Compare commits

...
8 Commits
18 changed files with 703 additions and 50 deletions
+12
View File
@@ -108,6 +108,18 @@ modified: "2026-11-11"
- Grafiken bisher vs. ab 2027 (Konsolidierung auf Betriebskostenförderung + Qualitätsbonus + Teamkräfte), Callout „+25 %", „mehr Flexibilität", „weniger bürokratische Anträge".
- **Bedeutung:** Spätestens seit 23.10.2026 ist die Stadt (Vermerk „Maget") offiziell mit der „+25 %/Geld bleibt im System"-Darstellung versorgt — die „kein Budget"-Aussage fiel mit dieser Kenntnis. Vor öffentlichem Zitieren prüfen, ob die Vorlage über das Ratsinformationssystem öffentlich ist.
### Gemeinsames Träger- und Stadt-Schreiben an die Eltern (November 2026, via Elternbeirat zugeleitet)
- Die Träger aller fünf Kitas **und die Stadt Freystadt** haben die Eltern gemeinsam informiert: Abzug des 100-€-Zuschusses entfällt ab 01.01.2027 (im Schreiben wörtlich eingeräumt: „zusätzliche finanzielle Belastung von 100 € pro Monat und Kind"); reguläre Elternbeiträge bis Ende des Kindergartenjahres 2027/28 (31.08.2028) unverändert; keine Personalkürzungen; Träger „auf die Zahlung der regulären Beiträge in voller Höhe angewiesen"; kindbezogene Grundförderung steige, aber Gesamtsumme der Fördergelder verringere sich „spürbar"; Hinweis auf § 90 Abs. 4 SGB VIII (wirtschaftliche Jugendhilfe, Amt für Jugend und Familie des Landratsamts).
- **Konsequenz:** Die +100-€-Belastung der Eltern ist von den Trägern UND der Stadt offiziell mitunterzeichnet; „kein Budget" (Stadtrat, intern) ist damit eine gemeinsam geteilte öffentliche Position. Frontale Haushalts-Kritik im Erstschreiben hätte auf eine geschlossene Front getroffen.
- **Strategie umgestellt (Nutzerentscheid 13.11.2026):** **Dialogbrief zuerst** — deeskalierendes Schreiben an Stadt UND Träger, Fokus auf Reform-Auswirkungen, Nachvollziehbarkeit der Erhöhungen, Entlastungsprüfung und soziale Verträglichkeit; zentrale Bitte um gemeinsames Gespräch noch im November 2026. Alternativ-Entwurf von Yvonne Regnet wortgetreu übernommen und normkonform gesetzt (DIN 5008:2020-03 Form A).
### Neue Dokumente (13.11.2026)
- **`brief-stadt-traeger.html/.md/.pdf`** — Dialogbrief nach DIN 5008 Form A: Anrede an Bürgermeister Maget, Vertreter der Stadt Freystadt und Vertreter der Einrichtungsträger; fünf Punkte (Transparenz der Finanzierung, Nachvollziehbarkeit der Beitragserhöhungen, Prüfung von Entlastungsmöglichkeiten, soziale Verträglichkeit, zeitnaher gemeinsamer Austausch — Gespräch idealerweise noch im November 2026); Unterschriftentabelle der fünf Vorsitzenden; bewusst OHNE Haushaltszahlen, Kommunen-Vergleiche und IfKM-Argumente.
- **`gespraechsagenda-elternbeiraete.html/.pdf`** — internes Arbeitspapier („Nicht versenden"): Ausgangslage inkl. Träger-Stadt-Schreiben, IfKM-Kernrechnung (57.548 € Lücke vs. 71.300 € Elternlast, Überschuss +13.752 €), Haushaltsargumente (36,45 Mio €, 420.000 € = 1,2 %, Breitband 395.000 €, Nachtragshaushalt Art. 68 GO, Defizitvertrags-Hebel), Vergleichskommunen, 6 Fragen fürs Gespräch, Verhaltensregeln (ruhig fordernd, Zahlen erst auf Nachfrage, IfKM intern), Notizfeld.
- **`brief.html/.pdf`** (fordernde DIN-5008-Fassung mit Haushaltsabsatz, Defizitdeckung, Hollfeld-Vergleich, vier-Wochen-Frist) und **`brief-gestaltet.html/.pdf`** bleiben als Material für ein Folge-/Nachschreiben archiviert.
## Quellen (Auswahl, abgerufen 11.11.2026)
- StMAS, Beitragszuschuss-FAQ: https://www.stmas.bayern.de/themen/kindertagesbetreuung/finanzierung/beitragszuschuss.php
+11 -15
View File
@@ -1,28 +1,24 @@
# User Drift Report — 2026-11-09
# User Drift Report — 2026-11-16
**Recent window:** Last 14 days (2611 msgs)
**Baseline:** Previous 90 days (5826 msgs)
**Recent window:** Last 14 days (1346 msgs)
**Baseline:** Previous 90 days (5482 msgs)
## Detected Drifts
- **message_length**: Messages 514% longer (baseline: 2874 chars → recent: 17632)
- **frustration_increase**: Frustration markers rose from 11.0% to 38.0%
- **correction_increase**: Corrections increased from 18.5% to 36.3% — preferences may have shifted
- **new_focus**: New dominant topics: k8s
- **declining_focus**: Topics fading from focus: backup
- **message_length**: Messages 130% longer (baseline: 3198 chars → recent: 7352)
- **new_focus**: New dominant topics: k8s, ai_ml
- **declining_focus**: Topics fading from focus: monitoring, security
## Signal Summary
| Metric | Baseline | Recent |
|---|---|---|
| Avg msg length | 2874 | 17632 |
| Frustration rate | 11.0% | 38.0% |
| Correction rate | 18.5% | 36.3% |
| Action-first | 1.3% | 6.5% |
| Top topics | proxmox, security, backup | k8s, ai_ml, proxmox |
| Avg msg length | 3198 | 7352 |
| Frustration rate | 12.4% | 14.2% |
| Correction rate | 19.7% | 19.7% |
| Action-first | 1.6% | 2.6% |
| Top topics | proxmox, security, ceph | ai_ml, ceph, k8s |
## Recommendations
- Investigate friction sources → streamline common workflows
- Review recent corrections for pattern → update USER.md preferences
- Consider adding domain knowledge for new focus areas
+3
View File
@@ -38,6 +38,7 @@
- [[systems/noris-ai]] — ai.noris.de LLMs, Embeddings, Image Gen
- [[systems/frigate]] — NVR v0.18 CT151, Kameras, MQTT, HA Automation
- [[systems/homeassistant]] — HAOS, MQTT, Automations, Notify
- [[systems/heizung-viessmann]] — WP CU401B S, Heizkurve 0,4/−7, 11 free@home-Zonen, Sollwerte 24/23/21, WW-Peak-Automationen (11/2026)
- [[systems/earnie-hems]] — Earnie HEMS (Add-on v2.7.0, installiert/gestoppt), Vergleich vs. EMHASS, CPU-Blocker kvm64
- [[systems/evcc-wallbox]] — evcc-Addon VM106, SMA Wallbox via HA-Bridge, alwaysCharge-Incident 10/2026
- [[systems/paperless]] — Dokumentenmgmt, OIDC, OCR via noris AI
@@ -53,6 +54,7 @@
- [[systems/sabnzbd]] — Usenet-Downloader + VAAPI AppleTV-Converter, VIP .206 (8080+SMB 445), Guard-Bug-Lesson ffprobe-Quoting (10/2026)
- [[systems/jellyfin]] — Media-Server 12.2, VIP .209:8096, ns sabnzbd, RO-Media-Mount, 12.2-API-Fallen (Auth-Header, Startup-User, Task-Routen)
- [[systems/agent-fleet]] — Multi-Agent-Plattform: Bifrost-LLM-Ingress VIP .210:8080 (vllm/release-only-Policy), CNPG, Beacon v0, Phase-0-Plan (10/2026)
- [[systems/technitium-dns]] — LAN-Resolver + Adblock: CT150/CT153 Cluster, VIP .149 (keepalived), DHCP-DNS via Omada (11/2026)
## Concepts
- [[concepts/network-architecture]] — 10.0.X.Y Schema, VLANs
@@ -89,6 +91,7 @@
- [[patterns/llm-backend-hang-diagnosis]] — Modell- vs. Infra-Defekt: code=000 bei erfolgreichem Connect (PAT-015)
- [[patterns/automatik-erfolg-kein-zustellbeweis]] — Queue mit zwei Validierungsschichten: `accepted` ≠ zugestellt; Sender statt Typ als Diskriminator (PAT-018)
- [[patterns/watchdog-alarm-an-ausgefallenes-ziel]] — Alarm an das überwachte Objekt selbst; Erkennen ohne Remediation, `PHASE Error` ohne Reconcile (PAT-019)
- [[patterns/pbs-datastore-full-root-reserve]] — PBS meldet ENOSPC bei <100 %: ext4-Reserve (5 %) für den `backup`-User unerreichbar + Dedup lässt „erfolgreiche" Backups ohne neue Chunks durch (PAT-020)
- [[patterns/skill-impact]] — Skill Modification Audit Trail
## Memory Layer Architektur
+212
View File
@@ -1,5 +1,69 @@
# Memory Log
## [2026-11-18] recipe-scraper-cron | Crash-Rezidiv nach 4 Tagen, Retry OK, No-Op — Störung täglich, nur Schwere variiert
- **Lauf 1 (06:00:29):** Crash in `db_count()` — pymysql 2013, read_timeout 60 s überschritten. Identischer Fehlerpfad wie 11-10 bis 11-13; erstes Rezidiv nach 4 Tagen.
- **Lauf 2 (06:01:53):** Exit 0, "Already at 200000 recipes" — 0 neue, keine Quellen, keine Pipeline. DB unverändert bei 200.000 = TARGET.
- **Diagnose (verifiziert):** TCP .70:3306 open; `SELECT 1` + COUNT 200.000 ab ~06:01:45 instant (Node mariadb-01) — Fenster heute kürzer als 11-13 (>122 s).
- **Schlüsselbefund — "crashfreie" Tage 11-14 bis 11-17 waren keine:** `scraper_v8.log` Gesamtlaufzeiten 55/37/37/60 s = COUNT-Dauer ~30–55 s (vor `db_count()` laufen nur lokale Loads) → Störung im 06:00-Fenster TÄGLICH, Crash nur wenn COUNT >60 s. "Intermittenz" war falsch — die 4 Tage waren Grenzfälle.
- **Root-Cause weiter offen:** Täglicher DB-Infra-Job ~05:45–06:05 UTC (mariabackup/ANALYZE/Timer auf Galera-VMs) Hauptverdächtiger. **FIX weiter offen (Owner-GO):** `read_timeout=60`→`300` (Scraper Zeile ~89) oder Cron auf 06:30. Nichts ausgeführt — Auftrag war nur ausführen & berichten.
- **Learning-Cycle:** SolDoc-Nachtrag 11-18 im 11-13-Doc; Wiki `systems/recipe-scraper.md` (+Status 11-18); Hindsight-Indexierung via HTTP-API (`POST /v1/default/banks/hermes/memories`, compact Summary + Tags, `success:true`; Recall-Test: neue Fakten auffindbar, semantic 0.65). Auch notiert: Cron-Task-Beschreibung "77.000+" seit 11-08 veraltet (DB: 200.000).
