D-86 : la supervision se deploie juste apres la PKI, pas a la fin

On n allume pas la lumiere une fois la maison finie. L observabilite et le
moteur de supervision etaient deployes APRES presque tout ce qu ils
surveillent. Une reconstruction depuis zero est pourtant le moment ou l on
a le plus besoin de voir, et c etait le seul moment ou l on ne voyait rien.

  4. observabilite       postgresql, prometheus, loki, grafana, icinga
  5. agents_supervision  client_metrique, client_journal, client_sante

DEPLACER LES SERVEURS SANS LES AGENTS N AURAIT RIEN CHANGE : ce sont les
agents qui rapportent, et ils etaient en derniere couche. Les deux couches
vont donc ensemble. Des la couche 5, chaque hote expedie ses metriques,
ses journaux et l etat de ses unites — tout ce qui se deploie ensuite est
mesure pendant qu on le construit.

COUT : serveur_postgresql monte aussi (icinga l exige, il n exige rien).
C est le seul entrainement.

RESTE TARD A DESSEIN : icingaweb2 et oauth2_proxy reclament LDAP et
Keycloak. C est la CONSOLE, pas la mesure.

CE QUI REND CE DEPLACEMENT POSSIBLE : le DNS reste en couche 6, donc apres
la supervision, alors qu icinga joint sa base par un NOM. Ca tient grace au
plancher /etc/hosts pose des la couche 1 — 34 entrees, verifie. C est
exactement ce pour quoi il existe.

LIMITE : les notifications dependent de client_smtp, encore en derniere
couche. Pendant une reconstruction, l etat est mesure et consultable, mais
rien ne part par courriel avant la fin.

ET : l ordre est VALIDE, pas EPROUVE. P08 accepte, le graphe accepte,
site.yml regenere passe le syntax-check sur 782 lignes de plan. La seule
preuve reelle d un ordre de reconstruction, c est une reconstruction.

make prouver : CONFORME, 64 OK, 0 echec, 0 saute.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01Crgis8CxCWkAGFA1ecBz3q
This commit is contained in:
Daniel Allaire 2026-09-09 23:39:19 -04:00
parent 5b423cf954
commit a8af541059
6 changed files with 122 additions and 28 deletions

View file

@ -1,5 +1,64 @@
# CHANGELOG — Set-OPS
## 2026-09-09 (9) — La supervision passe juste apres la PKI (D-86)
*On n'allume pas la lumiere une fois la maison finie.*
L'observabilite et le moteur de supervision etaient en couches 4 et 5 sur six — donc
deployes APRES presque tout ce qu'ils surveillent. Une reconstruction depuis zero est
pourtant le moment ou l'on a le plus besoin de voir, et c'etait le seul moment ou l'on ne
voyait rien.
1. socle serveur_debian, serveur_durci
2. pki_racine serveur_step_ca
3. pki_client client_pki
4. observabilite postgresql, prometheus, loki, grafana, icinga <- NOUVEAU
5. agents_supervision client_metrique, client_journal, client_sante <- NOUVEAU
6. services openldap, powerdns, resolveur, nginx, postfix...
7. apps keycloak, forgejo, icingaweb2, nextcloud...
8. agents client_smtp, client_backup, client_resolveur, client_artefacts
### Deplacer les serveurs sans les agents n'aurait rien change
C'est le point qui a decide de la forme : ce sont les AGENTS qui rapportent, et ils etaient
en derniere couche. Monter `prometheus` et `icinga` en laissant `client_metrique` et
`client_sante` a la fin aurait produit une supervision allumee et aveugle. Les deux
couches vont donc ensemble.
Des la couche 5, chaque hote expedie ses metriques, ses journaux et l'etat de ses unites
systemd. Tout ce qui se deploie ensuite est mesure PENDANT qu'on le construit.
### Ce que ca a coute, et ce qui reste tard a dessein
`serveur_postgresql` monte aussi : `icinga` l'exige, et lui n'exige rien. C'est le seul
entrainement.
Restent en couche 7 : **`icingaweb2` et `oauth2_proxy`**, qui reclament LDAP et Keycloak.
C'est la CONSOLE, pas la mesure — l'interface humaine peut attendre, l'etat non.
### Ce qui rend ce deplacement possible
Le DNS (`powerdns`, `resolveur`) reste en couche 6, donc APRES la supervision. Or `icinga`
joint sa base par un NOM, et `client_sante` pousse vers un NOM.
Ca tient parce que le **plancher `/etc/hosts`**, pose des la couche 1 par
`hosts_statiques`, porte deja les 34 entrees de l'ecosysteme — verifie sur `mon-01`. C'est
exactement ce pour quoi il existe : *« il ne s'installe pas, il rend installable »*. Sans
lui, cette decision serait impossible.
### La limite, dite franchement
Les **notifications** dependent de `client_smtp`, encore en derniere couche. Pendant une
reconstruction, l'etat est mesure et consultable — mais rien ne part par courriel avant la
fin. Le deplacer demanderait de monter `postfix` et son relais, ce qui entrainerait bien
plus que PostgreSQL.
Et ceci : **l'ordre est valide, pas eprouve**. P08 accepte (aucune arete en arriere), le
graphe des dependances accepte, `playbooks/site.yml` est regenere et passe le
`--syntax-check` sur ses 782 lignes de plan. Mais la seule preuve reelle d'un ordre de
reconstruction, c'est une RECONSTRUCTION — et celle-la se decide, elle ne se glisse pas
dans une soiree.
## 2026-09-09 (8) — L'hote de supervision saturait par sa propre demonstration
« mon-01 tape dans l'fond. » Il tapait, en effet.

