agent-fleet: Inbox-Konzept (Herdr) dokumentiert
This commit is contained in:
@@ -1,5 +1,10 @@
|
||||
# Memory Log
|
||||
|
||||
## [2026-11-15] network-recon-bugfix | Weekly-Scan: IP-Misattribution gefixt — 77/91 "Alive"-IPs waren Ghosts
|
||||
- **Bug im wöchentlichen Netzwerk-Scan** (`~/.hermes/scripts/network-scan.py`, seit mind. 27.09. aktiv): Phase-1-Sweep `zip(ips, as_completed(futures))` ordnete Alive-Verdikte falschen IPs zu (Completion-Order ≠ Submissions-Order) → 77/91 gelistete IPs waren Ghost-Adressen; alle echten Hosts (PVE .30–.93, NAS .100, Galera .70–.82) unsichtbar. Fix: `pool.map` + 443 in den Deep-Scan; Neu-Scan: 91 echte Geräte (89 + 2 Re-Probe), Inventar deckt sich mit ip-map.
|
||||
- **Topologie:** `10.0.30.100` (ubuntu-NAS, VLAN-30-IP) **zurück** — SSH-Host-Keys (RSA/ECDSA/Ed25519) identisch zu 10.0.20.100 → derselbe Host; `reference/ip-map.md` korrigiert. Ob Rückkehr beabsichtigt: offen (Legacy-Route seafile_old → .30.100:8081 beachten).
|
||||
- Solution Doc: `docs/solutions/bug-fixes/2026-11-15-network-scan-ip-attribution-bug.md`; Skill `devops/network-reconnaissance` (Pitfall ergänzt); Hindsight indexiert.
|
||||
|
|
||||
## [2026-11-14] Büro-Licht-Automation um Helligkeits-Gate erweitert (+ Nutzer-Edit aus Trace gerettet)
|
||||
- **Neu:** On-Pfad von `buero_eg_licht_praesenz_nachlauf` nur noch bei `sensor.wetterstation_illuminance` **< 1500 lx** (Startwert 500 lx; am selben Tag auf Nutzer-Vorgabe „ab der aktuellen Helligkeit" hochgezogen — zu dem Zeitpunkt 1.300 lx); Sensor `unavailable`/`unknown` → Fail-safe Licht an. Neuer Trigger `numeric_state below 1500 for 3 min` → Dämmerung schaltet ein, wenn Präsenz schon an ist (sonst käme keine neue Flanke). **Kein** Ausschalten bei Helligkeit (Heuristik-Veto).
|
||||
- **Schwellen-A/B (Beweis, gleiche Helligkeit ~1.280–1.300 lx):** Präsenzflanke 15:23:13 mit 500 lx → Licht bleibt aus (Trace `choose/3/conditions/0`); Flanke 15:24:13 mit 1500 lx → Licht an (`choose/0/sequence/0`, Licht 15:24:15).
|
||||
@@ -1005,6 +1010,68 @@
|
||||
- 2026-11-09 06:0x - systems/homeassistant: **f@h-Zombie-Session gefixt (2. Rezidiv).** Symptom: keine Events mehr seit 08.11. 16:31, set_datapoint-IqTimeout, aber 0x „Connection with SysAP lost" über Nacht (slixmpp glaubte connected) — ausgelöst durch Event-Loop-Blockaden in der Galera-SST-Stunde (SASL-cryptExchange- + decryptPubSub-Fehler hinterließen desyncte Session). SysAP gesund (REST 200, 5222 OK). Fix: docker restart homeassistant → E2E-Beweis über HA-Service-Call turn_on: off→on in 3,0 s (+ Rück). Watchdog-Lücke: kein setup_error/HA-up/Memory-ok → Failure-Mode unsichtbar; Härtungsvorschlag Stufe 0c Kanari-Staleness beim Owner eingereicht. Pitfall: REST-datapoint-Pfade 404en auf dieser Firmware — E2E via HA-API.
|
||||
- 2026-11-10 19:08 - systems/ubuntu-host: **CVE-2026-98432 Re-Check: kein Handlungsbedarf.** Tracker-Meldung „released" kam nach dem Fix vom 06.11. Gate erneut bestanden (4/4 MON, 17/17 up+in, 533 PGs active+clean; 8 Slow-Ops-WARN unverändert). `apt-get full-upgrade` = 0 Pakete, Kandidat=installiert=6.8.0-149.149, `uname -r`=6.8.0-149-generic seit 06.11. 07:47, kein reboot-required. **Kein Reboot** (3 OSDs auf dem Host, Nullnutzen). Ports 22/80/8000/9443/2049, HTTPS 9443=200. Offen: Slow-Ops 8 OSDs (osd.1,3,6,7,8,10,11,17), gemischte Daemon-Versionen 20.2.4/20.2.5, Load ~6.9 durch ceph-osd; stale Failed-Units (ceph-mon@ubuntu, ceph-osd@8, homebridge, logrotate, tgtd) unverändert seit Boot. Lehre: Zielversion zuerst gegen `uname -r` prüfen, bevor ein Reboot-Cron losläuft.