## [2026-11-16] Büro-Licht: Schwelle auf 7000 lx (Outdoor-Proxy stößt an Grenzen)
- **Vorgabe:** „es ist aktuell dunkel genug, dass das Licht angehen sollte" bei Outdoor **5.900–6.400 lx** → Schwelle 1.500 → **7.000 lx** (Gate + `dunkel`-Trigger), Nachlauf bleibt 2 min.
- **A/B bei praktisch gleicher Helligkeit:** Präsenzflanke 09:11:26 (~6.400 lx, Schwelle 1.500) → Licht bleibt aus (`choose/3`); Flanke 09:15:49 (~5.948 lx, Schwelle 7.000) → Licht an 09:15:50 (`choose/0/sequence/0`). Vorher war das Licht seit 07:11:36 aus (Morgen war 13–20k lx).
- **Erkenntnis:** Outdoor-Lux ist nur ein grober Proxy für die Büro-Helligkeit (Nordseite/trüb). Dritte Schwellen-Anpassung in drei Tagen → echte Lösung = Indoor-Lux (BH1750 am Büro-ESP32) oder LD2410-Hold-Timeout; als Optionen im Wiki notiert.
- **Sensor-Flapping:** Präsenz-Bursts 20–60 s mit Lücken bis 6 min → 2-min-Nachlauf lässt das Licht in Lücken aus. Wiki `systems/homeassistant.md` aktualisiert.
## [2026-11-15] storage-fix | Offsite-PBS 800→980 GiB extendet, 208 GiB frei, Push-Sync wieder grün
- **Ist:** `noris_offsite` (PBS-VM 213.95.54.60) war **100 % voll** (ext4 787 GiB, 747 belegt, 0 frei); Push-Sync `push-offsite` (CT119 → offsite, 03:00) scheiterte seit **20.10.** mit `ENOSPC` (os error 28). Seitdem kamen nur Snapshots mit Dedup-Volltreffern durch — „grüne" Snapshots 12.–14.11. neben echten Lücken.
- **Ursache 1:** Cinder-Volume `pbs-data` 800 GiB (Dimensionierung 07/2026) bei ~180 GiB/Monat Wachstum. **Ursache 2:** ext4-Reserve 5 % (40 GiB) ist für den PBS-`backup`-User unerreichbar → df „0 frei" bei 94,9 %.
- **Fix (Owner-GO, 0 Downtime):** `openstack volume set --size 980` (`OS_VOLUME_API_VERSION=3.42` nötig, OSC 10.1 kennt kein `volume extend`) → `rescan` + `resize2fs` (787→964 GiB) + `tune2fs -m 1` (-32 GiB Reserve). Danach **208 GiB frei (79 %)**, PVE: 77,46 %. Catch-up-Sync 14:17 gestartet (~3,5 MB/s WAN).
- **Offen:** Projekt-Quota 1000 GiB (820 belegt) = harter Deckel → **Quota-Erhöhung bei noris** auf 2–3 TiB nötig, sonst in ~5–6 Wochen erneut voll. Nebenbefund: nächtlicher vzdump endet mit `job errors`, weil VM 991 auf nicht existentes RBD `vm-300-disk-0-test` zeigt.
- **Docs:** `docs/solutions/bug-fixes/2026-11-15-offsite-pbs-volume-extend.md`, Pattern **PAT-020** (`patterns/pbs-datastore-full-root-reserve.md`), Wiki `systems/proxmox-cluster.md` (Backup-Storage-Sektion), Skill-Ref `openstack-offsite-pbs-2026-07.md` ergänzt.
## [2026-11-15] ceph-status-audit | MON 4→3, Pool-Tabelle korrigiert, MON_DISK_LOW n5pro
- **Strukturell:** `mon.proxmox4` am 15.11. 10:22 entfernt (Service disabled, monmap e137) → 3 MONs (proxmox5/ms-a2-1/n5pro), Quorum 3/3. MGR aktiv seit ~2 Wochen auf **ms-a2-1** (nicht mehr n5pro). Vorher 05:15 kurzer MON_DOWN (n5pro).
- **Health:** HEALTH_WARN nur Disk-Rauschen — 7 HDD-OSDs `BLUESTORE_SLOW_OP_ALERT` (chronisch seit ≥08.11., 7–9 OSDs), osd.1/6/11 `DB_DEVICE_STALLED_READ` (DB auf demselben HDD-Spindle, 5 s read-Timeout). 533/533 PGs clean, keine Recovery.
- **Wiki-Korrekturen (`systems/ceph-cluster.md`):** Pool-Tabelle neu aus `ceph df detail` — **`media_ec` (EC 4+1) und `media_meta` existieren nicht mehr**, dafür cephfs_ssd_data/meta + default.rgw.*; 13 Pools/533 PGs. osd.18 → n5pro (nicht ubuntu), osd.17 = 2.7 TiB, osd.3 via CRUSH-Weight 0.05 (Reweight 1.0). Kapazität 14/33 TiB (43 %), Engpass osd.7 bei 89.8 %, Pool-Headroom ~0.8 TiB. Versions-Skew: 3 OSDs auf 20.2.5.
- **Erledigt 15.11. (Owner-GO):** (a) n5pro aufgeräumt → `apt-get clean` (-3.2 G) + `journalctl --vacuum-size=1G` (-2.8 G) + `ceph crash archive-all && prune 30` (285 → 0 Reports) → Root-FS 67 % → **51 %**, MON_DISK_LOW aus health detail verschwunden. Lokale Daemon-Crash-Dumps bleiben (n5pro 276 M, ubuntu 520 M, 07.08.). (b) MON 4→3 ist **gewollt** (Owner bestätigt): Zielzustand 3 MONs, proxmox4 bleibt reiner OSD-Host. (c) osd.7 (89.8 %) `crush reweight 0.931 → 0.75` → 15 PGs remapped, Backfill ~30 MiB/s, MAX AVAIL cephfs_data 864 GiB → 1.1 TiB, hdd_disk 852 GiB → 1.0 TiB. **Nebeneffekt:** osd.10 (proxmox6, 2. 1-TB-HDD-Host) stieg 76.6 → 78.4 % — mit 4 HDD-Hosts und size=3 tragen die beiden kleinen Hosts strukturell zu viel. Deshalb auf Owner-Wahl auch osd.10 `crush reweight 0.931 → 0.75` (15:43) → zusammen 18 PGs remapped, beide Hosts jetzt symmetrisch 0.75. Backfill ~38 MiB/s, ETA ~2.5 h; One-Shot-Cron `23fdefeffc95` prüft in 3 h die Konvergenz.
## [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).
- **Fast verloren:** Ich hatte die Automation am 02.11. gebaut — der Nutzer hatte sie inzwischen selbst auf **5 min Nachlauf** + `time_pattern /2` + Alias „(5 min Nachlauf)" geändert. Mein `POST` hat das blind überschrieben; Rekonstruktion gelang aus dem Automation-Trace (`ws trace/get`, Feld `config`). Diese Werte sind jetzt wieder drin.
- **E2E 14.11.:** hell 8.537 lx + Präsenzflanke → Licht bleibt aus; fake 300 lx + Flanke → Licht an; echter 5-min-Nachlauf (09:01:26 off → 09:06:28 Licht aus, Trace `choose/2`), Sweep-Läufe davor korrekt untätig. Lux-Fakes wurden vom Gerät binnen Sekunden überschrieben (Wetterstation pusht ~alle 10–20 s).
- **Lux-Realwerte:** bedeckter Vormittag Nov ~8.500–8.800 lx, Spätnachmittag Mitte Nov ~1.250–1.300 lx → 1500-lx-Schwelle = Licht ab Dämmerung/trüben Tagen, Mittagssonne bleibt gesperrt.
- **Nachtrag 14.11. 15:28:** Nachlauf auf **2 min** reduziert (Nutzer); Alias jetzt „(2 min Nachlauf)", Sweep-Bedingung ebenfalls 2 min. E2E: Presence off 15:28:14,56 → Trigger 15:30:14,56 (exakt 2:00) → Licht aus 15:30:16,10 (Trace `choose/2`); On-Pfad bei 970 lx weiterhin an.
- Skill `smart-home-automation`: `references/ha-automation-trace-debugging.md` um „blind POST zerstört spätere Edits / Recovery via Trace" + „kein `automation/reload` nach Config-POST nötig" ergänzt; Wiki `systems/homeassistant.md` aktualisiert.
## [2026-11-13] free@home setup_error | SysAP-Reboot wirkungslos → Client-Zombie, Core-Restart Fix, Watchdog Stufe 2
- **Incident:** Entry `freeathome` `setup_error` seit 12.11. 16:18 UTC, 28/29 ABB-Entities `unavailable`, Log `IqTimeout` auf `RemoteInterface.getAll`.
- **Watchdog-Blindstelle:** der 05:11-Reboot (`reboot(0)`, ACK) half nicht — SysAP-REST war die ganze Zeit gesund (`/configuration` 200 in 3 s, 62 Geräte) ⇒ Wedge clientseitig. Danach 6-h-Cooldown ohne zweiten Hebel; HA-Retry-Backoff erschöpft (letzte Logzeile 06:17).
- **Fix:** `docker restart homeassistant` 07:10 → `loaded` 07:14:48, 28/28 Entities, E2E turn_on/off je <2 s.
- **Code:** `fah_watchdog.py` + Stufe 2 (`sysap_config_ok()` REST-Gate + `restart_core()`, Cooldown `last_core_restart`) — `--selftest` und Tick verifiziert.
- **Skill:** `smart-home-automation/references/freeathome-integration-health.md` (Entscheidungstabelle SysAP-Wedge vs. Client-Zombie, Probe-Pitfall). Solution Doc: `bug-fixes/2026-11-13-freeathome-setup-error-client-zombie-core-restart.md`.
## [2026-11-13] recipe-scraper-cron | 3. Crash-Tag, Fenster-These verfeinert, Retry OK, No-Op
- **Lauf 1 (06:00:28):** Crash in `db_count()` — pymysql 2013, read_timeout 60 s überschritten. 3. Tag in Folge.
- **Diagnose:** Galera gesund (3/3 Synced, wsrep_ready=ON, Uptime 4,5 d, Flow Control aus); `SELECT 1` instant; COUNT hing im Fenster 06:01–06:04 **>122 s** ("Sending data"), ab 06:05 **4× 0,0 s**. → Die 52,4 s vom 12.11. sind kein fixer Strukturwert, sondern Cache-/Blockade-abhängig. Morgen-Briefing (parallel 06:00) als Verursacher **widerlegt**: Fetch-Scripts ohne recipes-DB-Zugriff; am 10.11. lief COUNT während des Briefings durch. 06:00-Fenster-Ursache offen → Backup-Jobs/Cron auf DB-VMs prüfen.
- **Lauf 2 (06:04:14):** Exit 0, "Already at 200000 recipes" — 0 neue, keine Quellen, keine Pipeline (4. No-Op-Tag in Folge).
- **Tool-Fallen heute:** (a) bash-Pipeline `python … | tee; echo $?` maskiert den Python-Exit-Code (tee-Exit=0 trotz Crash) → `${PIPESTATUS[0]}` verwenden; (b) Pfad-Typo `/home/deian/` 2× (Pfade kopieren, nicht tippen); (c) SolDoc-Suche überPagination-Limit 50 — bestehendes Doc 2026-11-12 fast übersehen → bei total_count==50 immer weitersuchen.
