Merge branch 'feat/training_260202' of https://kamco.git.gs.dabeeo.com/MVPTeam/kamco-train-api into feat/training_260202

src/main/java/com/kamco/cd/training/common/utils/FIleChecker.java

@@ -3,7 +3,6 @@ package com.kamco.cd.training.common.utils;
 import static java.lang.String.CASE_INSENSITIVE_ORDER;
 
 import com.jcraft.jsch.ChannelExec;
-import com.jcraft.jsch.ChannelSftp;
 import com.jcraft.jsch.JSch;
 import com.jcraft.jsch.Session;
 import com.kamco.cd.training.common.exception.CustomApiException;
@@ -795,92 +794,6 @@ public class FIleChecker {
     return destFile;
   }
 
-  public static void uploadTo86(Path localFile) {
-
-    String host = "192.168.2.86";
-    int port = 22;
-    String username = "kcomu";
-    String password = "Kamco2025!";
-
-    String remoteDir = "/home/kcomu/data/request";
-
-    Session session = null;
-    ChannelSftp channel = null;
-
-    try {
-      JSch jsch = new JSch();
-
-      session = jsch.getSession(username, host, port);
-      session.setPassword(password);
-
-      Properties config = new Properties();
-      config.put("StrictHostKeyChecking", "no");
-      session.setConfig(config);
-
-      session.connect(10_000);
-
-      channel = (ChannelSftp) session.openChannel("sftp");
-      channel.connect(10_000);
-
-      // 목적지 디렉토리 이동
-      channel.cd(remoteDir);
-
-      // 업로드
-      channel.put(localFile.toString(), localFile.getFileName().toString());
-
-    } catch (Exception e) {
-      throw new RuntimeException("SFTP upload failed", e);
-    } finally {
-      if (channel != null) channel.disconnect();
-      if (session != null) session.disconnect();
-    }
-  }
-
-  public static void unzipOn86Server(String zipPath, String targetDir) {
-
-    String host = "192.168.2.86";
-    String user = "kcomu";
-    String password = "Kamco2025!";
-
-    Session session = null;
-    ChannelExec channel = null;
-
-    try {
-      JSch jsch = new JSch();
-
-      session = jsch.getSession(user, host, 22);
-      session.setPassword(password);
-
-      Properties config = new Properties();
-      config.put("StrictHostKeyChecking", "no");
-      session.setConfig(config);
-
-      session.connect(10_000);
-
-      String command = "unzip -o " + zipPath + " -d " + targetDir;
-
-      channel = (ChannelExec) session.openChannel("exec");
-      channel.setCommand(command);
-      channel.setErrStream(System.err);
-
-      InputStream in = channel.getInputStream();
-      channel.connect();
-
-      // 출력 읽기(선택)
-      try (BufferedReader br = new BufferedReader(new InputStreamReader(in))) {
-        while (br.readLine() != null) {
-          // 필요하면 로그
-        }
-      }
-
-    } catch (Exception e) {
-      throw new RuntimeException(e);
-    } finally {
-      if (channel != null) channel.disconnect();
-      if (session != null) session.disconnect();
-    }
-  }
-
   public static List<String> execCommandAndReadLines(String command) {
 
     List<String> result = new ArrayList<>();

src/main/java/com/kamco/cd/training/dataset/service/DatasetService.java

@@ -417,6 +417,7 @@ public class DatasetService {
   }
 
   private String escape(String path) {
+    // 쉘 커맨드에서 안전하게 사용할 수 있도록 문자열을 작은따옴표로 감싸면서, 내부의 작은따옴표를 이스케이프 처리
     return "'" + path.replace("'", "'\"'\"'") + "'";
   }
 

src/main/java/com/kamco/cd/training/postgres/core/ModelTrainJobCoreService.java

@@ -5,6 +5,8 @@ import com.kamco.cd.training.postgres.entity.ModelTrainJobEntity;
 import com.kamco.cd.training.postgres.repository.train.ModelTrainJobRepository;
 import com.kamco.cd.training.train.dto.ModelTrainJobDto;
 import java.time.ZonedDateTime;
+import java.util.Collections;
+import java.util.List;
 import java.util.Map;
 import java.util.Objects;
 import java.util.Optional;
@@ -118,6 +120,28 @@ public class ModelTrainJobCoreService {
     log.info("[TRAIN JOB FAIL] jobId={}, modelId={}", jobId, errorMessage);
   }
 
