mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-08 05:34:43 +02:00
docs: réorganisation complète de admin/ en 4 domaines thématiques
Structure avant : 20 fichiers à plat dans admin/ — difficile à naviguer.
Structure après : 4 sous-répertoires thématiques + index clair.
Réorganisation :
admin/ops/ → cluster.md, ansible.md, systeme.md
admin/infra/ → reseau.md, nfs.md, dnsmasq.md, ssh.md
admin/k8s/ → talos.md, argocd.md, monitoring.md
admin/ia/ → llama_server.md, rocm.md, litellm.md, hermes.md
Suppressions :
- ask-agent.md : contenu fusionné dans ia/hermes.md (section ask-agent)
- lm_studio.md : obsolète (LM Studio remplacé par llama-server)
Mises à jour contenu :
- ia/hermes.md : fusion complète avec ask-agent.md (profils, skills,
SOUL.md, ask-agent CLI, dépannage) — doc unifiée sans redondance
- ops/cluster.md : section GitOps réduite à 2 lignes + lien argocd.md
- incidents.md : tableau de résumé en tête + 4 nouveaux incidents
(Grafana OOMKilled, AlertManager null receiver, llama-server 501,
nftables règle après drop)
- README.md : réécrit — navigation rapide + index par domaine
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
alkatrazz
parent
d552abd2ef
commit
5bcf95b82e
19 changed files with 633 additions and 677 deletions
161
admin/ops/cluster.md
Normal file
161
admin/ops/cluster.md
Normal file
|
|
@ -0,0 +1,161 @@
|
|||
# Gestion du cluster Funk
|
||||
|
||||
Script central : `/usr/local/bin/funk-cluster` sur storage-01.
|
||||
Fonctions bash configurées dans `~/.bashrc` du poste perso.
|
||||
|
||||
---
|
||||
|
||||
## Commandes
|
||||
|
||||
```bash
|
||||
# Depuis le poste perso
|
||||
funk-status # État complet (storage-01 + gpu-01 + k8s)
|
||||
funk-start # Démarre gpu-01 (WOL) + tous les services
|
||||
funk-start --k8s # Idem + démarre le cluster k8s (compute-01/02/03)
|
||||
funk-stop # Arrête services + gpu-01 + storage-01
|
||||
funk-stop --k8s # Idem + éteint le cluster k8s avant
|
||||
```
|
||||
|
||||
> `funk-stop` éteint storage-01 en dernier — la connexion SSH se coupe, c'est normal.
|
||||
|
||||
---
|
||||
|
||||
## Procédures d'utilisation
|
||||
|
||||
### Allumer le homelab (sans k8s)
|
||||
|
||||
1. **Allumer storage-01 et gpu-01 manuellement** (bouton physique)
|
||||
2. Attendre ~30s que storage-01 boot
|
||||
3. Depuis le poste perso :
|
||||
```bash
|
||||
funk-start
|
||||
```
|
||||
4. Le script démarre les services et attend que gpu-01 soit prêt (~3 min pour les modèles LLM)
|
||||
5. Vérifier l'état :
|
||||
```bash
|
||||
funk-status
|
||||
```
|
||||
|
||||
### Allumer le homelab complet (avec k8s)
|
||||
|
||||
1. **Allumer storage-01 et gpu-01 manuellement**
|
||||
2. Lancer le démarrage :
|
||||
```bash
|
||||
funk-start --k8s
|
||||
```
|
||||
3. Le script envoie des paquets WOL aux compute nodes — **si WOL non configuré dans le BIOS, allumer compute-01/02/03 manuellement pendant l'attente ping** (~30s de fenêtre)
|
||||
4. Le script attend automatiquement que les nœuds k8s soient `Ready` (3 min max)
|
||||
|
||||
> WOL sur les compute nodes nécessite `Wake on LAN` activé dans le BIOS (Gigabyte : `Advanced → ACPI Settings`). Tant que ce n'est pas configuré, allumage manuel requis.
|
||||
|
||||
### Éteindre le homelab (sans k8s)
|
||||
|
||||
```bash
|
||||
funk-stop
|
||||
```
|
||||
|
||||
La connexion SSH se coupe à la fin (storage-01 s'éteint lui-même). C'est normal.
|
||||
|
||||
### Éteindre le homelab complet (avec k8s)
|
||||
|
||||
```bash
|
||||
funk-stop --k8s
|
||||
```
|
||||
|
||||
Ordre d'arrêt : hermes-agent + litellm → cordon+drain compute-02/03 → drain compute-01 → vérif NFS → talosctl shutdown → gpu-01 → qdrant + postgresql → storage-01.
|
||||
Ordre de démarrage : storage-01 déjà up → gpu-01 (WOL) → compute-01/02/03 (WOL) → uncordon → ArgoCD up → workloads.