- **FIX bleibt offen (Owner-GO):** `read_timeout=60`→`300` im Scraper (Zeile ~89); robustester: Cron auf 06:30 verschieben. SolDocs: `bug-fixes/2026-11-13-recipe-scraper-0600-count-timeout-transient.md` (neu) + Nachtrag in `2026-11-12-recipe-scraper-dbcount-timeout-galera.md`.
- **Learning-Cycle:** Hindsight-Indexierung via HTTP-API (bank `hermes`, files/retain, Operation completed; Recall-Test top-Treffer positiv). Wiki: `systems/recipe-scraper.md` (+Status 11-13), `systems/galera-maxscale.md` (+Bekannte Issues 11-13).
## [2026-11-13] BayKiBiG: Strategieumstellung auf Dialogbrief – Träger/Stadt-Schreiben dokumentiert, harte Fakten in interner Gesprächsagenda
- **Neuer Primärbeleg:** Gemeinsames Schreiben der fünf Träger UND der Stadt Freystadt an die Eltern: Abzug entfällt ab 01.01.2027 („zusätzliche finanzielle Belastung von 100 € pro Monat und Kind" eingeräumt), Beiträge bis 31.08.2028 „nicht erhöht", kein Personalsabbau, „auf vollständige Zahlung angewiesen", § 90-4-Hinweis. Die Stadt hat die +100 € damit offiziell mitunterzeichnet.
- **Strategie (Nutzerentscheid):** Erstschreiben deeskalierend — Dialogbrief an Stadt UND Träger (Alternativ-Entwurf Yvonne Regnet, wortgetreu, DIN 5008:2020-03 Form A gesetzt; einzig normbedingte Anpassung: „Betreff:"-Vorsatz entfallen). Fünf Punkte: Transparenz, Nachvollziehbarkeit, Entlastungsprüfung, soziale Verträglichkeit, zeitnahes Gespräch (ideal noch im November 2026). Unterschriftentabelle der fünf Vorsitzenden.
- **Gesprächsagenda (intern, „Nicht versenden"):** IfKM-Kernrechnung (57.548 € Lücke vs. 71.300 € Elternlast, Überschuss +13.752 €), Haushaltsargumente (36,45 Mio €, 420.000 €/1,2 %, Breitband 395.000 €, Nachtragshaushalt Art. 68 GO, Defizitvertrags-Hebel), Vergleichskommunen, 6er-Fragenkatalog, Verhaltensregeln, Notizfeld. Stand 13.11.2026.
- **Archiv:** fordernde Fassung (brief.html/.pdf) + gestaltete Fassung (brief-gestaltet.html/.pdf) bleiben für ein Nachschreiben erhalten.
- **Dateien:** brief-stadt-traeger.html/.md/.pdf (Dialogbrief, 2 Seiten, Layout gemessen: S.1 6,5 mm / S.2 21,1 mm Luft; Vision-Check komplett), gespraechsagenda-elternbeiraete.html/.pdf (2 Seiten, S.1 45 mm / S.2 20,6 mm Luft, Notizfeld). Wiki-Sektionen „Gemeinsames Träger- und Stadt-Schreiben" + „Neue Dokumente" ergänzt.
## [2026-11-12] recipe-scraper-cron | db_count-Crash 2. Tag in Folge, Retry OK, wieder No-Op
- **Lauf 1 (06:00:25):** Crash in `db_count()` — pymysql 2013, read_timeout 60 s überschritten.
- **Diagnose (verifiziert):** TCP/Handshake/`SELECT 1` instant; `SELECT COUNT(*) FROM recipes` = **52,4 s** (mit read_timeout 120 gemessen) → Query strukturell langsam, NICHT DB-down. `recipes` hat 200.000 Zeilen.
@@ -974,6 +1038,102 @@
- 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.
## 2026-11-17 — PVEHighCPU n5pro: 720p-Batch, nicht der Cluster
- Alarm `pve_cpu_usage_ratio{node="n5pro"}` 0,91 über 43 h. Ursache: **manueller Batch**
`/root/sweep/applefix720.sh rest720.txt 3` (seit 15.11. 16:48, aus SSH-Session
`session-5169.scope`), 3× ffmpeg libx265 `-threads 8` = 24 Threads auf 24 Kernen, nice 0.
Nicht corosync/pmxcfs — der reguläre `conv-n5pro.service` lief und loggte nur
„keine Kandidaten".
- Fix ohne Arbeitsverlust: `renice -n 19` + `ionice -c3` + `CPUQuota=800%` auf den Session-Scope
→ Encoder 20→8 Kerne, Host 90 %→45 %, Gäste unberührt (8 nice-0-Testthreads holten 780 %).
**Falle: systemd `CPUQuota=25%` = 25 % eines Kerns**, nicht des Hosts.
- Job läuft weiter (365/439 Dateien, 74 offen, ~18 h bei 8 Kernen).
Doku: `docs/solutions/infrastructure/2026-11-17-n5pro-high-cpu-transcode-batch.md`,
Skill `video-library-maintenance` um die Hypervisor-CPU-Regeln erweitert.
## 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
einem Job, der gar kein Modell pinnt → **Fallback-Fire**.
- Zwei Defekte: `cron.model: vllm/release/glm-5-2` ist per Virtual Key **403 model_blocked**
→ jeder Fire wanderte in die Fallback-Kette; `agent.reasoning_effort` war leer, und
deepseek-v41-flash lehnt `""`/`medium` ab (nur low/high/xhigh/max oder int 1–100).
- Beweismatrix gegen ai.noris.de: glm-5-3 akzeptiert alles, glm-5-3-flash high/max,
deepseek-v41-flash nur high/max → `high` ist der einzige gemeinsame Nenner.
- Fix personal-coach: `agent.reasoning_effort: high` + `cron.model: vllm/release/glm-5-3`
(Backup `config.yaml.bak-20261113-pre-reasoning`). Run via
`hermes cron run 8c9e9ab50892 --profile personal-coach` → succeeded, Abend-Reflexion
mit echten Daten (93,3 kg, 5,56 h Schlaf) ausgeliefert.
- Latent offen (nicht angefasst): `infra-sre` + `nutrition-coach` haben
`reasoning_effort: ''` → gleicher 400er, sobald dort ein Fallback auf DeepSeek greift;
`dynamic-coach` + Default-Profil haben `cron.model: glm-5-2` (gesperrt, aber durch
`max` bzw. Fallback abgedeckt).
- Doku: `docs/solutions/bug-fixes/2026-11-13-cron-deepseek-reasoning-effort.md`;
Skill `cronjob` um die Pitfall-Zeile erweitert.
## 2026-11-12 21:2x — Earnie vollständig konfiguriert (parallel, read-only)
- Fünf Konfigdateien gegen Earnies eigene JSON-Schemas validiert und in **beide** Config-Pfade
@@ -1008,3 +1168,55 @@
- Rolling Load Profile: `emhass_profile_refresh.sh` + Cron `ccf94ac266c6` (So 04:00); 3 Bugs in `emhass_build_profile.py` gefixt.
- Neue Seite [[systems/earnie-hems]], Referenz [[reference/emhass-cascade-automation-architecture]] aktualisiert (deficit_cost 0.0, Raster, Preise).
- Solution Doc: `docs/solutions/bug-fixes/2026-11-12-emhass-phantom-price-gate.md`.
## 2026-11-14 — Technitium DNS HA (LAN-Resolver + Adblock) live
- CT150 `10.0.30.150` (proxmox6, Primary) + CT153 `10.0.30.153` (n5pro, Secondary), unprivileged, 1C/1G/4G RBD, onboot.
- Technitium **v15.6.2**; Cluster `dns.internal.schoen.codes`, Config-Sync 300 s, Blockliste HaGeZi Multi Pro (227.848 Domains).
- **VIP 10.0.30.149** (keepalived, VRID 51, unicast, nopreempt, Check TCP:53 + API:5380) — Failover in ~4 s gemessen.
- Omada-DHCP (bleibt bei Omada, nur 2 DNS-Felder): `10.0.30.149` + `1.1.1.1`. Echte Client-Queries kommen an.
- Upstream: 1.1.1.1/1.0.0.1 + Cloudflare-v6; `recursion` per NetworkACL auf private Ranges begrenzt.
- Monitoring: `blackbox_dns` + `blackbox_http` (:5380) in kube-prometheus-stack, PrometheusRule `technitium-dns-rules`.
- **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).
### 15.11. 14:05 UTC — Heizung: Raum-Sollwerte gesenkt + WW-Peak-Logik (Owner: „go a")
- **Befund:** Haus 23,5 °C Kernbereich, kein Nachtprofil (Nacht=Tag), Bad/Schminken/Windfang 7 Tage auf **100 % Ventilhub** (Ziele 26,5/24/28 °C unerreichbar). Heizkurve selbst unauffällig (29,2 °C VL bei 0 °C außen, Spreizung 1,2 K, 0–4 Starts/Tag).
- **Ursache:** Raum-Sollwert an der WP (24 °C) ist der Heizkurven-Parameter; zwei Automationen schrieben Normal=24 bzw. Reduziert=23/24.
- **Umgesetzt (mit Rücklesung):** Normal 24→**23**, Reduziert 23→**21** (21,5 von HA verworfen: step=1 → HTTP 500), Komfort bleibt 24; 11 Raumthermostate −1 bis −1,5 K (Bad 23,0, Windfang 20,0); `komfort_heizung` + `normaltemperatur` **off**; neu `ww_peak_blockade_14_30` / `ww_peak_ende_20_30` / `ww_schutz_unter_40_c`.
- **Sofortwirkung:** Ventile Wohnen 100→50 %, Essen 79→19 %, Bad/Schminken/Windfang 100→0 %; VL 27,8→26,8 °C.
- **Gelernt:** HA kann Automations sehr wohl per `POST /api/config/automation/config/{id}` anlegen (verifiziert, HA 2026.10.4) — „nur YAML" ist falsch. ViCare-Cloud-Writes sind asynchron (~30–60 s). Doc: `docs/solutions/architecture/2026-11-15-waermepumpe-raumsollwert-ist-heizkurve.md`, Wiki: `systems/heizung-viessmann.md`.
- **Offen:** Heizgrenze (~14 °C) nur in ViCare-App; Auslöser der Einmaligen WW-Ladung 09:35 unbekannt; Kurven-Verifikation bei < −3 °C (21./22.11.).
### Nachtrag 15.11. 12:50 UTC — „Beschatten gerade nicht notwendig" → Temp-Gate
- 11:47 hatte die Automatik korrekt beschattet (Sonnenausbruch: 30–36 klx, kt 0,83–0,97), Raum aber nur **22,3 °C**. Owner will im November Licht, keine Kühlung.
- Umbau: Beschattung = **Wärmeschutz** — neue Bedingung Raumtemperatur ≥ 24 °C (`input_number.beschattung_raum_temp_min`, Sensor `sensor.wohnzimmer_abb700c81313_wohnzimmer_temperature`) und `einfall_max` 75° → **40°** (Streiflicht zählt nicht mehr).
- Nebenbefund: die Morgen-Flatterei (08:19→09:01→10:41→10:52) kam vom Oszillieren des kt um die Schwelle; mit dem Temp-Gate ist sie strukturell weg.
- Rollläden alle auf 100/100, Sensoren `off` (22,3 °C < 24 °C). Dashboard erweitert (Raumtemp + Schwelle).