+  /**
+   * 중단됨 처리
+   *
+   * @param jobId
+   * @param exitCode
+   * @param errorMessage
+   */
+  @Transactional
+  public void markPaused(Long jobId, Integer exitCode, String errorMessage) {
+    ModelTrainJobEntity job =
+        modelTrainJobRepository
+            .findById(jobId)
+            .orElseThrow(() -> new CustomApiException("NOT_FOUND_DATA", HttpStatus.NOT_FOUND));
+
+    job.setStatusCd("STOPPED");
+    job.setExitCode(exitCode);
+    job.setErrorMessage(errorMessage);
+    job.setFinishedDttm(ZonedDateTime.now());
+
+    log.info("[TRAIN JOB FAIL] jobId={}, modelId={}", jobId, errorMessage);
+  }
+
   /** 취소 처리 */
   @Transactional
   public void markCanceled(Long jobId) {
@@ -151,11 +175,13 @@ public class ModelTrainJobCoreService {
    *
    * @return
    */
-  public ModelTrainJobDto findRunningJobs() {
-    ModelTrainJobEntity entity = modelTrainJobRepository.findRunningJobs().orElse(null);
-    if (entity == null) {
-      return null;
+  public List<ModelTrainJobDto> findRunningJobs() {
+    List<ModelTrainJobEntity> entity = modelTrainJobRepository.findRunningJobs();
+
+    if (entity == null || entity.isEmpty()) {
+      return Collections.emptyList();
     }
-    return entity.toDto();
+
+    return entity.stream().map(ModelTrainJobEntity::toDto).toList();
   }
 }

src/main/java/com/kamco/cd/training/postgres/repository/train/ModelTrainJobRepositoryCustom.java

@@ -1,6 +1,7 @@
 package com.kamco.cd.training.postgres.repository.train;
 
 import com.kamco.cd.training.postgres.entity.ModelTrainJobEntity;
+import java.util.List;
 import java.util.Optional;
 
 public interface ModelTrainJobRepositoryCustom {
@@ -12,5 +13,5 @@ public interface ModelTrainJobRepositoryCustom {
 
   void insertModelTestTrainingRun(Long modelId, Long jobId, int epoch);
 
-  Optional<ModelTrainJobEntity> findRunningJobs();
+  List<ModelTrainJobEntity> findRunningJobs();
 }

src/main/java/com/kamco/cd/training/postgres/repository/train/ModelTrainJobRepositoryImpl.java

@@ -9,6 +9,7 @@ import com.kamco.cd.training.postgres.entity.ModelTrainJobEntity;
 import com.kamco.cd.training.postgres.entity.QModelTrainJobEntity;
 import com.querydsl.jpa.impl.JPAQueryFactory;
 import jakarta.persistence.EntityManager;
+import java.util.List;
 import java.util.Optional;
 import org.springframework.stereotype.Repository;
 
@@ -83,9 +84,8 @@ public class ModelTrainJobRepositoryImpl implements ModelTrainJobRepositoryCusto
   }
 
   @Override
-  public Optional<ModelTrainJobEntity> findRunningJobs() {
-    return Optional.ofNullable(
-        queryFactory
+  public List<ModelTrainJobEntity> findRunningJobs() {
+    return queryFactory
         .select(modelTrainJobEntity)
         .from(modelTrainJobEntity)
         .where(
@@ -94,7 +94,6 @@ public class ModelTrainJobRepositoryImpl implements ModelTrainJobRepositoryCusto
                 .eq(JobStatusType.RUNNING.getId())
                 .and(modelTrainJobEntity.jobType.eq(JobType.TRAIN.getId())))
         .orderBy(modelTrainJobEntity.id.desc())
-            .limit(1)
-            .fetchOne());
+        .fetch();
   }
 }

src/main/java/com/kamco/cd/training/train/TrainApiController.java

@@ -185,7 +185,7 @@ public class TrainApiController {
       })
   @PostMapping("/create-tmp/{uuid}")
   public ApiResponseDto<UUID> createTmpFile(
-      @Parameter(description = "uuid", example = "80a0e544-36ed-4999-b705-97427f23337d")
+      @Parameter(description = "model uuid", example = "80a0e544-36ed-4999-b705-97427f23337d")
           @PathVariable
           UUID uuid) {
 

src/main/java/com/kamco/cd/training/train/service/DataSetCountersService.java

@@ -6,13 +6,17 @@ import java.io.IOException;
 import java.nio.file.Files;
 import java.nio.file.Path;
 import java.util.ArrayList;
+import java.util.HashSet;
 import java.util.List;
+import java.util.Set;
+import java.util.stream.Collectors;
 import lombok.Getter;
 import lombok.RequiredArgsConstructor;
 import lombok.extern.log4j.Log4j2;
 import org.springframework.beans.factory.annotation.Value;
 import org.springframework.stereotype.Service;
 
