lambda *_a, **_k: None)
+    monkeypatch.setattr("gpu_rent.cli.log", lambda *_a, **_k: None)
+
+    _stop_after_failed_up(SimpleNamespace(), RuntimeError("boom"))
+    assert calls == [{"no_pull": True, "destroy_disks": False}]
+
+
+def test_up_stop_on_fail_default_true(monkeypatch, tmp_path):
+    monkeypatch.setenv("HOME", str(tmp_path))
+    monkeypatch.setenv("USERPROFILE", str(tmp_path))
+    for key in (
+        "OS_AUTH_URL",
+        "OS_USER_DOMAIN_NAME",
+        "OS_USERNAME",
+        "OS_PASSWORD",
+        "OS_PROJECT_ID",
+        "OS_REGION_NAME",
+        "GPU_RENT_AZ",
+    ):
+        monkeypatch.setenv(key, "x")
+    monkeypatch.delenv("UP_STOP_ON_FAIL", raising=False)
+    from gpu_rent.config import load_config
+
+    cfg = load_config(require_auth=False)
+    assert cfg.up_stop_on_fail is True
+
+
+def test_up_stop_on_fail_can_disable(monkeypatch, tmp_path):
+    monkeypatch.setenv("HOME", str(tmp_path))
+    monkeypatch.setenv("USERPROFILE", str(tmp_path))
+    for key in (
+        "OS_AUTH_URL",
+        "OS_USER_DOMAIN_NAME",
+        "OS_USERNAME",
+        "OS_PASSWORD",
+        "OS_PROJECT_ID",
+        "OS_REGION_NAME",
+        "GPU_RENT_AZ",
+    ):
+        monkeypatch.setenv(key, "x")
+    monkeypatch.setenv("UP_STOP_ON_FAIL", "false")
+    from gpu_rent.config import load_config
+
+    cfg = load_config(require_auth=False)
+    assert cfg.up_stop_on_fail is False