### 16.11.2026 — Beschattung: Temperatur-Gate raus, Median-Glättung rein + free@home-Ausfall
- Owner-Vorgabe: „kein temperaturbasiertes Beschatten; helligkeit: kurze peaks nach oben und unten ignorieren."
- Neues Modell: `sensor.helligkeit_geglaettet` (Median der letzten 7 Messwerte, trigger-basiertes Template mit Ringpuffer im Attribut) ersetzt den Instant-Wert; Entscheidung nur `elev >= 5°` + `inc <= 25°` + `Median-Lux >= 8.000`; Ausfahren = Sensor 10 min off (nur tagsüber). Alle Temperatur-/kt-Gates entfernt (Helper gelöscht), Dashboard-Karte auf 1 Boolean + 7 Number reduziert.
- Prüffälle gerendert: Morgen frontal → BESCHATTEN, 11:47-Streiflicht → offen, 13:56 frontal → BESCHATTEN, Regen/Dämmerung → offen.
- **Pitfall:** `input_number.reload` übernimmt geänderte `min`/`max` NICHT → Core-Restart nötig.
- **Incident:** Nach den Core-Restarts free@home `setup_error`, alle Cover `unavailable` (~35 min). SysAP selbst wedged (`/sysap` 15–49 s, `/configuration` Timeout, Web-UI 000). Recovery: `rescue.py reboot` (reboot(0)) → SysAP ~4 min weg → `docker restart homeassistant` → Entry nach **4 min 20 s** `loaded`, alle Cover wieder da. `rescue.py probe` GETALL_TIMEOUT ist KEIN Health-Oracle.
@@ -0,0 +1,57 @@
---
pattern_id: PAT-020
title: "PBS/Datastore meldet ENOSPC bei <100 % — ext4-Reserve + Dedup verdecken den Vollstand"
category: storage
severity: high
status: active
first_observed: 2026-09
last_updated: 2026-11-15
related_systems: [pbs-offsite, pve-cluster, openstack-cinder]
related_solution_docs:
- docs/solutions/bug-fixes/2026-09-30-offsite-pbs-saturation-gc-rescue.md
- docs/solutions/bug-fixes/2026-11-15-offsite-pbs-volume-extend.md
related_skills: [devops/proxmox-ve-administration, devops/volume-capacity-incident-response]
---
# PBS-Datastore voll: ENOSPC bei 94 % und „erfolgreiche" Backups ohne Platz
## Symptom
- PVE-Storage (`pvesm status`) zeigt 94–95 % und **0 KiB frei**; `df` im Gast: `0 frei, 100 %`.
- PBS-Journal: `unable to create backup group ... No space left on device (os error 28)`,
zusätzlich `backup ended but finished flag is not set`.
- Verwirrend: **es erscheinen weiterhin neue Snapshots** mit aktuellen Daten im Store.
- GC-Tasks laufen mit Status **OK**, ohne nennenswerten Platzgewinn.
## Root Cause
1. **ext4-Reserved-Blocks (Default 5 %)** sind für den PBS-Worker unerreichbar, weil
Datastore-IO als User `backup` läuft. Bei 800 GiB Volume sind das ~40 GiB, die
`df` als „belegt" führt, obwohl sie frei sind — aber eben nicht für PBS.
Prozentanzeige und ENOSPC widersprechen sich dadurch scheinbar.
2. **Dedup-Volltreffer**: Snapshots, deren Chunks alle schon existieren, brauchen nur
wenige KB Metadaten und passen auch bei 0 frei noch rein → Backups „gelingen",
während echte Änderungen seit Wochen nicht gesichert sind.
3. Kapazität ist **nicht** über PVE steuerbar (PBS-Storage hat kein `size`-Feld);
sie hängt am darunterliegenden Blockdevice (Cinder-Volume, RBD, ZFS-Dataset…).
## Mitigation
- Sofort: `tune2fs -m 1 <dev>` → ~4 % des Volumes werden nutzbar (nicht-destruktiv, online).
- Nachhaltig: Blockdevice vergrößern (Cinder `openstack volume set --size N` mit
Microversion ≥ 3.42 für in-use, dann `rescan` + `resize2fs` im Gast) **oder** Retention kürzen.
- Bei Vollstand hilft GC nur, wenn echte Pending-Removals existieren.
## Prevention
- Alert auf absoluten freien Platz und Growth-Rate, nicht allein auf Prozent.
- `tune2fs -m 1` bei großen PBS-Datastores sofort nach dem Anlegen.
- RPO-Bewertung nie über „neuester Snapshot vorhanden", sondern über die
ENOSPC-Historie und den Chunk-Zuwachs (`du -s .chunks` über Zeit).
## Evidence
- 2026-09-30: Offsite-PBS 40 KiB frei von 844 GB, 43/46 Backups rot; GC holte
132,7 GiB Pending-Removals → Rescue. (Vorfall 1)
- 2026-11-15: Offsite-PBS erneut voll (747/787 GiB, 0 frei), ENOSPC seit 20.10.;
Volume 800→980 GiB + `-m 1` → 208 GiB frei, Sync-Catch-up läuft. (Vorfall 2)
+3
View File
@@ -47,3 +47,6 @@ The entry records WHAT changed, WHY, and WHETHER it helped (if validated).
| 2026-11-02 | devops/ai-noris-inference-api | patched | Context-Fenster-Pitfall ergänzt: Bifrost liefert max_context_length verschachtelt; Hermes-Fallback 128k/1.31M/256k; Fix via model.context_length + providers.noris.models.<id>.context_length | tested | accepted | docs/solutions/bug-fixes/2026-11-02-hermes-context-length-bifrost-nested.md |
| 2026-11-05 | security/security-exposure-audit | patched | Auth-Bypass-Regel ergänzt: sshd-libc per `ldd` prüfen (musl-Loader ≠ musl-sshd), fünf AND-Bedingungen für sshhole.com | tested | accepted | docs/solutions/bug-fixes/2026-10-30-cve-2026-98432-fleet-exposure.md |
| 2026-11-05 | cronjob | patched | Pitfall ergänzt: `monitor_script` braucht bloßen Dateinamen (+x, Shebang); `bash /abs/pfad` macht den Monitor blind; Agent-Prompt-SSH-Zugang vor Scharfstellen live testen | tested | accepted | docs/solutions/bug-fixes/2026-10-30-cve-2026-98432-fleet-exposure.md |
| 2026-11-15 | devops/network-reconnaissance | patched | Pitfall ergänzt: zip(ips, as_completed(futures)) misattribuiert Alive-IPs (77/91 Ghosts im Weekly-Scan); Korrektur: pool.map oder {fut: ip}-Dict; Cross-Check gegen ip-map | tested | accepted | docs/solutions/bug-fixes/2026-11-15-network-scan-ip-attribution-bug.md |
| 2026-11-15 | openscad-functional-parts | patched | Pitfalls +2: (1) OpenSCAD 2021.01 CLI-Quirks — kein `--render`, `-o` relativ zur .scad-Datei, STL default ASCII (`--export-format binstl`), `color()` im PNG-Export ignoriert, Framing via `--viewall --autocenter`; (2) Regel «Passungskonus in fester Außenkontur ⇒ Wand geht gegen 0», Wand an beiden Enden rechnen | tested | accepted | docs/solutions/workflows/2026-11-15-konus-passung-wandstaerke-vorab-pruefen.md |
| 2026-11-15 | devops/proxmox-ve-administration | patched | Ref `openstack-offsite-pbs-2026-07.md`: Abschnitt "Kapazität vergrößern" ergänzt — `openstack volume set --size` (kein `volume extend` in OSC 10.1), Mikroversion ≥3.42 für in-use, rescan+resize2fs+tune2fs -m 1, ENOSPC-Trugschluss bei vollem Dedup-Store | tested | accepted | docs/solutions/bug-fixes/2026-11-15-offsite-pbs-volume-extend.md |
+4 -1
View File
@@ -47,9 +47,12 @@ modified: "2026-09-30"
## Infrastructure VMs (10.0.30.x)
| IP | Host | Service |
|----|------|---------|
| 10.0.30.149 | — | **Technitium DNS VIP** (keepalived/VRRP 51, floatet zwischen .150/.153) |
| 10.0.30.150 | CT150 technitium-dns-01 (proxmox6) | DNS-Cluster-Primary, Web-UI :5380, TLS :53443 |
| 10.0.30.153 | CT153 technitium-dns-02 (n5pro) | DNS-Cluster-Secondary, Web-UI :5380, TLS :53443 |
| 10.0.30.66 | sarah-hermes (VM107, n5pro) | Sarahs Hermes: WebUI :8787 (LAN-only, pw) + TG-Bot (geplant) |
| 10.0.30.99 | CT111 | Immich (n5pro), Migration zu K8s geplant |
| ~~10.0.30.100~~ | ubuntu | **STALE (10.10. verifiziert):** VLAN-30-IP nach NAS-Crash 03.10. verloren (nie persistiert), ARP dead. Kanonischer Host-Zugang: **10.0.20.100** (VLAN 20) |
| 10.0.30.100 | ubuntu | **ZURÜCK (15.11. verifiziert):** SSH 9.6p1 Ubuntu-13.20 antwortet wieder; Host-Keys (RSA/ECDSA/Ed25519) identisch mit 10.0.20.100 → derselbe NAS-Host, VLAN-30-IP wieder aktiv. Ob beabsichtigt: offen (Legacy-Route seafile_old → .30.100:8081 beachten). Kanonischer Host-Zugang: **10.0.20.100** (VLAN 20) |
| 10.0.30.105 | — | ~~Gitea~~ CT108 GESTOPPT 2026-09-17 (Archive: /home/debian/git-archive/ct108-final/) |
| 10.0.30.124 | VM200 | IaC Runner (DHCP), SSH `debian` |
| 10.0.30.141 | CT141 | Monitoring (Prometheus/Grafana) |
+20
View File
@@ -1695,3 +1695,23 @@ Vorher quarantänierte der Watcher sie („System-Sender mit unzulaessigem type
und Lesen; Zeilen mit !=6 Zellen werden übersprungen + `backlog_row_invalid`
journalisiert; Register repariert (Backups `*.bak-*-ctrlchars`).
- **Verifiziert:** get_kanban JSON ok für alle 4 VS, Steuerzeichen-Scan 0.
## Inbox: „Was braucht dich" (15.11.2026, Herdr-Konzept)
Konzept von herdr.dev übernommen, **nicht** die Software (kein `herdr-core`,
keine Panes — die Fleet bleibt headless in OpenShell-Sandboxes).
- **board-service 0.36.2**: `fleet_inbox(limit)` führt `list_owner_inbox` und
`attention_summary` zu EINER Liste zusammen und ergänzt den Agenten-Zustand
aus der Quelle: `working` (hält einen Task), `blocked` (wartet auf Antwort,
hat Vorrang), `idle`. `running_s` kommt aus `task_claimed` im Journal.
- **done ist ein Delta**: `mark_inbox_seen()` setzt den Wasserstand
(`/srv/fleet/board/owner-inbox-seen.json`); beim ersten Aufruf wird er auf
„jetzt" gesetzt, sonst zählt die Inbox tausende Alt-Tasks als neu.
- **needs_you** = `to=tower-owner` & `submitted` ODER offene Attention-Frage
(auch auf `working`-Tasks). Sortierung P1 → Alter, gedeckelt auf `limit`;
die echte Zahl steht in `counts`.