View file

@ -28,7 +28,7 @@ README de rôles). Cette page comble ces deux trous.
| documents | 40 | `docs/*.md` |
| pièces d'audit | 40 | `docs/audit/*` |
| unités de wiki | 27 | `wiki/*.md` |
| décisions en vigueur | 82 | lignes `\| **D-nn** \|` de `decisions-architecture.md` |
| décisions en vigueur | 83 | lignes `\| **D-nn** \|` de `decisions-architecture.md` |
| décisions renversées | 3 | lignes `\| **D-nn** —` du même document |
## 1. À lire d'abord (dans l'ordre)

View file

@ -208,6 +208,16 @@ dans le plan.
L'ordre ci-dessous privilégie les dépendances structurantes avant les applications.
> **Ce raisonnement a été révisé le 2026-09-09 sur un point** : l'observabilité et la
> supervision ne viennent plus en phases 3 et 4, mais **juste après la PKI** — donc avant
> presque tout ce qu'elles surveillent. *On n'allume pas la lumière une fois la maison
> finie.* Une reconstruction depuis zéro est précisément le moment où l'on a le plus
> besoin de voir. Les phases ci-dessous gardent leur numérotation, qui dit une **parenté
> logique** ; l'ordre exécutable, lui, est dans `docs/couches-deploiement.yml` (D-86).
>
> Ce qui reste tard, et à dessein : la **console** (`icingaweb2`, `oauth2_proxy`), qui
> réclame LDAP et Keycloak. L'interface humaine peut attendre ; la mesure, non.
### Phase 1 - Fondations transversales
1. `serveur_powerdns`

View file

@ -33,18 +33,44 @@ couches:
groupes:
- client_pki
- nom: observabilite
raison: >-
VOIR AVANT DE CONSTRUIRE. La mesure vient juste après la PKI, donc avant tout ce
qu'elle devra surveiller — et non après, comme si l'on n'allumait la lumière qu'une
fois la maison finie. Une reconstruction depuis zéro est précisément le moment où
l'on a le plus besoin de voir ce qui se passe : chaque rôle déployé ensuite l'est
sous l'œil de la supervision, et une unité qui casse se voit à la minute plutôt qu'à
la fin. `obs` ne dépend de rien ; `serveur_icinga` n'exige que PostgreSQL, qui
n'exige rien lui-même. Ce qui reste plus tard, c'est la CONSOLE (`icingaweb2`,
`oauth2_proxy`), qui demande LDAP et Keycloak — l'interface humaine peut attendre,
la mesure non.
groupes:
- serveur_postgresql
- serveur_prometheus
- serveur_loki
- serveur_grafana
- serveur_icinga
- nom: agents_supervision
raison: >-
Les agents qui FONT voir, poses juste apres leurs serveurs. Deplacer la supervision
en amont sans eux n'aurait rien change : ce sont eux qui rapportent. Des cette
couche, chaque hote expedie ses metriques, ses journaux, et l'etat de ses unites
systemd — donc tout ce qui se deploie apres est mesure pendant qu'on le construit.
groupes:
- client_metrique
- client_journal
- client_sante
- nom: services
raison: "Les services d'infrastructure dont dépendent les applications : bases, annuaire, DNS, cache, métriques, journaux, edge, courriel."
groupes:
- serveur_postgresql
- serveur_openldap
- serveur_powerdns
# Le resolveur du tenant vient APRES son autoritatif : il le prend en stub-zone,
# et sa validation exige que la zone souveraine reponde deja.
- serveur_resolveur
- serveur_redis
- serveur_prometheus
- serveur_loki
- serveur_nginx
- serveur_rspamd
- serveur_dovecot
@ -72,9 +98,7 @@ couches:
- serveur_keycloak
- serveur_oauth2_proxy
- serveur_forgejo
- serveur_icinga
- serveur_icingaweb2
- serveur_grafana
- serveur_collabora
- serveur_nextcloud
- serveur_web_frontal
@ -93,13 +117,7 @@ couches:
- nom: agents
raison: "Les intégrations clientes qui expédient vers les services centraux (métriques, journaux, courriel, sauvegardes, résolution locale). Déployées en dernier, quand leurs cibles sont debout."
groupes:
- client_metrique
- client_journal
- client_smtp
- client_backup
- client_resolveur
- client_artefacts
# Le rapport de sante vient en DERNIER de la couche : il constate ce que tout le
# reste a laisse derriere lui. Le poser plus tot ferait rapporter une machine
# a moitie deployee, et le premier verdict serait faux.
- client_sante

