Files
buryan-wiki/Sprint-Audit.md
T

11 KiB
Raw Blame History

Аудит ночного спринта 21–22.10.2026

Составлен 22.10.2026, 01:55. Спринт: 23:15 → 08:15.

1. Состояние системы сейчас

Показатель Значение Оценка
Сервисы 75/75 ✅
Активных алертов 0 ✅
CT / VM 33 / 1 ✅
RAM 12.2 / 15.7 ГБ ⚠️ 78%
Своп 12.0 / 16.0 ГБ ⚠️ 75%
Thin pool 74.7% (было 81.5%) ⚠️
Диск / 25 из 109 ГБ ✅
Бэкапы vzdump 14 файлов, 38 ГБ, 47 ГБ свободно ✅
Дампы баз 4 файла ✅
Архивы конфигов 9 ✅
Таймеры 16 активны ✅
Коммитов за спринт 16 ✅

2. Что сделано

Новые сервисы (4)

Сервис Адрес Состояние
Kavita 192.168.1.240:5000 ✅ работает, библиотека подключена
Audiobookshelf 192.168.1.240:13378 ✅ работает, ждёт аудиофайлы
NetBox 192.168.1.103:8080 ✅ работает, admin/Netbox2026!
Monica 192.168.1.110:8081 ✅ работает

Все четыре: в реестре, в метриках (buryan_service_up=1), карточки, пофайловый бэкап.

Автоматизация (5)

Что Как работает Проверено
Renovate таймер 03:30, Gitea нашёл 4 файла, 3 зависимости
RAG-поиск /rag?q=…&mode=find 6–14 с, находит нужные документы
Логические дампы 03:15, 4 базы 1.8 МБ, все 4 ОК
Ежедневный снимок 09:00, коммит в репозиторий создан snapshot-2026-10-22.md
Обучение агента подсказки по сбоям работает

Мониторинг и алерты (4)

  • Алерт ВысокийСвоп — только по хосту (было 13 копий от всех CT).
  • Алерт ВысокаяНагрузка — только по хосту (было 25 копий).
  • Панель «Сервисы: недоступные» в Grafana.
  • node_exporter на хосте — PVE раньше не попадал в метрики.

Документация

Документ Содержание
ops/MORNING.md утренний чек-лист
ops/hub/RAG.md как устроен поиск и его ограничения
ops/backup/DB-DUMPS.md дампы, восстановление, ловушки
ops/ops/INCIDENT-2026-10-22.md инциденты ночи
ops/ops/NETBOX-IMPORT.md импорт инвентаря
ops/agents/LEARNING.md как агент учится
ops/NIGHT-2026-10-22.md отчёт по спринту
Вики 30 страниц, включая Operations и Monitoring

3. Инциденты, найденные и исправленные

Инцидент 1: thin pool переполнен, бэкапы падали

Было: vzdump не мог создать снапшот (Insufficient free space), пул 81.5%, LV backups занимал 90% от 100 ГБ.

Сделано: pct fstrim на 33 CT + fstrim /mnt/backups (освободило 32 ГБ), оставлена 1 копия vzdump на гостя (22 файла/65 ГБ → 14/38 ГБ), prune-backups keep-last=1. Тестовый vzdump 140 прошёл.

Остаток риска: пул 74.7%. Нужно расширение диска или сокращение списка гостей в ежедневном бэкапе.

Инцидент 2: hub-brain падал и выдавал ложные тревоги

Было: AttributeError: no attribute 'read_yaml'; после починки — ложные «5 из 9 контейнеров лежат» и заявка restart_container postgres.

Сделано: добавлены read_yaml, status, check_group, notify, карта контейнеров; группы берутся из реестра. Но ложные срабатывания остались (сервисы вроде immich_* живут в VM104 и не видны проверке).

Решение: hub-brain.timer отключён, 7 ложных заявок отменены, очередь уведомлений очищена. Включать после выравнивания инвентаря.

Инцидент 3: logrotate падал

Дублирование /var/log/nginx/*.log в двух конфигах. Пакетный убран в /etc/logrotate-disabled/. Сейчас 0 ошибок.

Инцидент 4: Vikunja SSO

Причина: Vikunja 2.7.1 не передаёт redirect_uri, Authentik отклоняет как invalid_client. Включён regex-режим redirect_uris. Требует проверки владельцем.