- **Tower-Ansicht Inbox** (Sidebar, `fleet-nav-inbox`), Poll 20 s.
- **Befund**: 90 offene Owner-Entscheide, älteste ~8,5 Tage (P1) — sichtbar
gemacht, nicht gelöst. Triage offen.
+44 -26
View File
@@ -3,18 +3,18 @@ title: Ceph Cluster
category: systems
tags: [ceph, storage, rbd, ec-pool, osd]
created: "2026-07-24"
modified: "2026-09-26"
modified: "2026-11-15"
---
# Ceph Cluster
## Overview
- **Cluster ID**: 204c8171-e0b1-4f40-9de2-a7cfe4ef68d9
- **Health**: HEALTH_WARN — "Monitors are configured to allow creation of insecure key types" (cosmetic, CVE-2025-30156 fixed)
- **Version**: 20.2.4 (tentacle) — all 17 OSDs
- **Nodes**: 8 Proxmox hosts (proxmox2 removed from CRUSH), 4 MONs (proxmox5, proxmox4, ms-a2-1, n5pro), MGR on n5pro (standbys: px5/6/7/a2-1)
- **Health**: HEALTH_WARN (2026-11-15) — `BLUESTORE_SLOW_OP_ALERT` 7 HDD-OSDs (chronisch seit ≥08.11.), `DB_DEVICE_STALLED_READ_ALERT` osd.1/6/11 (DB liegt auf demselben HDD-Spindle, 5s-read-timeout). Keine PG-/Datenprobleme. 15.11.: osd.7+osd.10 per crush-reweight entlastet, seither 18 PGs remapped/backfill.
- **Version**: 20.2.4 (tentacle) — 14 OSDs; 3 OSDs bereits 20.2.5 (Minor-Skew)
- **Nodes**: 8 Proxmox hosts (proxmox2 removed from CRUSH); **MONs: 3** (proxmox5, ms-a2-1, n5pro) — mon.proxmox4 am 2026-11-15 10:22 entfernt (Service disabled); MGR active: **ms-a2-1** (seit ~2 Wochen, standbys proxmox6/5/7/n5pro)
- **OSDs**: 17 (10 HDD, 7 SSD), all up/in
- **Capacity**: ~33 TiB total, 9.0 TiB used, 24 TiB avail
- **Capacity**: 33 TiB total, 14 TiB used, 19 TiB avail (42.98 %); 5.4 TiB Nutzdaten, 2.68M Objekte
- **Pools**: 13 pools, 533 PGs (532 active+clean, 1 scrubbing)
## OSD Layout
@@ -23,39 +23,43 @@ modified: "2026-09-26"
|-----|-------|------|------|----------|-------|
| 1 | hdd | 3.7 TiB | n5pro | 1.0 | |
| 2 | ssd | 1.8 TiB | ubuntu | 1.0 | Moved to ubuntu host |
| 3 | ssd | 233 GB | proxmox4 | 0.05 | 2026-09-30: reweighted 0.05 nach Full-Drama (war 1.0) — Plate 238G, sonst backfillfull |
| 3 | ssd | 238 GB | proxmox4 | 1.0 | CRUSH-Weight auf 0.04999 gesetzt (statt reweight 0.05) — Plate 238G, sonst backfillfull |
| 4 | ssd | 227 GB | proxmox3 | 0.30 | Small, reweighted down |
| 5 | ssd | 150 GB | proxmox5 | 0.30 | Small, reweighted down |
| 6 | hdd | 3.6 TiB | n5pro | 1.0 | |
| 7 | hdd | 931 GB | proxmox7 | 0.95 | |
| 7 | hdd | 1002 GiB | proxmox7 | 0.95 | 2026-11-15: CRUSH-Weight 0.931→**0.75** (war 89.8 % voll) |
| 8 | hdd | 3.6 TiB | ubuntu | 1.0 | |
| 9 | ssd | 1.9 TiB | n5pro | 1.0 | |
| 10 | hdd | 931 GB | proxmox6 | 0.95 | |
| 10 | hdd | 982 GiB | proxmox6 | 0.95 | 2026-11-15: CRUSH-Weight 0.931→**0.75** (war 78,4 % voll) |
| 11 | hdd | 2.8 TiB | n5pro | 1.0 | |
| 12 | ssd | 1.9 TiB | n5pro | 1.0 | |
| 13 | ssd | 1.8 TiB | ms-a2-1 | 0.95 | |
| 14 | ssd | 1.8 TiB | ms-a2-2 | 0.95 | |
| 15 | ssd | 1.8 TiB | ubuntu | 1.0 | New |
| 17 | hdd | 3.6 TiB | ubuntu | 1.0 | New |
| 18 | hdd | 3.6 TiB | ubuntu | 1.0 | New |
| 17 | hdd | 2.7 TiB | ubuntu | 1.0 | 81.8 % voll (Stand 15.11.) |
| 18 | hdd | 3.6 TiB | n5pro | 1.0 | 20.8 % voll |
> OSDs 0+2 (old proxmox2) destroyed 2026-07-25. osd.2 reassigned to ubuntu host as new SSD.
> OSDs 15, 17, 18 added since last wiki update (ubuntu host expanded).
> OSDs 15 (ubuntu) und 17 (ubuntu, 2.7 TiB) kamen später dazu; osd.18 sitzt auf n5pro (Stand 15.11.2026, `ceph osd tree` verifiziert).
## Pools
| Pool | Name | Type | Size | Min | CRUSH Rule | PGs | Notes |
|------|------|------|------|-----|------------|-----|-------|
| 1 | cephfs_data | replicated | 3 | 2 | 0 (any) | 32 | autoscale off |
| 2 | cephfs_metadata | replicated | 3 | 2 | 2 (ssd) | 32 | autoscale off |
| 3 | vm_disks | replicated | 3 | 2 | 2 (ssd) | 128 | autoscale on |
| 4 | .mgr | replicated | 3 | 2 | 2 (ssd) | 1 | |
| 5 | rbd | replicated | 3 | 2 | 1 (hdd) | 32 | autoscale on |
| 6 | hdd_disk | replicated | 3 | 2 | 1 (hdd) | 112 | nopgchange=true |
| 7 | tm_disks | replicated | 2 | 2 | 1 (hdd) | 128 | target_size 2TiB |
| 8 | media_ec | erasure 4+1 | 5 | 4 | 3 (hdd, osd-level) | 128 | ec_overwrites |
| 9 | media_meta | replicated | 3 | 2 | 0 (any) | 32 | |
| 10 | .rgw.root | replicated | 3 | 2 | 0 (any) | 1 | |
| Pool | Name | PGs | Stored | %USED | Notes |
|------|------|-----|--------|-------|-------|
| 1 | cephfs_data | 32 | 1.7 TiB | 66.6 | autoscale off, MAX AVAIL 864 GiB |
| 2 | cephfs_metadata | 32 | 409 MiB | 0.05 | Rule 2 (ssd) |
| 3 | vm_disks | 128 | 1.6 TiB | 64.6 | autoscale on, MAX AVAIL 802 GiB |
| 4 | .mgr | 1 | 136 MiB | 0.02 | |
| 5 | rbd | 32 | 22 GiB | 2.4 | size=2 → IO-Block bei Host-Ausfall (s.u.) |
| 6 | hdd_disk | 128 | 2.3 TiB | 72.8 | size=2, nopgchange |
| 7 | tm_disks | 128 | 27 KiB | 0 | size=2, target_size 2TiB |
| 10 | .rgw.root | 1 | 1.6 KiB | 0 | |
| 11 | cephfs_ssd_data | 32 | 14 GiB | 1.7 | neu, SSD-CephFS |
| 12 | cephfs_ssd_meta | 16 | 161 MiB | 0.02 | neu |
| 13-15 | default.rgw.log/control/meta | je 1 | ~7 KiB | 0 | RGW-Altlast |
> **Pool 8 `media_ec` (EC 4+1) und Pool 9 `media_meta` existieren nicht mehr** (Stand 15.11.2026, df listet 13 Pools / 533 PGs). Entfernt seit dem letzten Wiki-Stand — wer media_ec referenziert (Skripte, RBD-Maps), prüfen.
> PG-Summe 15.11.: 32+32+128+1+32+128+128+1+32+16+1+1+1 = 533 ✓
## CRUSH Rules
- **Rule 0** (replicated_rule): default root, host-level placement
@@ -65,6 +69,15 @@ modified: "2026-09-26"
## Known Issues
### MON 3 statt 4 — GEWOLLT (Owner-Bestätigung 2026-11-15)
`systemctl disable --now ceph-mon@proxmox4` + `ceph mon remove proxmox4` am 15.11. 10:22 → monmap epoch 137, Ranks neu nummeriert (0=proxmox5, 1=ms-a2-1, 2=n5pro). **Zielzustand ist 3 MONs** (Quorum 3/3, Toleranz 1 Ausfall). Kein Wiederaufbau von proxmox4 geplant — proxmox4 bleibt reiner OSD-Host (osd.3).
Nebenbefund 05:15: mon.n5pro war kurzzeitig down (MON_DOWN 1/4) und rejointe.
### MON_DISK_LOW auf n5pro — BEHOBEN (2026-11-15)
Ursache: n5pro Root-FS (pve-root, 39 G) war zu 67 % belegt → 33 % frei, Schwelle `mon_data_avail_warn=30` → WRN/Clear-Zyklen 10:25–10:40. Kein Ceph-Datenproblem.
Fix (15.11.): `apt-get clean` (-3.2 G) + `journalctl --vacuum-size=1G` (-2.8 G) → **51 % belegt / 19 G frei**; zusätzlich `ceph crash archive-all && ceph crash prune 30` → Crash-DB 285 → 0 Reports. MON_DISK_LOW ist aus `ceph health detail` verschwunden.
Rest: lokale Daemon-Crash-Dumps liegen weiter auf den Hosts (n5pro 276 M, ubuntu 520 M, Stand 07.08.) — nicht ceph-verwaltet, nur manuell zu löschen (Owner-GO).