+/** 학습실행 파일 하드링크 */
 @Service
 @Log4j2
 @RequiredArgsConstructor
@@ -42,6 +46,10 @@ public class DataSetCountersService {
 
       // tmp
       Path tmpPath = Path.of(trainBaseDir, "tmp", basic.getRequestPath());
+
+      // 차이나는거
+      diffMergedRequestsVsTmp(uids, tmpPath);
+
       DatasetCounters counters2 = countTmpAfterBuild(tmpPath);
       allLogs
           .append(counters2.prints(basic.getRequestPath(), "TMP"))
@@ -163,4 +171,58 @@ public class DataSetCountersService {
           test + test2);
     }
   }
+
+  private Set<String> listTifRelative(Path root) throws IOException {
+    if (!Files.isDirectory(root)) return Set.of();
+
+    try (var stream = Files.walk(root)) {
+      return stream
+          .filter(Files::isRegularFile)
+          .filter(p -> p.getFileName().toString().toLowerCase().endsWith(".tif"))
+          .map(p -> root.relativize(p).toString().replace("\\", "/"))
+          .collect(Collectors.toSet());
+    }
+  }
+
+  private Set<String> listTifFileNameOnly(Path root) throws IOException {
+    if (!Files.isDirectory(root)) return Set.of();
+
+    try (var stream = Files.walk(root)) {
+      return stream
+          .filter(Files::isRegularFile)
+          .filter(p -> p.getFileName().toString().toLowerCase().endsWith(".tif"))
+          .map(p -> p.getFileName().toString()) // 파일명만
+          .collect(Collectors.toSet());
+    }
+  }
+
+  public void diffMergedRequestsVsTmp(List<String> uids, Path tmpRoot) throws IOException {
+
+    // 1) 요청 uids 전체를 합친 tif "파일명" 집합
+    Set<String> reqAll = new HashSet<>();
+    for (String uid : uids) {
+      Path reqRoot = Path.of(requestDir, uid);
+
+      // ★합본 tmp는 보통 폴더 구조가 바뀌므로 "상대경로" 비교보다 파일명 비교가 먼저 유용합니다.
+      reqAll.addAll(listTifFileNameOnly(reqRoot));
+    }
+
+    // 2) tmp tif 파일명 집합
+    Set<String> tmpAll = listTifFileNameOnly(tmpRoot);
+
+    Set<String> missing = new HashSet<>(reqAll);
+    missing.removeAll(tmpAll);
+
+    Set<String> extra = new HashSet<>(tmpAll);
+    extra.removeAll(reqAll);
+
+    log.info("==== MERGED DIFF (filename-based) ====");
+    log.info("request(all uids) tif = {}", reqAll.size());
+    log.info("tmp tif               = {}", tmpAll.size());
+    log.info("missing               = {}", missing.size());
+    log.info("extra                 = {}", extra.size());
+
+    missing.stream().sorted().limit(50).forEach(f -> log.warn("[MISSING] {}", f));
+    extra.stream().sorted().limit(50).forEach(f -> log.warn("[EXTRA] {}", f));
+  }
 }

src/main/java/com/kamco/cd/training/train/service/JobRecoveryOnStartupService.java

@@ -1,74 +1,449 @@
 package com.kamco.cd.training.train.service;
 