|
||||
|
||||
## 2026-11-15 (2) — Fleet-CTs gelöscht, Galera-02 offline migriert, HA-Regeln analysiert
|
||||
|
||||
- **VM 301 (mariadb-02) proxmox7 → proxmox6** (offline, sauberer MariaDB-Stop), Galera danach 3/3 synced.
|
||||
Stolpersteine: (1) HA-Regel `na-vm301` pinnt die VM auf proxmox5/6/7 → `qm migrate n5pro` wird abgelehnt,
|
||||
CRM startet sie auf proxmox5 (528 MB frei!); (2) `ha-manager set --state started` VOR Migrationsende →
|
||||
`request_start_balance` → VM springt auf den alten Knoten zurück. Richtig: state=started lassen, nur
|
||||
`ha-manager migrate vm:301 <ziel>`. (3) Erster Boot → emergency mode (root locked) → `qm reset` → zweiter
|
||||
Boot ok, MariaDB per IST rein.
|
||||
- **9 Fleet-CTs (160,161,163,164,165,201,202,205,206) gelöscht** nach vzdump auf PBS `noris_v4`
|
||||
(je 4 Snapshots, jüngster 10:17–10:36 UTC, extern per `pvesm list` verifiziert) und Cross-Ref-Scan
|
||||
über alle 8 Nodes (keine Fremdreferenzen). Disks mit entfernt (`rbd ls vm_disks` = 0). Die Fleet läuft
|
||||
jetzt in K8s (NS `fleet` 20 Pods / 11 Deployments, NS `agent-fleet` 4 Pods).
|
||||
- **HA-Regel-Befund:** `galera-anti-300-301` und `galera-anti-300-302` sind wirkungslos — sie enthalten nur je
|
||||
EIN Resource (`vm:301` bzw. `vm:302`); Grund: **VM 300 ist nicht HA-managed** (`cannot use unmanaged
|
||||
resource(s) vm:300`). Nur `galera-anti-301-302` greift. Fix braucht erst `ha-manager add vm:300`, dann
|
||||
Ressourcen-Listen vervollständigen; `na-vm301` (und `na-vm310`) sind Pflaster auf dieser Lücke und sollten weg.
|
||||
- Neue Bilanz: ms-a2-1 frei 23,8 GB, proxmox7 11 GB, proxmox4 7,5 GB, proxmox6 6,1 GB, proxmox5 5,7 GB.
|
||||
|
||||
## 2026-11-15 (3) — HA-Audit abgeschlossen, 14 HA-Services
|
||||
|
||||
- **Regeln:** `galera-anti-300-301`/`-300-302` repariert (brauchten `ha-manager add vm:300`, sonst
|
||||
„cannot use unmanaged resource"), `na-vm301` und `na-vm310` gelöscht. 7 Regeln, alle wirksam.
|
||||
- **Neu in HA:** ct:141 monitoring, ct:99999 traefik, ct:108 gitea, vm:117 rke2-worker-03 —
|
||||
vorher alle ohne `mp*`/`dev*`/`hostpci` geprüft, Uptimes unverändert (kein Gast neu gestartet).
|
||||
- **Control-Plane bewusst NICHT in HA:** etcd liegt auf lokalem NVMe (`scsi1: local-lvm` 10G →
|
||||
`/var/lib/rancher/rke2/server/db/etcd`), Failover ist damit unmöglich. `vm:122` aus HA entfernt,
|
||||
dafür `onboot=1` auf allen drei CPs (112 hatte 0). Redundanz liefert etcd selbst (3er-Quorum).
|
||||
- **Gelöscht (Owner-GO):** CT 110 (VLAN-Testcontainer v. 22.09.2025, 1,1 GiB) und CT 199
|
||||
(Fleet-Gründungscontainer „ceo" v. 23.10.2026: /root/fleet mit CHARTER/spec/org.yaml + 78-MB-
|
||||
Hermes-state.db, 4,7 GiB). Beide vorher per `debugfs` auf dem read-only gemappten RBD gelesen,
|
||||
PBS-Snapshots (je 3, keep-last=3) bleiben als Restore-Pfad. Cluster jetzt 58 Gäste / 40 laufend.
|
||||
- **Weitere Leichen gelöscht (Owner-GO):** CT 103 (LXC-Template base-103, unreferenziert), CT 904
|
||||
(mariadb-node4, Tag plb_exclude_db), CT 121 (community-script docker, 03/2026), VM 501 (MaxScale1,
|
||||
plb_exclude_maxscale), VM 991 (test-mariadb-01, RBD-Kopie vm-300-disk-0-test). Alle RBD-Bilder
|
||||
entfernt verifiziert. Cluster 60→53 Gäste (40 laufend).