### aes256k-Kernelfenster: CephFS-Kernel-Mounts brauchen exakt Kernel 7.1.8 (2026-10-27, AGING 31.10.)
Ceph 20.2.4 tentacle rotiert alle CephX-Keys auf **aes256k** (32-Byte-Secrets). Kernel 6.12.x-libceph: 16-Byte-Limit → frische CephFS-Kernel-Mounts failen mit `libceph: secret too big 32` / EINVAL. Kernel **7.1.8+deb13** unterstützt 32-Byte-Secrets; **7.2.9 bricht Cilium 1.19.4** (fatal `FnSetRetval … R1 is not a scalar`, CrashLoop). → **K8s-Nodes auf 7.1.8-1~bpo13+1 pinnen** (IaC: `epic-2-k8s/ansible/dist-upgrade-bookworm-to-trixie.yml` Phase 4, Commit 590cf2a). RBD unberührt (mounter: rbd-nbd = Userspace). Fallback `mounter: fuse` (SC-Param, NICHT `fuseMountOptions` — wird ignoriert). Diagnose-Falle: Userspace `mount.ceph` 18.2.7 lehnt aes256k selbst ab → manuelle Host-Mount-Tests wertlos; nur `add_key()`-Reproducer oder echte CSI-Mounts testen den Kernel. Solution Doc: `docs/solutions/bug-fixes/2026-10-27-rke2-cephfs-aes256k-kernel-fenster-cilium.md`
**UPDATE 2026-10-31 (Welle C komplett):** CVE-Rolling-Session hat alle 8 Nodes auf **6.12.113** gezogen und **7.1.8 aktiv gepurged** (apt history 07:04–07:39). Der 7.1.8-Pin ist als Principal obsolet — 6.12.113 trägt den CVE-2026-98432-Fix, 7.1.8 nicht (Build 2026-08-20). Alle frischen Kernel-CephFS-Mounts sind clusterweit kaputt (Bestandsmounts überlebten die Reboots nicht): fleet-board, fleet-spool, fleet-build-src, immich-library, immich-thumbs, gitea-shared-storage + policy/provisioning/watcher/tower/deadman-Pods. RBD unberührt (rbd-nbd = Userspace). Gitea läuft weiter (Mount überlebte diesmal, aber Pod-Neustart riskant bis Heilung). AES-128-Downgrade (16B-Keys) GESCHEITERT: MON 20.2.4 lehnt `ceph auth import` mit AQ-Format ab (EINVAL Malformed input [buffer:3]), alle 50+ Entitäten sind Ag-Präfix (aes256k). Verbleibende Pfade: (a) **mounter: fuse** in cephfs/cephfs-ssd SCs (SolDoc-Fallback, Userspace-Overhead, keine Reboots, clusterweit sofort wirksam), (b) 7.1.8-Rollback aus apt-Cache (verworfen durch Parallel-Session, CVE-ungeschützt), (c) Cilium-Upgrade ≥1.19.5 + Kernel 7.2.x (langfristig, prüfen ob FnSetRetval-Fix geflossen).
@@ -77,9 +90,14 @@ Fix: `ceph config set mon mon_allow_insecure_global_id_reclaim false` (if not al
osd.4 (227GB, proxmox3) and osd.5 (150GB, proxmox5) reweighted to 0.30 — too small for meaningful capacity.
Consider removing from CRUSH or replacing with larger drives.
### full_ratio TEMPORÄR 0.94 (Stand Anfang Okt)
Nach Cold-Power-Desaster auf 10.0.20.100 wurde `mon_osd_full_ratio` temporär auf 0.94 angehoben.
**OFFENER TASK: nach abgeschlossenem Drain/Backfill auf 0.90 zurücksetzen** (sonst greifen Full-Schutzmechanismen zu spät).
### Full-Ratios angehoben (Stand 2026-11-15)
`full_ratio 0.97`, `backfillfull_ratio 0.94`, `nearfull_ratio 0.94` (statt Default 0.95/0.90/0.85). Ursprung: Cold-Power-Desaster 10.0.20.100. **OFFENER TASK: nach Drain/Backfill zurück auf Default** — sonst greifen Full-Schutzmechanismen später. Engpass-OSD: osd.7 (proxmox7, 1 TB) 89.8 % → bei 94 % stoppt Backfill; Pool-Headroom (MAX AVAIL) nur ~0.8 TiB (cephfs_data 0.86, hdd_disk 0.85, vm_disks/cephfs_ssd 0.80).
### Size=2-Pools (rbd, hdd_disk, tm_disks): IO-Block bei Host-Ausfall (2026-11-14 gemessen)
Diese Pools haben size=min_size=2 (Rule 1, hdd). Fällt ein Host mit beteiligtem OSD, sinkt die PG unter min_size → **I/O blockiert** (nicht nur degraded) bis der Host zurück ist.
- Simulation aus pg dump (ubuntu-Ausfall, OSDs 2/15/17): 175 PGs betroffen (hdd_disk 85, rbd 18, tm_disks 72 — letztere leer). Real nach Shutdown: 17 PGs inactive, 319 PGs / 29.7 % Objekte degraded.
- Betroffene laufende Workloads (Dauer-Hänger, kein Datenverlust): CT104 Paperless, CT111 Seafile+Immich-Library, CT151 Frigate, VM300/302 Galera, VM200 IaC-Runner.
- Mitigations: (a) size auf 3 heben (sauber, kostet Platz), (b) temporär min_size=1 für das Wartungsfenster (Single-Copy-Risiko). Beides = Owner-GO. Ref: Skill `ceph-cluster-administration` → planned-multi-node-shutdown-2026-09-21.md (Follow-up 2026-11-14).
### NVMe-Controller-Death auf ubuntu + Recovery (2026-09-30, PAT-014)
Kingston SFYRDK2000G (PCI 03:00.0) starb (state=dead, VG verschwand) → osd.2 down/out.
+1
View File
@@ -47,6 +47,7 @@ Anti-Collocation: 310⊥311. **2026-10-10:** Beide Failover-VMs (301, 310) live
- VM310/311 (MaxScale): Fluent Bit aktiv
## Bekannte Issues
- **2026-11-13 (3. Tag — 06:00-Fenster externally verursacht, Morgen-Briefing entlastet):** Recipe-Scraper-Crash in `db_count()` zum 3. Tag in Folge (06:00:28, pymysql 2013). Neu heute: COUNT hing **>122 s** im Fenster 06:01–06:04 (PROCESSLIST "Sending data"), ab 06:05 **4× 0,0 s** instant — die 52,4 s vom 12.11. sind kein fixer Strukturwert, sondern Cache-/Blockade-abhängig. Galera selbst gesund (3/3 Synced, wsrep_ready=ON, Flow Control aus, Uptime 4,5 d). **Morgen-Briefing (parallel 06:00) als Verursacher widerlegt** — dessen Scripts greifen nicht auf recipes-DB zu; am 10.11. lief COUNT während des Briefings durch. Ursache des Fensters offen: Backup-Jobs/Cron auf DB-VMs prüfen (neben Ceph osd slow-ops seit 08.11.). SolDocs: `bug-fixes/2026-11-13-recipe-scraper-0600-count-timeout-transient.md` + Nachtrag im 11-12-Doc.
- **2026-11-12 (Wiederholung → systematisch):** Recipe-Scraper-Crash um 06:00 UTC in `db_count()` zum 2. Tag in Folge. Isolierte Messung: `SELECT COUNT(*) FROM recipes` = **52,4 s** (read_timeout 120 s), `SELECT 1` + Handshake instant. Die Query ist strukturell ~52 s langsam — SCRAPER-seitiges `read_timeout=60` zu knapp (Fix: read_timeout 300 im Scraper, s. systems/recipe-scraper). Buffer-Pool/Ceph-I/O der Galera-Nodes weiter im Blick (osd slow-ops seit 08.11. offen). Details + SolDoc: `docs/solutions/bug-fixes/2026-11-12-recipe-scraper-dbcount-timeout-galera.md`.
- **2026-11-10 (beobachtet, selbst geheilt):** Transienter Stall via VIP .70 — `SELECT 1` instant, aber `SELECT COUNT(*) FROM recipes` hing 30 s (read-timeout), Wiederholung 1,2 s; wsrep_cluster_size=3. Recipe-Scraper-Cron-Crash um 06:01 UTC war die Folge; Retry 2 Min. später lief sofort. Vermutlich Flow-Control-Blip oder träger kalter Node nach Recovery. Beobachten; bei Wiederholung osd/Node-Last prüfen.
- **2026-11-08 (GELÖST): Komplettausfall seit 07.11. ~23:03 UTC** — Ceph `BLUESTORE_SLOW_OP_ALERT` (8 OSDs) → Storage-Stall → InnoDB double-write flush hang auf allen 3 Nodes → keine Primary Component >20 h. **Recovery 08.11. 15:3x–19:31 UTC (3/3 Synced, stabil ≥4 h):** Leichen killen (D-state mariadbd), Bootstrap VM300 (grastate→1 NACH Prozess-Kill; galera_new_cluster trotz 'Job canceled' ok), sequentieller Rejoin 301/302 mit Synced-Wait je Node, **Online-Disk-Resize während laufendem SST** (VM302 50→85G, VM300 80→115G — Joiner braucht ≈2× Datadir, sonst ENOSPC mid-SST), `TimeoutStartSec=900`-Dropin gegen slow-I/O-Recovery. Danach Kette grün: MaxScale `SELECT 1` OK → Authelia-Restart (OIDC 200/62 ms, Auth-EP 303/45 ms) → CEO-Re-Admit E2E (siehe systems/agent-fleet) → ceo-HB 17 s, 10/10 Agents. Offen: IaC-Nachzug (Disk-Größen + Dropin), Ceph slow-ops beobachten. SolDoc: `docs/solutions/operational/2026-11-08-galera-totalfailure-recovery-ceo-readmit.md`
+79
View File
@@ -0,0 +1,79 @@
# Heizung — Viessmann CU401B S + free@home-Zonen
Stand 15.11.2026. Wärmepumpe in VM106 (HA), Anbindung über **ViCare-Cloud** (kein lokales Modbus).
## Anlage
| Komponente | Detail |
|---|---|
| Wärmepumpe | **CU401B S** (Vitocal), Verdichter 13 kW, 5.027 Starts / 12.540 h (11/2026) |
| Heizkreis | **kein Raumfühler** (`climate.vicare_heating → current_temperature = null`) → rein außentemperaturgeführt |
| Heizkurve | `number.cu401b_s_steigung_der_heizkurve` = **0,4**, `…_verschiebung_der_heizkurve` = **−7 K** (unverändert) |
| Sollwerte | Komfort **24** · Normal **23** (15.11. von 24) · Reduziert **21** (von 23) |
| Programm | `normal` / preset `home`; „Reduziert" greift nur bei Preset `eco` |
| Raumebene | 11 × ABB-free@home-Thermostate → Heizungsaktor 12-fach (ABB295E71C51) |
| Ventilrückmeldung | `sensor.fbh_*_valve_volume_flow` in **%** (0–100), nicht l/h |
| WW | `water_heater.vicare_water` Soll 46 °C, Hysterese 4/4 K, Sekundärtemp. 58 °C |
## Messwerte (7 Tage, 08.–15.11.2026)
- VL 29,2 °C bei 0 °C außen · 27,6 °C bei 7 °C · Spreizung VL−RL **1,2 K** (hoher Volumenstrom, FBH)
- Verdichter 0–4 Starts/Tag, 6–22 h/Tag, Modulation 4–17 % (max 59 % = WW)
- Strom **17 kWh/Tag** (Heizung ~11,7 · WW ~5,5) · WW-Ladung ~3 h/Tag, 09–14 UTC
- Gebäudekennlinie U ≈ 100–115 W/K → Heizlast ~3,5 kW bei −12 °C; Bedarf dort ~31–32 °C VL
## Raum-Sollwerte (seit 15.11.2026)
Wohnen 22,5 · Essen/Küche 22,5 · Büro 22,0 · WC 22,0 · Flur EG 21,0 · Gang OG 21,0 ·
Bad 23,0 · Schminken 22,0 · Windfang 20,0 · Kind Cleo 21,5 · Schlafen 19,5
Vorher: 23,5 / 24 / 23,5 / 23 / 23 / 23,5 / 26,5 / 24 / 28 / 22,5 / 20 — Bad, Schminken,
Windfang hingen dadurch dauerhaft auf 100 % Ventilhub.