+import com.kamco.cd.training.model.dto.ModelTrainMngDto;
 import com.kamco.cd.training.postgres.core.ModelTrainJobCoreService;
+import com.kamco.cd.training.postgres.core.ModelTrainMngCoreService;
 import com.kamco.cd.training.train.dto.ModelTrainJobDto;
 import java.io.BufferedReader;
 import java.io.IOException;
 import java.io.InputStreamReader;
+import java.nio.charset.StandardCharsets;
+import java.nio.file.DirectoryStream;
+import java.nio.file.Files;
+import java.nio.file.Path;
+import java.nio.file.Paths;
+import java.util.List;
+import java.util.Map;
+import java.util.Optional;
+import java.util.concurrent.TimeUnit;
+import java.util.stream.Stream;
 import lombok.RequiredArgsConstructor;
 import lombok.extern.log4j.Log4j2;
-import org.springframework.boot.context.event.ApplicationReadyEvent;
-import org.springframework.context.event.EventListener;
+import org.springframework.beans.factory.annotation.Value;
+import org.springframework.context.annotation.Profile;
 import org.springframework.stereotype.Component;
 import org.springframework.transaction.annotation.Transactional;
 
-/** 실행중 학습이 있을때 처리 */
+/**
+ * 서버 재기동 시 "RUNNING 상태로 남아있는 학습 Job"을 복구(정리)하기 위한 서비스.
+ *
+ * <p>상황 예시: - 서버가 강제 재기동/장애로 내려감 - DB 상에서는 job_state가 RUNNING(진행중)으로 남아있음 - 실제 docker 컨테이너는: 1) 아직
+ * 살아있거나(running=true) 2) 종료되었거나(exited) 3) --rm 옵션으로 인해 컨테이너가 이미 삭제되어 존재하지 않을 수 있음
+ *
+ * <p>이 클래스는 ApplicationReadyEvent(스프링 부팅 완료) 시점에 실행되어, DB의 RUNNING 잡들을 조회한 뒤 컨테이너 상태를 점검하고,
+ * SUCCESS/FAILED 처리를 수행합니다.
+ */
+@Profile("!local")
 @Component
 @RequiredArgsConstructor
 @Log4j2
-@Transactional(readOnly = true)
 public class JobRecoveryOnStartupService {
+
   private final ModelTrainJobCoreService modelTrainJobCoreService;
+  private final ModelTrainMngCoreService modelTrainMngCoreService;
 
-  @EventListener(ApplicationReadyEvent.class)
+  /**
+   * Docker 컨테이너가 쓰는 response(산출물) 디렉토리의 "호스트 측" 베이스 경로. 예) /data/train/response
+   *
+   * <p>컨테이너가 --rm 으로 삭제된 경우에도 이 경로에 val.csv / *.pth 등이 남아있으면 정상 종료 여부를 "파일 기반"으로 판정합니다.
+   */
+  @Value("${train.docker.responseDir}")
+  private String responseDir;
+
+  /**
+   * 스프링 부팅 완료 시점(빈 생성/초기화 모두 끝난 뒤)에 복구 로직 실행.
+   *
+   * <p>@Transactional: - recover() 메서드 전체가 하나의 트랜잭션으로 감싸집니다. - Job 하나씩 처리하다가 예외가 발생하면 전체 롤백이 될 수
+   * 있으므로 "잡 단위로 확실히 커밋"이 필요하면 (권장) 잡 단위로 분리 트랜잭션(REQUIRES_NEW) 고려하세요.
+   */
+  //  @EventListener(ApplicationReadyEvent.class)
+  @Transactional
   public void recover() {
-    // RUNNING 중인 학습이 있는지 조회
-    ModelTrainJobDto runningJobs = modelTrainJobCoreService.findRunningJobs();
 
-    if (runningJobs == null) {
+    // 1) DB에서 "RUNNING(진행중) 상태"로 남아있는 job 목록을 조회
+    List<ModelTrainJobDto> runningJobs = modelTrainJobCoreService.findRunningJobs();
+
+    // 실행중 job이 없으면 할 일 없음
+    if (runningJobs == null || runningJobs.isEmpty()) {
       return;
     }
 
-    String containerName = runningJobs.getContainerName();
+    // 2) 각 job에 대해 docker 컨테이너 상태를 확인하고, 상태에 따라 조치
+    for (ModelTrainJobDto job : runningJobs) {
+      String containerName = job.getContainerName();
 
       try {
-      boolean containerAlive = isContainerRunning(containerName);
+        // 2-1) docker inspect로 컨테이너 상태 조회
+        DockerInspectState state = inspectContainer(containerName);
 