|
||||
- **WICHTIG — NICHT gelöscht: VM 9000/9002 (debian-12/13-cloudinit)** sind **VM-Templates** und
|
||||
harte IaC-Abhängigkeiten: epic-2-k8s/tofu/main.tf `template_vm_id=9000`/`gpu_template_vm_id=9002`
|
||||
(Clone für CPs + GPU-Worker), epic-7-mariadb-vm/tofu/main.tf `vm_id=9000` (2×),
|
||||
epic-8-sarah-hermes/tofu/variables.tf default 9000. Löschen bricht jedes `tofu apply`.
|
||||
Vor jedem Löschen: `.tf`-Referenzen greppen, nicht nur den PVE-Bestand ansehen.
|
||||
- **Nicht HA-fähig:** ct:150/153 technitium-dns (rootfs local-lvm), ct:151 frigate (`/dev/dri`),
|
||||
vm:102/114 worker-05/02 (hostpci GPU). Doku: docs/solutions/infrastructure/2026-11-15-pve-ha-rules-audit.md
|
||||
|
||||
## 2026-11-15 — Cluster-Rebalancing (Capacity + Failure Domains), mit Zwischenfall
|
||||
|
||||
- **Move 1 (ok, mit Panic):** VM 300 mariadb-01 proxmox4→ms-a2-2, `qm migrate --online`, 79 s,
|
||||
483 ms Downtime. Danach **Gast-Kernel-Panic im futex-Pfad** → `qm reset` → EXT4-Recovery des
|
||||
115-GB-Ceph-Volumes (33 s) → MariaDB startete ins Mount-Race (Errcode 13 auf /var/lib/mysql)
|
||||
→ `systemctl restart mariadb` → GCache-Recovery → **IST** → 3/3 synced. Kein Datenverlust.
|
||||
- **Move 3 (ok):** Ceph-MON proxmox4 entfernt → **3 MONs** (proxmox5, ms-a2-1, n5pro), quorum ok.
|
||||
- **Move 4 (ok):** 9 Fleet-CTs auf ms-a2-1 `memory 8192→2048`, `swap 1024→512` (sind **CTs**, nicht VMs!)
|
||||
→ ms-a2-1 committed 140,5 GB (153 %) → 86,5 GB (94 %).
|
||||
- **Move 5 (teil, ok):** proxmox7 CTs 119 pbs 8→4 GB, 123 ollama 4→2 GB, 104 paperless 4→2 GB.
|
||||
- **Bewusst gestoppt:** Move 2 (VM 301 mariadb-02 proxm7→n5pro) — ein zweites Galera-Mitglied
|
||||
zu migrieren, während die Panic-Ursache unklar ist, gefährdet das Quorum.
|
||||
- **Offen/destruktiv:** `ubuntu`-CRUSH-Bucket mit osd.2/15/17 (kein PVE-Node, 18 % Kapazität);
|
||||
EC-Pool `media_ec` mit `failure_domain=osd` trotz 7 OSDs auf n5pro.
|
||||
- Neue Bilanz: proxmox4 78 % (frei 7,9 GB), ms-a2-2 50 %, n5pro 67 %, ms-a2-1 94 %,
|
||||
proxmox3 102 %, proxmox7 201 % (Config, frei 5,4 GB), proxmox5 104 %, proxmox6 97 %.
|
||||
- Doku: `~/docs/solutions/infrastructure/2026-11-15-pve-migration-mariadb-kernel-panic.md`;
|
||||
Pitfall-Dreizeiler im Skill `proxmox-ve-administration`.
|
||||
|
||||
## 2026-11-13 — Cron 'Abend-Reflexion' (personal-coach) 400er gefixt
|
||||
|
||||
- Symptom: `HTTP 400: DeepSeek V4.1 reasoning_effort must be low, high, xhigh, max…` bei
|
||||
@@ -1070,3 +1137,23 @@
|
||||
- **Nebenbefund:** `clusters/main/monitoring/prometheus-rules.yaml` ist eine **ConfigMap** → Prometheus lädt sie nicht; alle Alt-Regeln (NodeDown, Galera, Ceph, Blackbox, PBS) sind im K8s-Stack **inaktiv**. Offener Punkt.
|
||||
- Fallstricke: community-scripts-Bootstrap 404 (Framework nach `community-scripts/core`), HaGeZi-URL `hosts/` → `wildcard/`, Cluster-Join nur per FQDN-URL.
|
||||
- Neue Seite [[systems/technitium-dns]], [[reference/ip-map]] ergänzt.