View file

@ -59,6 +59,7 @@ sont les seules vérifiables.
| **D-83** | **Patient 0 a été retiré** — ses machines n'existent plus (constaté le 2026-09-06) | D-82 lui avait laissé une raison d'être : la mise en œuvre de référence du modèle `origine`, et un **témoin** de plus du génome. Le retrait solde la première et **abaisse la seconde de trois copies vivantes à deux** (`eregion`, la forge du site). Ce qu'il devait éliminer — le SPOF `eregion` — reste entier, et sans lui il n'y a plus de miroir indépendant pour l'absorber. **Son plan reste sur disque et la fédération lui réserve toujours l'index 29** : tant que ce n'est pas tranché, le site ouvre SSH, apt, DNS et HTTPS à `10.29.0.0/16` — un périmètre vide | `OPS-Patient0/`, `SITE-Chezlepro/flux-genere/` | **P21** (index), **P23** |
| **D-84** | **Le plan de contrôle reste gelé — c'est la CARTE DES SEUILS qui était fausse** | La question « et si on retirait le gel ? » a mis à l'épreuve les cinq seuils de `positionnement.md`, et deux ne tenaient pas. **RBAC** : couvert depuis que trois classes d'acteurs aux pouvoirs disjoints existent — poste, runner de site, runners de tenant — séparés **cryptographiquement** (une voûte, une clé, 2026-08-28) et non par une table de permissions qu'une faille applicative contournerait ; adopter AWX pour ce besoin serait **régresser**. **IPAM** : sans objet par construction — rien ne s'alloue, tout dérive du seed, et P20/P21/P23/P28/P33 tiennent déjà ce qu'un IPAM vérifierait *a posteriori*. Les deux lignes sont retirées du tableau : les garder aurait fait adopter un outil pour un besoin déjà rempli. **Et un seuil manquait** — l'**émancipation** : le GUI est mono-utilisateur (`127.0.0.1` + jeton), or la trajectoire mène à plusieurs humains aux portées disjointes, sur des machines qui ne sont pas les nôtres. Ce seuil n'appelle pas AWX, il appelle une décision non prise. *Un seuil qu'on ne nomme pas est un seuil qu'on franchit sans le voir.* Corollaire consigné : le gel porte sur les **fonctions**, jamais sur les **vues** — montrer à l'écran ce que le moteur sait déjà ne franchit aucun seuil | `positionnement.md` §3, §4, §5 | — |
| **D-85** | **cloud-init naît avec la VM et ne lui survit pas** | cloud-init n'est pas un logiciel d'installation : c'est une **source de vérité externe**, qui se réveille à *chaque* démarrage et relit le lecteur attaché par l'hyperviseur — lequel peut redéfinir comptes, clés SSH autorisées, mots de passe et réseau. Sur une machine que le plan possède, c'est un **second maître** : le plan ne le décrit pas, `make valider` ne le mesure pas, et il parle en premier. Sa tâche est pourtant finie à la première seconde — c'est parce qu'il a **réussi** à poser l'adresse et les clés qu'Ansible a pu entrer. **Trois moitiés, qui se défont séparément** : le **gabarit** le garde (sans lui un clone ne naît pas — P56) ; le **socle** ne l'installe plus (le garder produisait un va-et-vient à chaque déploiement : le socle installe, le durcissement retire, deux `changed` par passage) ; le **durcissement** le retire (`cloud_init_retrait`, en dernier). **Ce qui rend le retrait sûr est mesuré, pas supposé** (2026-09-09, `obs-01`) : `/etc/network/interfaces.d/50-cloud-init` n'appartient à aucun paquet — `dpkg -S` ne le trouve pas — et le `postrm` ne le nomme jamais, même en `purge`. L'adresse survit. Le rôle le **vérifie** malgré tout, avant et après : une VM qui perd ce fichier ne se plaint pas, elle repart sans adresse et plus personne ne peut entrer pour le constater. **⚠ CE QUE CETTE DÉCISION NE FERME PAS — et il faut le dire, sinon elle se lit comme une émancipation qu'elle n'est pas.