-      if (containerAlive) {
-        // 컨테이너 살아있으면 → RUNNING 유지
-        log.info("[RECOVERY] container still running: {}", containerName);
+        // 3) 컨테이너가 "없음"
+        //    - docker run --rm 로 실행한 컨테이너는 정상 종료 시 바로 삭제될 수 있음
+        //    - 즉 "컨테이너 없음"이 무조건 실패는 아님
+        if (!state.exists()) {
+          log.warn(
+              "[RECOVERY] container missing. try file-based reconcile. container={}",
+              containerName);
+
+          // 3-1) 컨테이너가 없을 때는 산출물(responseDir)을 보고 완료 여부를 "추정"
+          OutputResult out = probeOutputs(job);
+
+          // 3-2) 산출물이 충분하면 성공 처리
+          if (out.completed()) {
+            log.info("[RECOVERY] outputs look completed. mark SUCCESS. jobId={}", job.getId());
+            modelTrainJobCoreService.markSuccess(job.getId(), 0);
+            markStepSuccessByJobType(job);
 
           } else {
-        // 컨테이너 죽었으면 → FAILED 처리
-        log.info("[RECOVERY] container not found. mark FAILED: {}", containerName);
+            // 3-3) 산출물이 부족하면 실패 처리(운영 정책에 따라 "유예"도 가능)
+            log.warn(
+                "[RECOVERY] outputs incomplete. mark FAILED. jobId={} reason={}",
+                job.getId(),
+                out.reason());
 
             modelTrainJobCoreService.markFailed(
-            runningJobs.getId(), null, "SERVER_RESTART_CONTAINER_NOT_FOUND");
+                job.getId(), -1, "SERVER_RESTART_CONTAINER_MISSING_OUTPUT_INCOMPLETE");
+
+            markStepErrorByJobType(job, out.reason());
           }
-    } catch (IOException e) {
-      log.error("[RECOVERY] container check failed. mark FAILED: {}", containerName, e);
+          continue;
+        }
+
+        // 4) 컨테이너는 존재하고, 아직 running=true
+        //    - 서버만 재기동됐고 컨테이너는 그대로 살아있는 케이스
+        //    - 이 경우 DB를 건드리면 오히려 꼬일 수 있으니 RUNNING 유지
+        if (state.running()) {
+          log.info("[RECOVERY] container still running. container={}", containerName);
+          try {
+            ProcessBuilder pb = new ProcessBuilder("docker", "stop", "-t", "20", containerName);
+            pb.redirectErrorStream(true);
+
+            Process p = pb.start();
+
+            boolean finished = p.waitFor(30, TimeUnit.SECONDS);
+            if (!finished) {
+              p.destroyForcibly();
+              throw new IOException("docker stop timeout");
+            }
+
+            int code = p.exitValue();
+            if (code != 0) {
+              throw new IOException("docker stop failed. exit=" + code);
+            }
+
+            log.info(
+                "[RECOVERY] container stopped (will be auto removed by --rm). container={}",
+                containerName);
+
+            // 여기서 상태를 PAUSED로 바꿔도 되고
+            modelTrainJobCoreService.markPaused(job.getId(), -1, "AUTO_STOP_FAILED_ON_RESTART");
+
+          } catch (Exception e) {
+            log.error("[RECOVERY] docker stop failed. container={}", containerName, e);
+
+            modelTrainJobCoreService.markFailed(job.getId(), -1, "AUTO_STOP_FAILED_ON_RESTART");
+          }
+          continue;
+        }
+
+        // 5) 컨테이너는 존재하지만 running=false
+        //    - exited / dead 등의 상태
+        Integer exitCode = state.exitCode();
+        String status = state.status();
+
+        // 5-1) exitCode=0이면 정상 종료로 간주 → SUCCESS 처리
+        if (exitCode != null && exitCode == 0) {
+          log.info("[RECOVERY] container exited(0). mark SUCCESS. container={}", containerName);
+          modelTrainJobCoreService.markSuccess(job.getId(), 0);
+          markStepSuccessByJobType(job);
+
+        } else {
+          // 5-2) exitCode != 0 이거나 null이면 실패로 간주 → FAILED 처리
+          log.warn(
+              "[RECOVERY] container exited non-zero. mark FAILED. container={} status={} exitCode={}",
+              containerName,
+              status,
+              exitCode);
 
