112 lines
4.9 KiB
Markdown
112 lines
4.9 KiB
Markdown
|
# Runbook — Supervision et alertes
|
||
|
|
|
||
|
|
## Ce qui tourne
|
||
|
|
|
||
|
|
| Service | Adresse (interne, `10.10.0.1`) | Déployé par |
|
||
|
|
|---|---|---|
|
||
|
|
| Prometheus | `:9091` | Kolla (`enable_prometheus: "yes"`) |
|
||
|
|
| Alertmanager | `:9093` | Kolla |
|
||
|
|
| Grafana | `:3000` | Kolla |
|
||
|
|
| node_exporter | `:9100` | Kolla (+ collecteur textfile, rôle `supervision`) |
|
||
|
|
| openstack-exporter | `:9198` | Kolla |
|
||
|
|
| cAdvisor, libvirt/mysqld/memcached exporters | ports divers | Kolla |
|
||
|
|
| Relais Alertmanager → ntfy | `127.0.0.1:9099` | rôle Ansible `supervision` |
|
||
|
|
| Uptime Kuma | `127.0.0.1:3001` | rôle Ansible `supervision` (conteneur Docker) |
|
||
|
|
|
||
|
|
Rien de tout cela n'est exposé sur `eno1` (vérifié : seuls 22/80/443 répondent
|
||
|
|
depuis Internet). **Tant qu'il n'y a pas de domaine, l'accès se fait par
|
||
|
|
tunnel SSH.**
|
||
|
|
|
||
|
|
## Accéder aux interfaces (tunnel SSH depuis le Mac)
|
||
|
|
|
||
|
|
```
|
||
|
|
ssh -L 3000:10.10.0.1:3000 -L 9091:10.10.0.1:9091 -L 9093:10.10.0.1:9093 -L 3001:127.0.0.1:3001 paillasse
|
||
|
|
```
|
||
|
|
|
||
|
|
Puis dans le navigateur : `http://localhost:3000` (Grafana), `:9091`
|
||
|
|
(Prometheus), `:9093` (Alertmanager), `:3001` (Uptime Kuma — premier accès :
|
||
|
|
créer le compte admin toi-même, c'est une étape interactive).
|
||
|
|
|
||
|
|
Identifiants Grafana/Prometheus/Alertmanager : utilisateur `admin`, mot de
|
||
|
|
passe dans `/etc/kolla/passwords.yml` sur le serveur (`grafana_admin_password`,
|
||
|
|
`prometheus_password`, `prometheus_alertmanager_password`) — jamais affichés
|
||
|
|
ici, à lire toi-même :
|
||
|
|
```
|
||
|
|
sudo grep '^grafana_admin_password:' /etc/kolla/passwords.yml
|
||
|
|
```
|
||
|
|
|
||
|
|
## Alertes en place
|
||
|
|
|
||
|
|
Fichier `kolla/config/prometheus/alertes.rules` (poussé par le rôle
|
||
|
|
`supervision`, chargé par Prometheus) :
|
||
|
|
|
||
|
|
| Alerte | Condition | Sévérité |
|
||
|
|
|---|---|---|
|
||
|
|
| `DisqueSature` | occupation de `/` > 80 % pendant 5 min | avertissement |
|
||
|
|
| `MemoireSaturee` | RAM utilisée > 90 % pendant 5 min | avertissement |
|
||
|
|
| `ServiceOpenStackArrete` | un agent Nova ou Neutron à l'état différent de `up` pendant 2 min | critique |
|
||
|
|
| `SauvegardeAncienne` | dernière sauvegarde Dedibackup réussie il y a plus de 26 h | critique |
|
||
|
|
|
||
|
|
`SauvegardeAncienne` dépend d'une métrique maison
|
||
|
|
(`syllabus_derniere_sauvegarde_reussie_timestamp`), écrite par
|
||
|
|
`sauvegarde-dedibackup.sh` dans `/var/lib/node_exporter/textfile/sauvegarde.prom`
|
||
|
|
à chaque sauvegarde réussie (collecteur "textfile" de node_exporter).