** Retirer cloud-init **n'ôte aucun pouvoir à l'hébergeur**. `qemu-guest-agent` est au gabarit (P56 : il doit y être — c'est par lui que `creer-vm` confirme la matérialisation sans entrer chez le tenant), et l'API Proxmox expose sur son dos, sur toute VM vivante de la flotte, un pouvoir **strictement plus grand** que le lecteur cloud-init : `exec`, `file-write`, `file-read`, `set-user-password`, `shutdown` (relevé le 2026-09-09 sur `edge-mta-01`, jeton d'API du site). Ce que D-85 ferme est donc **précis et étroit** : (a) une réapplication **automatique, à chaque démarrage**, depuis un support que le plan ne possède pas et qu'aucune preuve ne lit ; (b) le code de cloud-init lui-même — un interpréteur Python complet, exécuté en root au démarrage, et ses ~29 dépendances. Elle ne ferme **pas** la mainmise de l'hyperviseur sur ses invités : celle-là est une propriété de la virtualisation, pas de cloud-init, et elle appelle sa propre décision — non prise. **Le seuil où le remplacer deviendrait juste** : le jour où une première seconde ne peut plus être amorcée par Proxmox (autre hyperviseur, métal nu, hébergeur sans API), le chemin par l'agent invite cesse d'être une réimplémentation d'un standard — que `positionnement.md` interdit — et devient **le chemin portable**. Tant que ce seuil n'est pas atteint, écrire soi-même l'amorçage serait échanger un standard éprouvé contre du code maison au moment le plus fragile, dont le mode de panne est le pire : une VM injoignable | `roles/cloud_init_retrait/`, `serveur_durci.yml`, `positionnement.md` | **P63** |
| **D-86** | **La supervision se déploie juste après la PKI, pas à la fin** | L'observabilité (`prometheus`, `loki`, `grafana`) et le **moteur** de supervision (`icinga`) passent en couche 4, immédiatement après `client_pki` ; les agents qui les nourrissent (`client_metrique`, `client_journal`, `client_sante`) en couche 5. **Le raisonnement** : ce qui se déploie ensuite l'est *sous l'œil* de la supervision — une unité qui casse se voit à la minute, pas à la fin. Une **reconstruction depuis zéro** est précisément le moment où l'on a le plus besoin de voir, et c'était le seul moment où l'on ne voyait rien. **Déplacer les serveurs sans les agents n'aurait rien changé** : ce sont les agents qui rapportent, et ils étaient en dernière couche. **Ce que ça a coûté en dépendances** : `serveur_postgresql` monte aussi (il n'exige rien lui-même, et `icinga` l'exige). **Ce qui reste tard, à dessein** : `icingaweb2` et `oauth2_proxy` réclament LDAP et Keycloak — c'est la CONSOLE, pas la mesure. L'interface humaine peut attendre. **Limite dite franchement** : les *notifications* dépendent de `client_smtp`, encore en dernière couche — pendant une reconstruction, l'état est mesuré et consultable, mais rien ne part par courriel avant la fin. **CE QUI REND CE DÉPLACEMENT POSSIBLE**, et qui n'est pas un détail : le DNS (`powerdns`, `resolveur`) reste en couche 6, donc *après* la supervision. Or `icinga` joint sa base par un **nom** (`data-sql-01.chezlepro.internal`), et `client_sante` pousse vers un **nom**. Ça tient parce que le **plancher `/etc/hosts`**, posé dès la couche 1 par `hosts_statiques`, porte déjà les 34 entrées de l'écosystème — vérifié. C'est exactement ce pour quoi il existe : *« il ne s'installe pas, il rend installable »*. Sans lui, cette décision serait impossible. **P08** valide l'ordre : aucune arête en arrière | `docs/couches-deploiement.yml`, `catalogue-services.md` §Ordre | **P08** |
| **D-81** | **La forge du SITE fait autorité pour le génome.** Toute autre copie — y compris celle d'où le moteur a été poussé jusqu'ici — est un **miroir**. Le poste de l'exploitant ne route pas jusqu'à elle : c'est le **runner du site** qui publie, par `make genome-pousser` | un écosystème se reproduit depuis la forge de son site : c'est de là qu'il clone son moteur, ses plans, ses modèles. Si l'autorité est ailleurs, cette forge devient un cache qu'on croit à jour — et le 2026-08-26 elle était **quatre commits en arrière** sans que rien ne le signale, dont le correctif qui désarme le pare-feu Proxmox. **Un écosystème qui se reproduit depuis une forge en retard reproduit ses défauts.** Le poste n'a de patte que sur l'administration, et on ne perce pas de chemin pour lui : le runner existe pour ce travail | `playbooks/maintenance/genome_pousser.yml`, `scripts/genome_colis.py`, `Makefile` §genome-pousser | — |
| **D-13** | Un **hébergeur** sert plusieurs **tenants** et a son tenant par défaut | Chezlepro est les deux à la fois, ce qui masquait la distinction | `frontiere-opnsense.md` §2 | — |
| **D-14** | `underlay.yml` appartient à l'**hébergeur**, monté par symlink | ce sont ses commutateurs, ses câbles ; le moteur est générique, un tenant n'en possède pas | `sdn-evpn.md`, `underlay.yml.example` | — |