           modelTrainJobCoreService.markFailed(
-          runningJobs.getId(), null, "SERVER_RESTART_CONTAINER_CHECK_ERROR");
+              job.getId(), exitCode, "SERVER_RESTART_CONTAINER_EXIT_NONZERO");
+
+          markStepErrorByJobType(job, "exit=" + exitCode + " status=" + status);
+        }
+
+      } catch (Exception e) {
+        // 6) docker inspect 자체가 실패한 경우
+        //    - docker 데몬 문제/권한 문제/일시적 오류 가능
+        //    - 운영 정책에 따라 "바로 실패" 대신 "유예" 처리도 고려 가능
+        log.error("[RECOVERY] container inspect failed. container={}", containerName, e);
+
+        modelTrainJobCoreService.markFailed(
+            job.getId(), -1, "SERVER_RESTART_CONTAINER_INSPECT_ERROR");
+
+        markStepErrorByJobType(job, "inspect-error");
+      }
     }
   }
 
   /**
-   * docker 실행중인지 확인하기
+   * jobType에 따라 학습 관리 테이블의 "성공 단계"를 업데이트.
    *
-   * @param containerName container name
-   * @return true, false
-   * @throws IOException
+   * <p>예: - jobType == "EVAL" → step2(평가 단계) 성공 - 그 외 → step1(학습 단계) 성공
    */
-  private boolean isContainerRunning(String containerName) throws IOException {
+  private void markStepSuccessByJobType(ModelTrainJobDto job) {
+    Map<String, Object> params = job.getParamsJson();
+    boolean isEval = params != null && "EVAL".equals(String.valueOf(params.get("jobType")));
+    if (isEval) {
+      modelTrainMngCoreService.markStep2Success(job.getModelId());
+    } else {
+      modelTrainMngCoreService.markStep1Success(job.getModelId());
+    }
+  }
+
+  /**
+   * jobType에 따라 학습 관리 테이블의 "에러 단계"를 업데이트.
+   *
+   * <p>예: - jobType == "EVAL" → step2(평가 단계) 에러 - 그 외 → step1 혹은 전체 에러
+   */
+  private void markStepErrorByJobType(ModelTrainJobDto job, String msg) {
+    Map<String, Object> params = job.getParamsJson();
+    boolean isEval = params != null && "EVAL".equals(String.valueOf(params.get("jobType")));
+    if (isEval) {
+      modelTrainMngCoreService.markStep2Error(job.getModelId(), msg);
+    } else {
+      modelTrainMngCoreService.markError(job.getModelId(), msg);
+    }
+  }
+
+  /**
+   * docker inspect를 사용해서 컨테이너 상태를 조회합니다.
+   *
+   * <p>사용하는 템플릿: {{.State.Status}} {{.State.Running}} {{.State.ExitCode}}
+   *
+   * <p>예상 출력 예: - "running true 0" - "exited false 0" - "exited false 137"
+   *
+   * <p>주의: - 컨테이너가 없거나 inspect 실패 시 exitCode != 0 또는 output이 비어서 missing() 반환 - 무한 대기 방지를 위해 5초
+   * 타임아웃을 둠
+   */
+  private DockerInspectState inspectContainer(String containerName)
+      throws IOException, InterruptedException {
 
     ProcessBuilder pb =
-        new ProcessBuilder("docker", "inspect", "-f", "{{.State.Running}}", containerName);
+        new ProcessBuilder(
+            "docker",
+            "inspect",
+            "-f",
+            "{{.State.Status}} {{.State.Running}} {{.State.ExitCode}}",
+            containerName);
+
+    // stderr를 stdout으로 합쳐서 한 스트림으로 읽기(에러 메시지도 함께 받음)
+    pb.redirectErrorStream(true);
 
     Process p = pb.start();
-    BufferedReader br = new BufferedReader(new InputStreamReader(p.getInputStream()));
 
