feat(monitoring): surveillance réseau active via blackbox_exporter

Sondes actives ICMP/HTTP/DNS qui complètent le monitoring passif
(node_exporter + up{}) : joignabilité hôtes/passerelle, accès internet,
santé DNS *.lab.local + forwarding, latence LAN, services de bout en
bout via Traefik.

- blackbox_exporter (chart 11.13.0, ArgoCD, ns monitoring) — ICMP via
  NET_RAW, DNS du pod = dnsmasq (chemin réel lab → Traefik)
- 3 jobs blackbox-icmp/-http/-dns (additionalScrapeConfigs)
- alerts-network.yaml : internet, DNS, passerelle, hôtes, services,
  latence, exporter (→ pipeline AlertManager existant)
- Asa : outil network_status + contexte présélectionnable reseau
- doc admin/infra/reseau.md + CLAUDE.md + progress

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01Rc3dLKfqEPHexvFCCx5ZEF
This commit is contained in:
Claude 2026-06-25 12:43:13 +00:00
parent ebb2eec184
commit 649c6fde8e
No known key found for this signature in database
11 changed files with 527 additions and 5 deletions

View file

@ -0,0 +1,29 @@
apiVersion: argoproj.io/v1alpha1
kind: Application
metadata:
name: blackbox-exporter
namespace: argocd
finalizers:
- resources-finalizer.argocd.argoproj.io
spec:
project: default
sources:
- repoURL: https://prometheus-community.github.io/helm-charts
chart: prometheus-blackbox-exporter
targetRevision: 11.13.0
helm:
valueFiles:
- $values/k8s/infra/blackbox-exporter/values.yaml
- repoURL: git@github.com:Alkatrazz24/Funk-lab.git
targetRevision: main
ref: values
destination:
server: https://kubernetes.default.svc
namespace: monitoring
syncPolicy:
automated:
prune: true
selfHeal: true
syncOptions:
- CreateNamespace=true
- ServerSideApply=true

View file

@ -0,0 +1,108 @@
# prometheus-blackbox-exporter — cluster Funk
# Sondes réseau actives (ICMP / HTTP / DNS) scrappées par Prometheus.
# Les cibles ne sont PAS définies ici : elles vivent dans
# k8s/infra/monitoring/values.yaml (prometheusSpec.additionalScrapeConfigs,
# jobs blackbox-*), comme les autres scrapes hors-cluster (storage-01, gpu-01).
# Nom de service prévisible → blackbox-exporter.monitoring.svc.cluster.local:9115
fullnameOverride: blackbox-exporter
replicas: 1
# Petite empreinte (compute-02/03 = 8 GB, OOM-killer actif).
resources:
requests:
cpu: 25m
memory: 32Mi
limits:
memory: 64Mi
# ICMP nécessite la capability NET_RAW (raw sockets). La ns monitoring est en
# PodSecurity « privileged » → autorisé. On garde le reste verrouillé.
securityContext:
runAsUser: 1000
runAsGroup: 1000
runAsNonRoot: true
readOnlyRootFilesystem: true
allowPrivilegeEscalation: false
capabilities:
drop: ["ALL"]
add: ["NET_RAW"]
# Résolution DNS du pod : on tape d'abord dnsmasq (192.168.10.1) pour que les
# sondes HTTP des services *.lab.local empruntent le VRAI chemin (DNS lab →
# Traefik). Repli sur 1.1.1.1 pour qu'une panne dnsmasq n'aveugle pas les
# sondes internet. dnsPolicy=None car blackbox n'a pas besoin du DNS cluster.
dnsPolicy: "None"
dnsConfig:
nameservers:
- "192.168.10.1" # dnsmasq (storage-01) — résout *.lab.local
- "1.1.1.1" # repli internet
searches:
- "lab.local"
# On scrape via additionalScrapeConfigs (cf. monitoring/values.yaml), donc pas
# besoin du ServiceMonitor ni des règles packagées par le chart.
serviceMonitor:
enabled: false
prometheusRule:
enabled: false
# Modules de sonde. Chaque job Prometheus référence un module par son nom.
config:
modules:
# --- HTTP : service vivant et code 2xx (suit les redirections) ---
http_2xx:
prober: http
timeout: 5s
http:
valid_http_versions: ["HTTP/1.1", "HTTP/2.0"]
follow_redirects: true
preferred_ip_protocol: "ip4"
ip_protocol_fallback: false
# --- HTTP en HTTPS auto-signé (lab) : ne vérifie pas le certificat ---
http_2xx_insecure:
prober: http
timeout: 5s
http:
valid_http_versions: ["HTTP/1.1", "HTTP/2.0"]
follow_redirects: true
preferred_ip_protocol: "ip4"
fail_if_not_ssl: false
tls_config:
insecure_skip_verify: true
# --- ICMP : joignabilité + latence L3 (hôtes, passerelle, internet) ---
icmp:
prober: icmp
timeout: 5s
icmp:
preferred_ip_protocol: "ip4"
ip_protocol_fallback: false
# --- DNS : dnsmasq résout-il un nom du lab ? (wildcard *.lab.local) ---
dns_lab:
prober: dns
timeout: 5s
dns:
query_name: "grafana.lab.local"
query_type: "A"
preferred_ip_protocol: "ip4"
validate_answer_rrs:
fail_if_not_matches_regexp:
- ".*"
# --- DNS : forwarding externe (dnsmasq → upstream) fonctionne-t-il ? ---
dns_external:
prober: dns
timeout: 5s
dns:
query_name: "one.one.one.one"
query_type: "A"
preferred_ip_protocol: "ip4"
# --- TCP : poignée de main sur un port (réserve, ex. débogage) ---
tcp_connect:
prober: tcp
timeout: 5s