|
||||
|
||||
---
|
||||
|
||||
## Ce que fait chaque commande
|
||||
|
||||
### `funk-status`
|
||||
|
||||
Vérifie dans l'ordre :
|
||||
- Services storage-01 : postgresql-16, qdrant, litellm, hermes-agent
|
||||
- Santé : PostgreSQL (connexion réelle), Qdrant (collections), LiteLLM (modèles), Hermes, NFS export
|
||||
- gpu-01 : ping, NFS /mnt/models, llama-server GPU (:1234), embeddings, llama-server CPU (:1236/:1237)
|
||||
- Cluster k8s : ping compute-01/02/03, kubectl get nodes Ready
|
||||
|
||||
### `funk-start [--k8s]`
|
||||
|
||||
1. Démarre postgresql-16, qdrant, litellm, hermes-agent sur storage-01
|
||||
2. Envoie un paquet Wake-on-LAN à gpu-01 si éteint, attend le ping + SSH
|
||||
3. Attend le montage NFS `/mnt/models` sur gpu-01
|
||||
4. Attend le chargement du modèle GPU (jusqu'à 4 min)
|
||||
5. Attend les modèles CPU (jusqu'à 2 min)
|
||||
6. `--k8s` :
|
||||
- Envoie WOL aux 3 nœuds, attend ping, attend nœuds Ready (3 min max)
|
||||
- **Uncordon** des nœuds s'ils sont `SchedulingDisabled` (état résiduel après `funk-stop --k8s`)
|
||||
- Attend qu'ArgoCD soit Running (signe que le GitOps redémarre les workloads)
|
||||
|
||||
### `funk-stop [--k8s]`
|
||||
|
||||
1. Arrête hermes-agent et litellm sur storage-01 (timeout 10s + SIGKILL si besoin)
|
||||
2. `--k8s` — arrêt propre du cluster en 6 étapes :
|
||||
- **Cordon** des 3 nœuds → plus aucun pod ne peut être replanifié
|
||||
- **Drain compute-02** → SIGTERM aux pods, 30s grace period, PVCs NFS démontés
|
||||
- **Drain compute-03** → idem (Prometheus, Grafana flushent leur WAL/SQLite)
|
||||
- **Drain compute-01** → ArgoCD, kube-state-metrics, etc.
|
||||
- **Vérification NFS** → confirme que plus aucune session NFS active depuis k8s
|
||||
- **talosctl shutdown** → halt propre (plus rien ne tourne, rien n'écrit)
|
||||
3. Éteint gpu-01 (`shutdown -h now` via SSH)
|
||||
4. Arrête qdrant et postgresql-16 sur storage-01
|
||||
5. Éteint storage-01 (`shutdown -h now`) — connexion SSH coupée
|
||||
|
||||
---
|
||||
|
||||
## GitOps
|
||||
|
||||
Modifier `k8s/` → `git push` → ArgoCD applique (~3 min).
|
||||
UI : http://argocd.lab.local — doc complète : [k8s/argocd.md](../k8s/argocd.md)
|
||||
|
||||
---
|
||||
|
||||
## Machines et MACs
|
||||
|
||||
| Machine | IP | MAC | Rôle |
|
||||
|---|---|---|---|
|
||||
| storage-01 | 192.168.10.1 / 192.168.1.200 | — | Passerelle + services IA |
|
||||
| gpu-01 | 192.168.10.20 | `a8:a1:59:72:a6:11` | LLM GPU + CPU |
|
||||
| compute-01 | 192.168.10.11 | `6c:4b:90:82:8e:47` | k8s control-plane |
|
||||
| compute-02 | 192.168.10.12 | `6c:4b:90:cf:7f:c5` | k8s worker |
|
||||
| compute-03 | 192.168.10.13 | `6c:4b:90:b6:49:20` | k8s worker |
|
||||
|
||||
---
|
||||
|
||||
## Fonctions bash (`~/.bashrc` poste perso)
|
||||
|
||||
```bash
|
||||
funk-start() { ssh storage-01 "sudo /usr/local/bin/funk-cluster start $*"; }
|
||||
funk-stop() { ssh storage-01 "sudo /usr/local/bin/funk-cluster stop $*"; }
|
||||
alias funk-status='ssh storage-01 "sudo /usr/local/bin/funk-cluster status"'
|
||||
alias funk-pull='ssh storage-01 "sudo -u ansible git -C /srv/data/lab pull"'
|
||||
```
|
||||
|
||||
Les fonctions bash transmettent les arguments — `funk-start --k8s` et `funk-stop --k8s` fonctionnent directement.
|
||||
|
||||
---
|
||||
|
||||
## Déploiement du script
|
||||
|
||||
Le script est versionné dans `ansible/roles/litellm/files/funk-cluster`.
|
||||
Pour le redéployer sur storage-01 :
|
||||
|
||||
```bash
|
||||
scp ansible/roles/litellm/files/funk-cluster s01:/tmp/
|
||||
ssh s01 "sudo cp /tmp/funk-cluster /usr/local/bin/funk-cluster && sudo chmod +x /usr/local/bin/funk-cluster"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Points d'attention
|
||||
|
||||
| Sujet | Détail |
|
||||
|---|---|
|
||||
| Ordre d'arrêt | Hermes/LiteLLM → cordon+drain k8s (optionnel) → gpu-01 → Qdrant/PG → storage-01 |
|
||||
| Ordre de démarrage | storage-01 (toujours déjà up) → gpu-01 → k8s (optionnel) |
|
||||
| WOL compute nodes | BIOS non configuré → allumer manuellement pendant l'attente ping de `funk-start --k8s` |
|
||||
| LiteLLM bloquant | `systemctl stop --timeout=10` + SIGKILL automatique si timeout |
|
||||
| talosctl path | `/home/ansible/.config/talos/config` requis explicitement (sudo change HOME) |
|
||||
| SSH coupée à l'arrêt | Normal — storage-01 s'éteint lui-même en fin de `funk-stop` |
|
||||
Loading…
Add table
Add a link
Reference in a new issue