-    String line = br.readLine();
-    return "true".equals(line);
+    // inspect 출력은 1줄이면 충분하므로 readLine()만 수행
+    String output;
+    try (BufferedReader br = new BufferedReader(new InputStreamReader(p.getInputStream()))) {
+      output = br.readLine();
+    }
+
+    // 무한대기 방지: 5초 내에 종료되지 않으면 강제 종료
+    boolean finished = p.waitFor(5, TimeUnit.SECONDS);
+    if (!finished) {
+      p.destroyForcibly();
+      throw new IOException("docker inspect timeout");
+    }
+
+    // docker inspect 자체의 프로세스 exit code
+    int code = p.exitValue();
+
+    // 실패(코드 !=0) 또는 출력이 없으면 "컨테이너 없음"으로 간주
+    if (code != 0 || output == null || output.isBlank()) {
+      return DockerInspectState.missing();
+    }
+
+    // "status running exitCode" 형태로 split
+    String[] parts = output.trim().split("\\s+");
+
+    // status: running/exited/dead 등
+    String status = parts.length > 0 ? parts[0] : "unknown";
+
+    // running: true/false
+    boolean running = parts.length > 1 && Boolean.parseBoolean(parts[1]);
+
+    // exitCode: 정수 파싱(파싱 실패하면 null)
+    Integer exitCode = null;
+    if (parts.length > 2) {
+      try {
+        exitCode = Integer.parseInt(parts[2]);
+      } catch (Exception ignore) {
+        // ignore
+      }
+    }
+
+    return new DockerInspectState(true, running, exitCode, status);
+  }
+
+  /**
+   * docker inspect 결과를 담는 레코드.
+   *
+   * <p>exists: - true : docker inspect 성공 (컨테이너 존재) - false : 컨테이너 없음(또는 inspect 실패를 missing으로 간주)
+   */
+  private record DockerInspectState(
+      boolean exists, boolean running, Integer exitCode, String status) {
+    static DockerInspectState missing() {
+      return new DockerInspectState(false, false, null, "missing");
+    }
+  }
+
+  // ============================================================================================
+  // 컨테이너가 "없을 때" 파일 기반으로 완료/미완료를 판정하는 로직
+  // ============================================================================================
+
+  /**
+   * 컨테이너가 없을 때(responseDir 산출물만 남아있는 상태) 완료 여부를 파일 기반으로 판정합니다.
+   *
+   * <p>판정 규칙(보수적으로 설계): 1) total_epoch가 paramsJson에 있어야 함 (없으면 완료 판단 불가) 2) val.csv 존재 + 헤더 제외 라인 수
+   * >= total_epoch 이어야 함 3) *.pth 파일이 total_epoch 이상 존재하거나, best*.pth(또는 *best*.pth)가 존재해야 함
+   *
+   * <p>왜 이렇게? - 어떤 학습은 epoch마다 pth를 남기고 - 어떤 학습은 best만 남기기도 해서 "pthCount >= total_epoch"만 쓰면 정상 종료를
+   * 실패로 오판할 수 있음.
+   */
+  private OutputResult probeOutputs(ModelTrainJobDto job) {
+    try {
+      Path outDir = resolveOutputDir(job);
+      if (outDir == null || !Files.isDirectory(outDir)) {
+        return new OutputResult(false, "output-dir-missing");
+      }
+
+      Integer totalEpoch = extractTotalEpoch(job).orElse(null);
+      if (totalEpoch == null || totalEpoch <= 0) {
+        return new OutputResult(false, "total-epoch-missing");
+      }
+
+      Path valCsv = outDir.resolve("val.csv");
+      if (!Files.exists(valCsv)) {
+        return new OutputResult(false, "val.csv-missing");
+      }
+
+      long lines = countNonHeaderLines(valCsv);
+
+      // “같아야 완료” 정책
+      if (lines == totalEpoch) {
+        return new OutputResult(true, "ok");
+      }
+
+      return new OutputResult(
+          false, "val.csv-lines-mismatch lines=" + lines + " expected=" + totalEpoch);
+
+    } catch (Exception e) {
+      log.error("[RECOVERY] probeOutputs error. jobId={}", job.getId(), e);
+      return new OutputResult(false, "probe-error");
+    }
+  }
+
+  /**
+   * responseDir 아래에서 job 산출물 디렉토리를 찾습니다.
+   *
+   * <p>가장 중요한 커스터마이징 포인트: - 실제 운영 환경에서 산출물이 어떤 경로 규칙으로 저장되는지에 따라 여기만 수정하면 됩니다.
+   *
+   * <p>현재 기본 탐색 순서: 1) {responseDir}/{jobId} 2) {responseDir}/{modelId} 3)
+   * {responseDir}/{containerName} 4) 마지막 fallback: responseDir 자체
+   *