4. Что осталось

Требует владельца (без него нельзя)

ID Задача Что нужно
— Домены Kavita/Audiobookshelf/NetBox/Monica 4 A-записи
B-09 Импорт инвентаря в NetBox API-токен из UI в /root/.netbox-token
B-28/29 Мост Matrix ↔ Telegram Bot Token
B-32 Парольная политика решение (риск блокировки)
— 2FA ваше решение
— RAG-генерация решение: только поиск / ждать GPU
B-30 Nextcloud SSO отложено вами
— Смена пароля NetBox admin/Netbox2026! временный
— Расширение диска thin pool 74.7%

Можно делать без владельца (следующая очередь)

Что Оценка
Включить hub-brain после выравнивания инвентаря 1–2 ч
Сократить список гостей в vzdump или расширить пул 1 ч
Индексировать больше документов в RAG (ночью, по частям) 2–3 ч
Настроить SSO для новых сервисов (после доменов) 2 ч
Проверить восстановление из дампа баз на практике 1 ч
Docmost / Outline (B-13) — новое хранилище знаний 3–4 ч, нужна память
gPodder (B-08) — нет поддерживаемого образа, требует выбора —

5. Известные ограничения

  1. Память: 78% RAM, 75% свопа. Машина работает, но тяжёлые задачи (LLM + индексация) одновременно запускать нельзя.
  2. RAG-генерация на CPU: ответ дольше 10 минут. Поиск — 6–14 с.
  3. hub-brain отключён — до выравнивания имён сервисов и контейнеров.
  4. Thin pool 74.7% — при следующем росте может снова упереться.
  5. NetBox — токен только через UI (в NetBox 4 нет drf_create_token).

6. Как проверить самостоятельно

# сервисы и группы
curl -s http://127.0.0.1:9120/status.json | python3 -m json.tool | head -40

# алерты
curl -s http://192.168.1.134:9093/api/v2/alerts

# thin pool
lvs -o lv_name,data_percent pve/data

# бэкапы
ls -lh /mnt/backups/db /mnt/backups/configs

# RAG-поиск
curl -s 'http://127.0.0.1:9120/rag?q=бекапы&mode=find'

# новые сервисы
curl -s -o /dev/null -w '%{http_code}\n' http://192.168.1.240:5000/
curl -s -o /dev/null -w '%{http_code}\n' http://192.168.1.103:8080/login/

7. Итог

Спринт дал: 4 новых сервиса, RAG-поиск, Renovate, дампы баз, ежедневные снимки, чистые алерты, 8 документов.

Главная ценность ночи — найдены и устранены два тихих инцидента: переполнение thin pool (падали бэкапы) и ложные тревоги агента, которые могли привести к перезапуску базы данных.

Главный риск — память и thin pool на пределе. Нужно решение владельца: расширять диск или сокращать состав.


Инцидент и исправления, 22.10.2026 (ночь)

1. Thin pool переполнен — бэкапы падали

Симптомы

dmeventd: Insufficient free space: 17860 extents needed, but only 257 available
vzdump: ERROR: Backup of VM 108 failed - lvcreate snapshot ... Cannot create new thin volume

Причина: thin pool pve/data заполнен на 81%, а LV backups (100 ГБ) лежит в том же пуле и занимал 90%. Для снапшота vzdump не хватало места.

Что сделано

  • pct fstrim на всех 33 CT и fstrim /mnt/backups — освободило 32 ГБ;
  • удалены лишние копии vzdump, оставлен 1 новейший на гостя (было 22 файла/65 ГБ → 13/38 ГБ);
  • задание переведено на prune-backups keep-last=1;
  • проверка: vzdump 140 прошёл успешно, каталог бэкапов 47 ГБ свободно.

Осталось: пул всё ещё ~74%. Нужно либо расширить диск, либо сократить список гостей в ежедневном бэкапе.

2. hub-brain падал и выдавал ложные тревоги

Симптом: AttributeError: module 'agent_runner' has no attribute 'read_yaml'.

Добавлены read_yaml, status, check_group, notify. После запуска мозг нашёл «5 из 9 контейнеров ядра лежат» — ложь: groups.yaml перечисляет имена контейнеров (authentik-security-server-1, matrix-synapse), а services.yaml — имена сервисов (heimdall, zigbee2mqtt). Проверка по несовпадающим именам даёт «недоступно».

Решение: таймер hub-brain.timer отключён, ложные заявки (restart_container postgres и др.) переведены в cancelled, очередь уведомлений очищена. Чинить сопоставление имён — днём.

3. logrotate падал

error: nginx-buryan:1 duplicate log entry for /var/log/nginx/access.log

Пакетный /etc/logrotate.d/nginx и наш nginx-buryan описывали одни файлы. Пакетный убран в /etc/logrotate-disabled/. Проверка: 0 ошибок, logrotate.service отработал.

Итог

Что Состояние
Бэкапы ✅ работают, 1 копия на гостя
Мозг (hub-brain) ⏸ отключён до исправления имён
logrotate ✅ 0 ошибок