【要約】Docker の n8n から、ホストのGPU(Whisper)を使う — FastAPIで「重い処理」を切り出した話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者が、Dockerで稼働するn8nからホストのGPU（RTX 4090）を利用しようとした際、以下の技術的課題に直面した。\n・コンテナの隔離環境により、ホスト側のGPUやPython仮想環境に直接アクセスできない。\n・Whisper等の重い処理が数分を要するため、n8nのHTTPタイムアウト（300秒）に抵触する。
// Approach
開発者は、重い処理をFastAPIで切り出し、ホスト側に常駐させるアプローチを採用した。\n・
host.docker.internal を用い、コンテナからホストへの通信経路を確保した。\n・queue.Queue と単一ワーカーを用い、ジョブを非同期で処理する仕組みを構築した。\n・n8n側では、ジョブ投入後に結果を定期的に確認するポーリング方式を実装した。// Result
開発者は、n8nをオーケストレーターとして維持しつつ、GPUを活用した自動化を実現した。\n・同期処理によるタイムアウト問題を、非同期ジョブ管理により完全に回避した。\n・Dockerの利便性と、ホストの強力な計算資源を両立させた。
Senior Engineer Insight
> リソース分離の観点で非常に合理的な設計である。コンテナの隔離を逆手に取り、API経由で計算資源を抽象化している。ただし、ジョブ状態がメモリ内にあるため、再起動時にデータが消失する。実運用ではSQLite等による永続化が不可欠だ。また、GPUリソースを直列制御する設計は、単一GPU環境における整合性確保として適切である。