+   * <p>추천: - 여러분 규칙이 "{responseDir}/{modelId}/{jobId}" 같은 형태라면 base.resolve(modelId).resolve(jobId)
+   * 형태를 1순위로 두세요.
+   */
+  private Path resolveOutputDir(ModelTrainJobDto job) {
+    ModelTrainMngDto.Basic model = modelTrainMngCoreService.findModelById(job.getModelId());
+
+    Path base = Paths.get(responseDir, model.getUuid().toString(), "metrics");
+
+    return Files.isDirectory(base) ? base : null;
+  }
+
+  /**
+   * paramsJson에서 total_epoch 값을 추출합니다.
+   *
+   * <p>키 후보: - "total_epoch" (snake_case) - "totalEpoch" (camelCase)
+   *
+   * <p>예: paramsJson = {"jobType":"TRAIN","total_epoch":50,...}
+   */
+  private Optional<Integer> extractTotalEpoch(ModelTrainJobDto job) {
+    Map<String, Object> params = job.getParamsJson();
+    if (params == null) return Optional.empty();
+
+    Object v = params.get("total_epoch");
+    if (v == null) v = params.get("totalEpoch");
+    if (v == null) return Optional.empty();
+
+    try {
+      return Optional.of(Integer.parseInt(String.valueOf(v)));
+    } catch (Exception ignore) {
+      return Optional.empty();
+    }
+  }
+
+  /**
+   * CSV 파일에서 "헤더(첫 줄)"를 제외한 라인 수를 계산합니다.
+   *
+   * <p>가정: - val.csv 첫 줄은 헤더 - 이후 라인들이 epoch별 기록(또는 유사한 누적 기록)
+   *
+   * <p>주의: - 파일 인코딩은 UTF-8로 가정 - 빈 줄은 제외
+   */
+  private long countNonHeaderLines(Path csv) throws IOException {
+    try (Stream<String> lines = Files.lines(csv, StandardCharsets.UTF_8)) {
+      return lines.skip(1).filter(s -> s != null && !s.isBlank()).count();
+    }
+  }
+
+  /**
+   * 디렉토리에서 glob 패턴에 맞는 파일 수를 셉니다.
+   *
+   * <p>예: - "*.pth" - "best*.pth"
+   */
+  private long countFilesByGlob(Path dir, String glob) throws IOException {
+    try (DirectoryStream<Path> ds = Files.newDirectoryStream(dir, glob)) {
+      long cnt = 0;
+      for (Path p : ds) {
+        if (Files.isRegularFile(p)) cnt++;
+      }
+      return cnt;
+    }
+  }
+
+  /** 디렉토리에서 glob 패턴에 맞는 파일이 "하나라도" 존재하는지 체크합니다. */
+  private boolean existsByGlob(Path dir, String glob) throws IOException {
+    try (DirectoryStream<Path> ds = Files.newDirectoryStream(dir, glob)) {
+      return ds.iterator().hasNext();
+    }
+  }
+
+  // ============================================================================================
+  // probeOutputs() 결과 객체
+  // ============================================================================================
+
+  /**
+   * 컨테이너가 없을 때(responseDir 기반) 완료 여부 판정 결과.
+   *
+   * <p>completed: - true : 산출물이 완료로 보임(성공 처리 가능) - false : 산출물이 부족/불명확(실패 또는 유예 판단)
+   *
+   * <p>reason: - 실패/미완료 사유(로그/DB 메시지로 남기기 용도)
+   */
+  private static final class OutputResult {
+
+    private final boolean completed;
+    private final String reason;
+
+    private OutputResult(boolean completed, String reason) {
+      this.completed = completed;
+      this.reason = reason;
+    }
+
+    boolean completed() {
+      return completed;
+    }
+
+    String reason() {
+      return reason;
+    }
   }
 }

src/main/java/com/kamco/cd/training/train/service/TmpDatasetService.java

@@ -26,6 +26,7 @@ public class TmpDatasetService {
    * @param uid 임시폴더 uuid
    * @param type train, val, test
    * @param links tif pull path
+   * @return
    * @throws IOException
    */
   public void buildTmpDatasetHardlink(String uid, String type, List<ModelTrainLinkDto> links)

src/main/java/com/kamco/cd/training/train/service/TrainJobService.java

@@ -266,6 +266,8 @@ public class TrainJobService {
     List<String> uids = modelTrainMngCoreService.findDatasetUid(datasetIds);
 
     try {
+      // 데이터셋 심볼링크 생성
+      //      String pathUid = tmpDatasetService.buildTmpDatasetSymlink(raw, uids);
       // train path
       List<ModelTrainLinkDto> trainList = modelTrainMngCoreService.findDatasetTrainPath(modelId);
       // validation path