View file

@ -0,0 +1,102 @@
apiVersion: monitoring.coreos.com/v1
kind: PrometheusRule
metadata:
name: funk-network-alerts
namespace: monitoring
labels:
release: kube-prometheus-stack
spec:
groups:
- name: funk.network
interval: 1m
rules:
# --- Joignabilité internet (NAT storage-01 / lien WAN) ---
- alert: InternetDown
expr: sum(probe_success{job="blackbox-icmp",scope="internet"}) == 0
for: 3m
labels:
severity: critical
annotations:
summary: "Plus d'accès internet depuis le cluster"
description: "Aucune ancre internet (Cloudflare/Quad9) ne répond au ping depuis 3 min. Lien WAN ou NAT storage-01 probablement en cause."
# --- DNS : résolution *.lab.local (cœur de dnsmasq) ---
- alert: DnsLabResolutionFailed
expr: probe_success{job="blackbox-dns",module="dns_lab"} == 0
for: 3m
labels:
severity: critical
annotations:
summary: "dnsmasq ne résout plus *.lab.local"
description: "La sonde DNS sur 192.168.10.1:53 (grafana.lab.local) échoue depuis 3 min. Tout l'accès aux services par nom est cassé."
# --- DNS : forwarding vers l'upstream ---
- alert: DnsForwardingFailed
expr: probe_success{job="blackbox-dns",module="dns_external"} == 0
for: 5m
labels:
severity: warning
annotations:
summary: "Forwarding DNS externe en échec"
description: "dnsmasq ne résout plus les noms externes (one.one.one.one) depuis 5 min. Résolution interne possiblement OK — vérifier l'upstream."
# --- Passerelle (storage-01) injoignable en ICMP ---
- alert: GatewayUnreachable
expr: probe_success{job="blackbox-icmp",instance="192.168.10.1"} == 0
for: 2m
labels:
severity: critical
annotations:
summary: "Passerelle 192.168.10.1 (storage-01) injoignable"
description: "storage-01 ne répond plus au ping depuis le cluster (2 min). NFS, DNS, NAT, PostgreSQL probablement impactés."
# --- Hôte du LAN cluster injoignable (hors passerelle) ---
- alert: ClusterHostUnreachable
expr: probe_success{job="blackbox-icmp",scope="lan",instance!="192.168.10.1"} == 0
for: 3m
labels:
severity: warning
annotations:
summary: "Hôte {{ $labels.instance }} injoignable (ICMP)"
description: "{{ $labels.instance }} ne répond plus au ping depuis 3 min. Machine éteinte, lien réseau ou switch ?"
# --- Service exposé (Traefik / *.lab.local) en échec ---
- alert: ServiceEndpointDown
expr: probe_success{job="blackbox-http"} == 0
for: 5m
labels:
severity: warning
annotations:
summary: "Service {{ $labels.instance }} ne répond pas (HTTP)"
description: "La sonde HTTP de bout en bout (DNS lab → Traefik) sur {{ $labels.instance }} échoue depuis 5 min (pas de 2xx). Voir probe_http_status_code pour le code renvoyé."
# --- Latence LAN anormale ---
- alert: HighLanLatency
expr: probe_icmp_duration_seconds{job="blackbox-icmp",scope="lan",phase="rtt"} > 0.05
for: 10m
labels:
severity: warning
annotations:
summary: "Latence LAN élevée vers {{ $labels.instance }}"
description: "RTT ICMP = {{ $value | printf \"%.3f\" }}s vers {{ $labels.instance }} depuis 10 min (attendu < 5 ms sur le LAN cluster). Switch ou câble ?"
# --- Service lent (réponse HTTP) ---
- alert: SlowServiceResponse
expr: probe_duration_seconds{job="blackbox-http"} > 3
for: 10m
labels:
severity: warning
annotations:
summary: "Réponse lente de {{ $labels.instance }}"
description: "La sonde HTTP met {{ $value | printf \"%.1f\" }}s sur {{ $labels.instance }} depuis 10 min."
# --- blackbox_exporter lui-même injoignable ---
- alert: BlackboxExporterDown
expr: up{job="blackbox-http"} == 0
for: 5m
labels:
severity: critical
annotations:
summary: "blackbox_exporter injoignable"
description: "Prometheus ne peut plus scraper blackbox_exporter depuis 5 min : toute la surveillance réseau active est aveugle."