View file

@ -19,19 +19,33 @@
- name: Couche pki_client — groupe client_pki
import_playbook: groupes/client_pki.yml
# --- couche services ---
- name: Couche services — groupe serveur_postgresql
# --- couche observabilite ---
- name: Couche observabilite — groupe serveur_postgresql
import_playbook: groupes/serveur_postgresql.yml
- name: Couche observabilite — groupe serveur_prometheus
import_playbook: groupes/serveur_prometheus.yml
- name: Couche observabilite — groupe serveur_loki
import_playbook: groupes/serveur_loki.yml
- name: Couche observabilite — groupe serveur_grafana
import_playbook: groupes/serveur_grafana.yml
- name: Couche observabilite — groupe serveur_icinga
import_playbook: groupes/serveur_icinga.yml
# --- couche agents_supervision ---
- name: Couche agents_supervision — groupe client_metrique
import_playbook: groupes/client_metrique.yml
- name: Couche agents_supervision — groupe client_journal
import_playbook: groupes/client_journal.yml
- name: Couche agents_supervision — groupe client_sante
import_playbook: groupes/client_sante.yml
# --- couche services ---
- name: Couche services — groupe serveur_openldap
import_playbook: groupes/serveur_openldap.yml
- name: Couche services — groupe serveur_powerdns
import_playbook: groupes/serveur_powerdns.yml
- name: Couche services — groupe serveur_redis
import_playbook: groupes/serveur_redis.yml
- name: Couche services — groupe serveur_prometheus
import_playbook: groupes/serveur_prometheus.yml
- name: Couche services — groupe serveur_loki
import_playbook: groupes/serveur_loki.yml
- name: Couche services — groupe serveur_nginx
import_playbook: groupes/serveur_nginx.yml
- name: Couche services — groupe serveur_rspamd
@ -62,18 +76,14 @@
import_playbook: groupes/serveur_oauth2_proxy.yml
- name: Couche apps — groupe serveur_forgejo
import_playbook: groupes/serveur_forgejo.yml
- name: Couche apps — groupe serveur_icinga
import_playbook: groupes/serveur_icinga.yml
- name: Couche apps — groupe serveur_grafana
import_playbook: groupes/serveur_grafana.yml
- name: Couche apps — groupe serveur_icingaweb2
import_playbook: groupes/serveur_icingaweb2.yml
- name: Couche apps — groupe serveur_collabora
import_playbook: groupes/serveur_collabora.yml
- name: Couche apps — groupe serveur_web_frontal
import_playbook: groupes/serveur_web_frontal.yml
- name: Couche apps — groupe serveur_web_dorsal
import_playbook: groupes/serveur_web_dorsal.yml
- name: Couche apps — groupe serveur_icingaweb2
import_playbook: groupes/serveur_icingaweb2.yml
- name: Couche apps — groupe serveur_nextcloud
import_playbook: groupes/serveur_nextcloud.yml
- name: Couche apps — groupe serveur_ops
@ -84,10 +94,6 @@
import_playbook: groupes/serveur_ops_site.yml
# --- couche agents ---
- name: Couche agents — groupe client_metrique
import_playbook: groupes/client_metrique.yml
- name: Couche agents — groupe client_journal
import_playbook: groupes/client_journal.yml
- name: Couche agents — groupe client_smtp
import_playbook: groupes/client_smtp.yml
- name: Couche agents — groupe client_backup