## Automationen
| Entity | Status | Funktion |
|---|---|---|
| `automation.komfort_heizung` (1728332355765) | **off** | setzte Normal=24 + Reduziert=24 bei PV>3 kW & SoC>95 % |
| `automation.normaltemperatur` (1728332529463) | **off** | setzte trotz Namen Reduziert=23 + Normal=24 bei PV<3 kW |
| `automation.dhw_master_pv_optimierung_peak_shaving` (1775711216800) | on | Einmalige WW-Ladung bei PV/SOC, Flag `input_boolean.dhw_onetimecharge_today` |
| `automation.dhw_onetimecharge_reset` | on | setzt das Tages-Flag zurück (YAML, nicht via API lesbar) |
| `automation.dhw_onetimecharge_when_dhw_charging_active` | off | Duplikat, deaktiviert |
| `automation.ww_peak_blockade_14_30` (1763220000001) | on (neu) | WW-Soll 46 → **44** ab 14:30, nur wenn keine WW-Ladung läuft |
| `automation.ww_peak_ende_20_30` (1763220000002) | on (neu) | WW-Soll zurück auf 46 um 20:30 |
| `automation.ww_schutz_unter_40_c` (1763220000003) | on (neu) | Notfall: Speicher < 40 °C für 10 min → Soll 46 |
| `automation.morgen_profil_an_04_30` (1763220000010) | on (neu) | **04:30** Morgen-Profil: Bad **28,0** · Wohnen/Essen 23,0 · Flure 22,0 · WC 22,5 |
| `automation.morgen_profil_aus_07_00` (1763220000011) | on (neu) | **07:00** zurück auf Basis (Bad **26,0** Dauerheizen · Wohnen/Essen 22,5 · Flure 21,0 · WC 22,0) |
**Wichtig:** HA kann Automations per `POST /api/config/automation/config/{id}` anlegen und
per `DELETE` löschen (verifiziert 15.11.2026, HA 2026.10.4) — die verbreitete Annahme
„geht nur per YAML" stimmt nicht.
## Preisbild / Lastverschiebung
EPEX-Slots (`sensor.epex_spot_data_market_price`, `data`-Attribut mit 96 Slots):
09–13 Uhr billig (0,272–0,288 €/kWh), 14:30–20:30 teuer (bis 0,3667), Spread 9,7 ct (36 %).
Deferrable loads: WW (thermischer Puffer), Sauna (`input_datetime.sauna_startzeit` 19:00 → ins
billige Fenster, 7 kW ≈ 0,90 €/Lauf), Spüler, Waschmaschine/Trockner (nur Push, kein Auto-Start).
## Morgen-Profil (Owner-Wunsch 15.11.)
Beobachtung im 7-Tage-Datensatz bestätigt: **05:30–07:00 Uhr** Ventile Wohnen 99 %, Essen 93 %,
Kinderzimmer 95 % offen — Ursache waren die alten Sollwerte 23,5/24 °C, nicht die Kurve.
Bad überschoss danach auf **24,3 °C (07–09 Uhr)**.
Umgesetzt 04:30–07:00 (nicht 5:30 — FBH-Trägheit ~2 h, sonst wirkt die Öffnung erst nach 7:00):
Bad **28,0** · Wohnen 23,0 · Essen 23,0 · Flur EG 22,0 · Gang OG 22,0 · WC 22,5 → 07:00 zurück auf Basis.
**Bad-Basis = 26,0 (Dauerheizen, Owner-Wunsch „warme Füße")** — Ventil steht dadurch permanent auf 100 %.
Physikalische Decke: bei 100 % Ventil und 29 °C VL waren in 7 Tagen max. **23,6 °C** Raumtemperatur drin;
28 °C ist also ein Schalter für „Ventil immer auf", kein erreichbarer Sollwert. Fußboden-Oberfläche
dabei ~26–27 °C. Mehr nur über Komfort-Preset (+1 K Kurve), hydraulischen Abgleich des Bad-Kreises
oder Zusatzheizung (Handtuchheizkörper/IR).
## Offene Punkte
- **Heizgrenze** (~14 °C) nur in der ViCare-App prüfbar — bei 7–13 °C Außentemp heizt die Anlage sonst gegen Solar-/Fremdwärme.
- **Einmalige WW-Ladung 15.11. 09:35** hatte keinen Automationstreffer (`dhw_master` zuletzt 14.11.) → Auslöser unbekannt.
- **Bad**: 26,5 °C war nie erreichbar (max. 23,6 bei 100 % Ventil). Bei weiterer Kurvenabsenkung prüfen, ob 23 °C noch gehalten werden.
- Verifikation der Kurve erst bei **< −3 °C** außen (Prognose: 21./22.11., min −1,5 °C).
- `number.*` der ViCare-Integration: **step = 1** → halbe Kelvin werden mit HTTP 500 abgelehnt; Writes wirken verzögert (~30–60 s).
+75 -7
View File
@@ -41,13 +41,40 @@ modified: "2026-11-01"
- **Push:** GENAU EIN kombinierter (Titel+Verdict+Objekte+Bild) nur bei KRITISCH ∨ KI-Fail ∨ Person (24/7, v3.1)
- Siehe [[systems/frigate]] + Solution Doc `bug-fixes/2026-10-10-frigate-notification-spam-review-alerts.md`
### Büro EG: Licht nach Präsenz (ID `buero_eg_licht_praesenz_nachlauf`, seit 02.11.2026)
- **Trigger:** `binary_sensor.esp32_c3_buero_eg_presence` → `on` schaltet `switch.licht_buro` an; `off` für 15 min schaltet aus (Nachlauf)
- **Sweep:** `time_pattern /10` **nur** als Restart-Recovery (Licht an + Präsenz ≥15 min aus → aus). Kein Re-Assert auf `on` — manuelles Ausschalten bei Anwesenheit bleibt respektiert
- **Sensor-Verhalten:** ESP32-C3 (10.0.50.147, Büro EG) meldet Präsenz in 30–120-s-Bursts, nicht dauerhaft → der 15-min-Nachlauf ist der eigentliche Träger der Logik; bei Fehl-Aus später Sensor-Config prüfen
- **E2E verifiziert 02.11.:** On-Pfad live (Trigger → Licht an, 2×), Off-Pfad über 10-s-Testkopie (Prod-Config: 15 min), Testkopie gelöscht
### Büro EG: Licht nach Präsenz (ID `buero_eg_licht_praesenz_nachlauf`, seit 02.11.2026, Stand 14.11.)
- **Trigger:** `binary_sensor.esp32_c3_buero_eg_presence` → `on` schaltet `switch.licht_buro` an — **nur wenn dunkel**; `off` für **2 min** schaltet aus (Nachlauf; Nutzer-Historie: 15 → 5 → 2 min am 14.11.)
- **Helligkeits-Gate:** `sensor.wetterstation_illuminance` (Wetterstation Beleuchtungsstärke, outdoor) **< 7000 lx** = Licht erlaubt. Schwellen-Historie (jeweils Nutzer-Vorgabe „ab der aktuellen Helligkeit"): 500 → 1.500 lx (14.11., 1.300 lx) → **7.000 lx (16.11., 6.400 lx)**. Outdoor-Lux ist nur ein **Proxy** für die Büro-Helligkeit (Nordseite/trüb ≠ Outdoor-Wert). Sensor `unavailable`/`unknown` → Licht wird eingeschaltet (Fail-safe Richtung Licht). Zusätzlicher Trigger `numeric_state below 7000 for 3 min` → bei Dämmerung einschalten, wenn Präsenz schon an ist (sonst käme nie eine neue Präsenzflanke)
- **Bewusst KEIN Ausschalten bei Helligkeit** (Heuristik-Veto: würde manuelles Einschalten überfahren); „Sonne raus → Licht aus" wäre ein separater Trigger mit Bestätigungszeit
- **Sweep:** `time_pattern /2` (Nutzer-Wert) — nur Restart-Recovery: Licht an + Präsenz ≥2 min aus → aus. Kein Re-Assert auf `on` — manuelles Ausschalten bei Anwesenheit bleibt respektiert
- **Sensor-Verhalten:** ESP32-C3 (10.0.50.147, Büro EG) meldet Präsenz in 20–60-s-Bursts mit Lücken von 15 s bis 6 min (Log 16.11. 08:00–09:00) → mit 2-min-Nachlauf fällt das Licht in längeren Lücken aus. Lux-Tagesgang 16.11.: 06:00 35 lx → 07:15 ~6.400 → 08:15–08:45 13.000–20.000 → 09:15 ~5.900 lx. **Offene Verbesserungen:** (a) Indoor-Lux (BH1750 am Büro-ESP32) statt Outdoor-Proxy, (b) LD2410-Hold/Absence-Timeout im ESPHome prüfen, (c) Nachlauf ggf. zurück auf 5 min
- **E2E verifiziert 14.11. (nach Umbau):** hell 8.537 lx + Präsenzflanke → Licht bleibt aus; fake 300 lx + Präsenzflanke → Licht an; echter 5-min-Nachlauf (Presence off 09:01:26 → Licht aus 09:06:28, Trace `choose/2`), Sweep-Läufe davor korrekt untätig. **Schwellen-A/B (14.11., gleiche Helligkeit ~1.280–1.300 lx):** Flanke 15:23:13 mit 500 lx → bleibt aus (`choose/3/conditions/0`), Flanke 15:24:13 mit 1500 lx → Licht an (`choose/0/sequence/0`). **16.11. gleiches Muster bei ~6.000 lx:** Flanke 09:11:26 mit 1500 lx → bleibt aus, Flanke 09:15:49 mit 7000 lx → Licht an 09:15:50 (`choose/0/sequence/0`). **2-min-Nachlauf (nach Umstellung):** Presence off 15:28:14,56 → Trigger 15:30:14,56 (exakt 2:00) → Licht aus 15:30:16,10, Trace `choose/2`
- **Pitfall:** Nutzer hatte die Automation zwischenzeitlich selbst editiert (5 min, Sweep /2) — blindes `POST` überschreibt das. Alte Config war aus dem Automation-Trace (`ws trace/get`) rekonstruierbar; seither gilt: vor Overwrite `GET` + Diff
- Entity-ID nach Anlegen via WS-Entity-Registry umbenannt (Alias-Slugify verschluckt Umlaute: „Büro"→`buro`, „Präsenz"→`prasenz`)
## Beschattungsautomatik Wohnzimmer (15.11.2026)
**Fassaden (Owner-Angabe):** Wohnzimmertüre (`ABB240561F51/ch0000`) + Wohnzimmerfenster 1 (`ch0001`) = **143° Südost**; Wohnzimmerfenster 2 (`ch0002`) = **233° Südwest** (90° versetzt). Alle drei sind free@home-Jalousien (Pos + Lamellen, Features 143).
**Entscheidung (Fassung 16.11.2026, Owner: „kein temperaturbasiertes Beschatten, kurze Helligkeits-Peaks ignorieren"):**
- **Helligkeit geglättet:** `sensor.helligkeit_geglaettet` (trigger-basiertes Template, **Median der letzten 7 Messwerte** — ein einzelner Peak kann den Wert nicht bewegen; ~3,5 min bei 30-s-Report). Roh bleibt `sensor.wetterstation_illuminance`.
- **Beschattet, wenn** `elev >= beschattung_sonnenhoehe_min (5°)` **und** `Einfallswinkel <= beschattung_einfall_max (25°)` **und** `Median-Lux >= beschattung_lux_min (8.000)`. Kein Temperatur-Gate, kein kt-Gate mehr (kt nur noch Diagnose-Attribut).
- **Ausfahren:** Sensor `off` **10 min**, nur bei Sonnenhöhe > 0 (der Sensor ist das einzige Abbild der Wahrheit — keine separaten Ausfahr-Schwellen).