|
||
|
|
|
||
|
|
**Limite connue, assumée pour l'instant : pas d'alerte « serveur
|
||
|
|
injoignable ».** Toute la chaîne (Prometheus, Alertmanager, le relais, ntfy)
|
||
|
|
tourne sur le même serveur que ce qu'elle surveille : si le serveur tombe
|
||
|
|
complètement, rien ne peut prévenir personne. C'est exactement pour ça que
|
||
|
|
CLAUDE.md prévoyait à l'origine une sonde **hors du serveur** (un petit
|
||
|
|
Hetzner CX23). Dans ce déploiement (un seul serveur Scaleway), ce n'est pas
|
||
|
|
fait — à décider avec Adam s'il veut un jour un point de supervision externe.
|
||
|
|
|
||
|
|
## Le relais Alertmanager → ntfy
|
||
|
|
|
||
|
|
Alertmanager ne sait pas parler nativement le format ntfy. Un petit service
|
||
|
|
Python (`/usr/local/sbin/alertmanager-ntfy.py`, service systemd
|
||
|
|
`alertmanager-ntfy`, écoute uniquement sur `127.0.0.1:9099`) reçoit le webhook
|
||
|
|
JSON standard d'Alertmanager et le retraduit en notification ntfy.
|
||
|
|
|
||
|
|
- L'URL ntfy (avec le topic) est lue à chaque notification depuis
|
||
|
|
`/root/.alertes-webhook` (`600 root:root`) — jamais mise en cache, jamais
|
||
|
|
journalisée, jamais dans Git.
|
||
|
|
- Configuration Alertmanager : `kolla/config/prometheus/prometheus-alertmanager.yml`
|
||
|
|
(receveur unique `ntfy`, webhook vers le relais local).
|
||
|
|
|
||
|
|
### Déclencher une alerte de test
|
||
|
|
|
||
|
|
Sans toucher à rien de réel sur le serveur, via l'API d'Alertmanager :
|
||
|
|
|
||
|
|
```
|
||
|
|
ssh paillasse
|
||
|
|
sudo bash -c '
|
||
|
|
PASS=$(awk -F": " "/^prometheus_alertmanager_password:/{print \$2}" /etc/kolla/passwords.yml)
|
||
|
|
MAINTENANT=$(date -u +%Y-%m-%dT%H:%M:%S.000Z)
|
||
|
|
FIN=$(date -u -d "+5 minutes" +%Y-%m-%dT%H:%M:%S.000Z)
|
||
|
|
curl -s --user "admin:$PASS" -XPOST http://10.10.0.1:9093/api/v2/alerts -H "Content-Type: application/json" -d "[{
|
||
|
|
\"labels\": {\"alertname\": \"TestManuel\"},
|
||
|
|
\"annotations\": {\"description\": \"Test manuel.\"},
|
||
|
|
\"startsAt\": \"$MAINTENANT\", \"endsAt\": \"$FIN\"
|
||
|
|
}]"
|
||
|
|
unset PASS
|
||
|
|
'
|
||
|
|
```
|
||
|
|
|
||
|
|
**Vérifié le 2026-10-07 : alerte de test reçue par Adam sur ntfy**, par ce
|
||
|
|
mécanisme et en testant aussi le relais directement
|
||
|
|
(`curl -XPOST http://127.0.0.1:9099/alertmanager ...`).
|
||
|
|
|
||
|
|
## Après tout changement à `kolla/config/prometheus/*` ou `kolla/globals.yml`
|
||
|
|
|
||
|
|
```
|
||
|
|
cd ansible && script -q /dev/null ansible-playbook kolla.yml -i inventory.ini
|
||
|
|
cd ansible && script -q /dev/null ansible-playbook supervision.yml -i inventory.ini
|
||
|
|
ssh paillasse "sudo -i bash -c 'export PATH=/opt/kolla-venv/bin:\$PATH; kolla-ansible reconfigure -i /etc/kolla/all-in-one --tags prometheus'"
|
||
|
|
```
|
||
|
|
|
||
|
|
**Piège vécu le 2026-10-07 :** modifier `kolla/globals.yml` ou un fichier de
|
||
|
|
`kolla/config/` dans le dépôt ne suffit pas : il faut d'abord rejouer
|
||
|
|
`kolla.yml`/`supervision.yml` pour le copier sur le serveur, **puis**
|
||
|
|
`kolla-ansible reconfigure`. Oublier la première étape fait tourner
|
||
|
|
`reconfigure` sur l'ancienne config, sans erreur visible.
|