|
||||
|
||||
## 2026-11-15 — Beschattungsautomatik Wohnzimmer (Ecowitt-Lux + Sonnenstand)
|
||||
- Fassaden: WZ-Tür + Fenster 1 = **143° SO**, Fenster 2 = **233° SW** (90° versetzt), free@home-Jalousien (Pos + Lamellen).
|
||||
- Entscheidung über 2 Template-Binary-Sensoren: `kt` = Ecowitt-Lux ÷ Clear-Sky-Lux (Haurwitz, 110 lm/W) ≥ 0,45 **und** Einfallswinkel ≤ 75° **und** Sonnenhöhe ≥ 8° — statt fester Lux-Schwelle (Winter-Sonne bringt nur ~20 klx, Sommer >100 klx).
|
||||
- 4 Automations: 4-min-Bestätigung → Öffnungsgrad (20 %) + Lamellen (25 %); Release nach 10 min nur wenn Rollladen noch auf Beschattungsposition (Manuell-Schutz).
|
||||
- 8 Helper (1 boolean + 7 number), Dashboard „Haus" → View **Rollos** → Karte „Beschattung Wohnzimmer".
|
||||
- E2E live: 08:37 Release (exakt 10:00 nach Sensor-off), 08:42 Shade (exakt 4:00 nach Sensor-on), echte Fahrzeiten 25–40 s.
|
||||
- Pitfalls: `reload_core_config` legt neue Helper NICHT an (→ `input_number.reload`/`input_boolean.reload`); HA-Templates haben kein `radians()`; Umlaute in Entity-Namen → unbrauchbare IDs.
|
||||
- Solution Doc: `docs/solutions/integrations/2026-11-15-beschattungsautomatik-ecowitt-sonnenstand.md`; Details [[systems/homeassistant]].
|
||||
|
||||
### Nachtrag 15.11. ~09:00 UTC — Anti-Flatter am Ausfahr-Trigger
|
||||
- Owner sah Rollläden „wieder hochfahren" (waren meine Verifikations-Läufe 08:37/08:45) und markierte damit ein echtes Design-Problem: Ausfahren hing an derselben kt-Schwelle (0,45) wie das Einfahren → jede dickere Wolke hätte nach 10 min geöffnet und 4 min später wieder geschlossen.
|
||||
- Fix: Ausfahr-Automationen triggern jetzt auf **Template** `elev > 0 and (elev < 8 or inc > 88 or kt < 0.2)` mit `for: 15 min` (Geometrie-Ende oder echte Trübung), nachts kein Öffnen. Gerenderte Fälle geprüft: live false / kt 0,11 true / az 235 true / elev 5 true / elev −5 false.
|
||||
- 2026-11-15 10:55 - systems/homeassistant: **BLE-Proxy Wäscheraum (10.0.50.206) auf ESPHome 2026.10.2 geflasht** — Ursache der Hänger war WLAN-Starvation durch das 1100/1100-ms-BLE-Scanfenster (ESPHome 2026.10 warnt selbst); Fix 320/300 ms. Vorher 36 Requests/6 min mit 2 Aussetzern (1,0 s / 2,9 s) und Ping bis 317 ms, danach 18/18 in 3 min ohne Aussetzer, worst 0,15 s, Ping max 35 ms. Neue Diagnose-Entities (Uptime, WiFi-Signal, Heap, Reset-Grund, Restart-Button) + `project:`-Metadaten für künftige HA-Update-Entity. YAML/Secrets liegen jetzt in /config/esphome/; Original war verloren (Device am 09.09. vom MacBook geflasht).
|
||||
|
||||
### Nachtrag 15.11. 11:54 UTC — Owner: „zu dunkel" → Schwellen kalibriert
|
||||
- Beide WZ-Rollläden standen seit 08:46 (SO) bzw. **09:42:56 (SW, produktiv!)** auf Beschattung; der 15-min-Release griff nicht, weil ich kurz zuvor die Helligkeits-Freigabe komplett entfernt hatte (nur Geometrie/kt<0,2). Bei 16 klx / kt 0,43 blieb es also dunkel.
|
||||
- Owner-Kalibrierpunkt: **16.144 lx / kt 0,43 / Sonnenhöhe 21,3° / inc 53° = zu dunkel**; echte Wintersonne morgens 18,9 klx / kt 0,83 = angenehm.
|
||||
- Neue Schwellen: Einfahren **kt ≥ 0,52 UND ≥ 15.000 lx**, Ausfahren **kt < 0,45** (5 min) — Hysterese-Band 0,07. Nachts kein Öffnen.
|
||||
- Rollläden sofort auf 100/100 gefahren, beide Sensoren `off`. Dashboard-Karte um `beschattung_lux_min` + `beschattung_klarbeit_aus` erweitert (jetzt 9 Helper).
|
||||
|
||||
Reference in New Issue
Block a user