akadmin/Funk-lab
1
0
Fork 0
mirror of https://github.com/Alkatrazz24/Funk-lab.git synced 2026-07-08 19:14:43 +02:00
Code Issues Projects Releases Packages Wiki Activity Actions
Funk-lab/admin/ops/systeme.md
ALI YESILKAYA 470c69881c
chore(gpu-01): retire les serveurs llama CPU system/monitor/dev (inutilisés) (#31) 
Trois instances llama-server CPU manuelles (hors Ansible) tournaient sur gpu-01
sans servir : déjà orphelines de LiteLLM (alias absents de config.yaml, d'où le
bruit "Invalid model name"). Suppression complète :

gpu-01 (opérationnel, déjà fait) :
- systemctl disable --now + rm des units llama-server-{system,monitor,dev}
- ports firewall 1235/1236/1237 fermés

Repo :
- monitoring : scrape jobs (values.yaml) + alertes LlamaServer{System,Monitor}Down
  (alerts-ai.yaml) retirés → plus de "target down"/alertes fantômes ; panneaux de
  statut dashboard-infrastructure recyclés (system→llama-embed, monitor supprimé).
- docs admin/ + hermes-skills (souls funk-ai/brain, SKILL agent-delegation) mises à
  jour : inventaire modèles, profils Hermès system/monitor sans backend (à repointer
  sur qwen3-8b), litellm, ops, monitoring.

Les profils Hermès system/monitor existent toujours mais sans backend dédié.
Dashboards Grafana dashboard-ai (panneaux graphiques CPU) laissés tels quels
(cosmétique, séries vides, aucune alerte).

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-20 13:25:50 +02:00

2.8 KiB
Raw Blame History

Système — AlmaLinux 9

Commandes générales applicables sur storage-01 et gpu-01.

Services systemd

# Statut d'un service
sudo systemctl status <service>

# Démarrer / arrêter / redémarrer
sudo systemctl start <service>
sudo systemctl stop <service>
sudo systemctl restart <service>
sudo systemctl reload <service>   # rechargement config sans coupure

# Activer / désactiver au démarrage
sudo systemctl enable <service>
sudo systemctl disable <service>

# Lister tous les services actifs
sudo systemctl list-units --type=service --state=running

Services clés par machine

Machine Service Rôle
storage-01 nftables Firewall + NAT masquerade cluster → WAN
storage-01 dnsmasq DNS local lab.local
storage-01 chronyd NTP
storage-01 sshd SSH
storage-01 hermes-agent Agent IA (gateway + cron)
gpu-01 chronyd NTP
gpu-01 sshd SSH
gpu-01 llama-server Inférence GPU — Qwen3-8B via ROCm 7.x (port 1234)
gpu-01 llama-embed Embeddings nomic-embed-text CPU (port 1238, dim 768)
gpu-01 llama-embed-heartbeat Sonde de vivacité du slot embed :1238

Logs

# Logs d'un service en temps réel
sudo journalctl -u <service> -f

# Logs depuis X minutes
sudo journalctl -u <service> --since '30 minutes ago'

# Logs kernel (erreurs matériel, OOM killer...)
sudo journalctl -k

# Logs du démarrage
sudo journalctl -b

Ressources système

# CPU / RAM / swap
free -h
top
htop   # plus lisible (installé via EPEL)

# Disques
df -h
lsblk

# Processus gourmands
ps aux --sort=-%mem | head -10
ps aux --sort=-%cpu | head -10

Réseau (NetworkManager)

# Lister les connexions
nmcli con show

# Détails d'une interface (IP, DNS, gateway)
nmcli dev show enp4s0

# Modifier le DNS d'une interface
sudo nmcli con mod enp4s0 ipv4.dns '192.168.10.1'
sudo nmcli con up enp4s0

# Voir le resolv.conf généré
cat /etc/resolv.conf

Mises à jour

# Voir les mises à jour disponibles
sudo dnf check-update

# Appliquer les mises à jour via Ansible (recommandé — reboot automatique si nouveau kernel)
cd /mnt/nvme0n1/nvme0n1p3/Projets/lab/ansible
../.venv/bin/ansible-playbook -i inventory.yml playbooks/site.yml --tags update

# Manuellement sur une machine
sudo dnf update -y

Attention post-reboot RAID5 : vérifier que dnsmasq est démarré (systemctl status dnsmasq). Si failed, voir infra/dnsmasq.md. Les .pyc Python peuvent être corrompus sur reboot non-propre — symptôme : bad marshal data dans les logs d'une app Python.

Infos système rapides

# Version OS
cat /etc/os-release

# Hostname
hostname

# Uptime
uptime

# Infos CPU
lscpu | grep -E "Model name|Socket|Core|Thread"

# RAM totale
free -h | head -2