View file

@ -81,6 +81,82 @@ prometheus:
model: qwen3-8b
type: gpu
# --- Sondes réseau actives (blackbox_exporter) ---
# Le relabeling envoie la cible réelle en ?target=… et fait pointer le
# scrape vers le service blackbox. Cf. admin/infra/reseau.md.
- job_name: blackbox-icmp
metrics_path: /probe
params:
module: [icmp]
static_configs:
- targets:
- 192.168.10.1 # storage-01 — passerelle / NAT / DNS
- 192.168.10.11 # compute-01 (control-plane)
- 192.168.10.12 # compute-02
- 192.168.10.13 # compute-03
- 192.168.10.20 # gpu-01
labels:
scope: lan
- targets:
- 1.1.1.1 # Cloudflare — joignabilité internet
- 9.9.9.9 # Quad9 — joignabilité internet
labels:
scope: internet
relabel_configs:
- source_labels: [__address__]
target_label: __param_target
- source_labels: [__param_target]
target_label: instance
- target_label: __address__
replacement: blackbox-exporter.monitoring.svc.cluster.local:9115
- job_name: blackbox-http
metrics_path: /probe
params:
module: [http_2xx]
static_configs:
- targets:
- http://grafana.lab.local
- http://prometheus.lab.local
- http://alertmanager.lab.local
- http://argocd.lab.local
- http://openwebui.lab.local
- http://n8n.lab.local
- http://ghostfolio.lab.local
- http://searxng.lab.local
- http://stt.lab.local
labels:
scope: ingress
relabel_configs:
- source_labels: [__address__]
target_label: __param_target
- source_labels: [__param_target]
target_label: instance
- target_label: __address__
replacement: blackbox-exporter.monitoring.svc.cluster.local:9115
# DNS : module choisi par cible (label module → __param_module), serveur
# interrogé = dnsmasq (192.168.10.1:53). dns_lab teste le wildcard
# *.lab.local, dns_external teste le forwarding vers l'upstream.
- job_name: blackbox-dns
metrics_path: /probe
static_configs:
- targets: ['192.168.10.1:53']
labels:
module: dns_lab
instance: 'dnsmasq:grafana.lab.local'
- targets: ['192.168.10.1:53']
labels:
module: dns_external
instance: 'dnsmasq:one.one.one.one'
relabel_configs:
- source_labels: [module]
target_label: __param_module
- source_labels: [__address__]
target_label: __param_target
- target_label: __address__
replacement: blackbox-exporter.monitoring.svc.cluster.local:9115
alertmanager:
ingress:
enabled: true