- Attribute: `einfallswinkel`, `helligkeit_gefiltert`/`helligkeit_roh`, `klarheit_kt`, `sonnenhoehe`.
- Fassaden: Suedost 143° (Tür + Fenster 1) / Suedwest 233° (Fenster 2).
**Aktorik (automations.yaml, 4 Stück):** `beschattung_wz_so_sonne_einfahren` / `_sonne_raus`, `beschattung_wz_sw_sonne_einfahren` / `_sonne_raus`
- Einfahren: Sensor `on` **4 min** (`for`) → `cover.set_cover_position` (Öffnungsgrad, Default **20** — Owner-Korrektur 15.11.: „ein bisschen weiter runter") → warten bis Position ±6 → `cover.set_cover_tilt_position` (Lamellen, Default 25) → 20 s später Verifikation, bei Abweichung >8 % `persistent_notification`
- Ausfahren (Stand 15.11. 12:00 UTC): **eigener Template-Trigger 5 min** — `elev > 0` und (`elev < 8` **oder** `inc > 88°` **oder** `kt < input_number.beschattung_klarbeit_aus` 0.45) → 100/100, **nur wenn die Rollläden noch auf der Beschattungsposition stehen** (Manuell-Schutz, kein Überschreiben von Handeingriffen). Kein Re-Assert während aktiver Beschattung. Die Ausfahr-Schwelle liegt **0,07 kt unter** der Einfahr-Schwelle (Hysterese-Band) — nicht gleich setzen, sonst flattert es bei jeder Wolke. Nachts (`elev <= 0`) kein Öffnen (Privatsphäre) — das macht die Abend-Szene.
- Kein Zeit-Gate: nur Sonnenstand + Helligkeit.
**Tuning:** Dashboard „Haus" → View **Rollos** → Karte „Beschattung Wohnzimmer" (1 `input_boolean` + 10 `input_number` + Raumtemperatur).
**Pitfalls (live erlebt):**
- `homeassistant.reload_core_config` legt **neue** YAML-Helper NICHT an — dafür `input_number.reload` / `input_boolean.reload` (danach sind sie sofort da).
- HA-Templates: **kein** `radians()`/`degrees()`; `sin/cos/acos` rechnen im Bogenmaß, `pi`/`e` sind vorhanden → `R = pi/180` selbst multiplizieren. `sin(30,'deg')` ignoriert die Einheit (Ergebnis = sin(30 rad)).
- free@home-Cover invertieren intern (`100 - position` / `100 - tilt`): HA-Position 0 = zu, 100 = offen; HA-Tilt 100 = Lamellen offen.
- Entity-IDs aus Namen mit Umlauten/Klammern werden unbrauchbar → Sensornamen bewusst „Suedost"/„Suedwest".
## Notify Services
| Service | Status |
|---------|--------|
@@ -93,9 +120,32 @@ modified: "2026-11-01"
- Alle 12 Reportings + 7 Bindings von ZHC selbst provisioniert (inkl. `precipitation`); **keine** manuellen Reporting-Fixes nötig
- **Einheiten real:** pressure **hPa** (nicht kPa wie Z2M-Doku), Wind **km/h** (nicht m/s), precipitation mm `total_increasing`
- Live-Nachweis: humidity 51→42 % / Wind + Richtung / Gust innerhalb 95 s
- Offen: `battery` 0 %, `capacitor_voltage` 0.1 V (frische Unit, lädt erst in der Sonne), `voltage` unknown
- Battery **73 %** (0 %-Anfangsproblem nach Sonnenlicht aufgelöst); `capacitor_voltage` lädt mit Sonne; `voltage` unknown
- **Kein** `weather.`-Entity von Z2M — Wetterzustand nur als `sensor.wetterstation_weather_condition` (z. B. „cloudy")
### DWD-Integration hg1337/homeassistant-dwd (installiert 15.11.2026)
- **HACS** (`hg1337/homeassistant-dwd` v2026.10.0, Category `integration`), Core-Restart nötig zum Laden; Setup via Config-Flow: Station **P339 „Freystadt-Oberndorf"** (14 km, Messdaten+Forecast), `current_weather: hybrid`, `forecast: true` → `weather.freystadt_oberndorf`
- **`weather.get_forecasts` hourly: 244 Einträge MIT `precipitation_probability`** (met.no kann das nicht!) + precipitation, cloud_coverage, dew_point, pressure, wind_gust_speed
- DWD-Config-Flow-Falle: **max. EIN aktiver Flow pro Integration** — halbfertige Flows blockieren mit Abort `already_in_progress`; erst den hängenden Flow zu Ende führen (flow_id behalten!), nicht neue starten
- `sensor.regenwahrscheinlichkeit_6h_dwd` (trigger-basiertes Template, /30 min, DWD hourly, **max** `precipitation_probability` der nächsten 6 h) — 2. Block-Item in configuration.yaml `template:`-Liste
## Wetter-Dashboard (gebaut 15.11.2026)
- **View „Wetter"** im Default-Dashboard (Tabs: Home/Jalousien/Licht/**Wetter**) — via `lovelace/config/save` gebaut, View-Path `wetter`
- **HACS-Karten (installiert 15.11.):** `clock-weather-card` (pkissling), `lovelace-hourly-weather` (decompil3d), `weather-radar-card` (jpettitt, DWD-Quelle), `lovelace-windrose-card` (aukedejong), `MeteoalarmCard` (MrBartusek) — alle via HACS-WS (`hacs/repositories/add` + `hacs/repository/download`, Category `plugin`), Ressourcen verifiziert (HTTP 200)
- **Aufbau:** Meteoalarm-Card (DWD-Warnstufe) → Grid 2-spaltig: Clock-Weather (Forecast met.no + Ist-Temperatur vom WS90 via `additional_sensors`), Hourly-Weather (12 h), DWD-Regenradar (2 h), Windrose (WS90 Wind), ApexCharts Luftdruck (absolut, 48 h) + ApexCharts Regen 7 Tage (`precipitation` mit `group_by: delta/1h`) → Entitäten-Liste „Regen & Bewässerungs-Gates" (Warnstufen, regen_heute/monat/7_tage/regenprognose_6h, beide Gates)
- **Konventionen:** Mushroom/native Cards erlaubt, Bubble Card verboten (Skill `home-assistant-dashboard-conventions`); die 5 Custom-Cards sind Wetter-spezifische Ausnahmen nach Nutzer-Freigabe
- **Offen:** „go DWD" — hg1337/homeassistant-dwd via HACS installieren, `regenwahrscheinlichkeit_6h` (DWD `precipitation_probability` hourly) als zweites Gate-Kriterium; DWD-Vorhersage könnte auch `clock-weather-card`/`hourly-weather` füttern
## WS90-Regen-Automationen (gebaut 15.11.2026)
- **A — Regen-Sperre:** `binary_sensor.bewaesserung_regen_sperre` (Template-Config-Flow) = `rain_status` on ∨ `sensor.regen_heute` ≥ 3 mm ∨ `sensor.regenprognose_6h` ≥ 0,5 mm (met.no-Mengensumme) ∨ `sensor.regenwahrscheinlichkeit_6h_dwd` ≥ 60 % (DWD-Wahrscheinlichkeit). Fail-open (unbekannte Werte = 0 = nicht sperren). **Zwei unabhängige Vorhersage-Quellen** — das Gate sperrt, wenn eine von beiden Regen meldet.
- **B — Statistik:** `sensor.regen_heute`/`sensor.regen_monat` (utility_meter daily/monthly auf `sensor.wetterstation_precipitation`), `sensor.regen_7_tage` (statistics `change`, 168 h), `sensor.regenprognose_6h` (trigger-basiertes Template in configuration.yaml, /30 min + Start, `weather.get_forecasts` hourly, **Summe** `precipitation` der nächsten 6 h — met.no hourly hat **keine** `precipitation_probability`, Wahrscheinlichkeits-Gate daher unmöglich).
- **C — Frost/Sturm:** `binary_sensor.bewaesserung_frost_sturm_sperre` = Temp < 3 °C ∨ Böen > 40 km/h ∨ Sensoren unavailable (**fail-closed, bewusst: tote Station = keine Bewässerung**).
- **D — DWD-Push:** `automation.dwd_warnung_freystadt_push_ab_stufe_3` (automations.yaml, id `dwd_warnung_freystadt_push_20261115`): `numeric_state` above 2 auf `sensor.stadt_freystadt_aktuelle_warnstufe` → Push `notify.mobile_app_iphone_dominik` mit `warning_1_headline`/`warning_1_description` (+ Hinweis bei warning_count > 1).
- **E2E:** Gates mit echtem Wetter (−1,3 °C, rain_status on → beide `on`); DWD-Push via State-Override 1→3 mit TEST-Attributen (`last_triggered` 06:56:48Z), danach State+Attribute restoriert; `check_config` grün (nur bekannter Dimmer-Schlafzimmerlicht-Fehler).
- **Files:** configuration.yaml (Template-Block als Item in bestehendem `template:`-Block eingefügt), automations.yaml (Append); Backups `*.hermesbak-20261115` im selben Ordner. Rollback: Backup zurückkopieren + `template.reload` + `automation/reload`.
- **Verwaltung:** Gates/Statistik-Entities via Config-Flow-Options (GUI) änderbar; `regenprognose_6h` via configuration.yaml; verwaiste Entität `sensor.regenwahrscheinlichkeit_6h` (erste Version, Wahrscheinlichkeits-Ansatz) ist per Registry `disabled_by: user` versteckt — endgültiges Löschen nur via UI (WS-Delete-Command fehlt in 2026.10).
- **Pumpe noch offen:** `switch.bewaesserungspumpe` trägt die Gates noch nicht als Bedingung — Klärung „wie wird die Pumpe heute geschaltet?" steht aus. Gate-Bedingungs-Snippet: Skill `irrigation-rain-gates`.
## Xenia Kaffeemaschine (Stand 11.10.2026)
- ESP32 FW 3.9, IP 10.0.50.128 (VLAN 50, SSID IoT), REST `/api/v2/overview` (enthält MA_CUR_PWR in A!), `/api/v2/machine/data|status|control`
- **WARNUNG: MA_CUR_PWR ist AMPERE** — Power (W) = MA_CUR_PWR × Spannung L1 (`sensor.sn_3007105790_metering_voltage_l1` ≈ 234 V)
@@ -207,7 +257,7 @@ Aggregation: `sensor.pv_production` = min_max über 5 Sensoren (2×SMA grid_powe
| 6× shellyplus1 (Beete/Hochbeete/hinten/mitte/Pumpe/Licht Terrasse Gartenhaus) | Shelly | Garten | ❌ |
| shellyplus1-a0a3b3c396e4 ("LED Streifen Windfang") | Shelly | Windfang | ❌ |
| shellypro4pm-841fe89726d0 | Shelly | Garten (gesetzt 01.11.) | ❌ |
| ble-proxy (10.0.50.206) | ESPHome | Wäscheraum | ✅ |
| ble-proxy (10.0.50.206) | ESPHome **2026.10.2** | Wäscheraum | ✅ |
| esp32c3-supermini-buero-eg (10.0.50.147) | ESPHome | Büro EG | ✅ |
| esp32c3-supermini (90:DA:72:88:EB:42) | ESPHome | System | OFFLINE |
@@ -233,6 +283,16 @@ Aggregation: `sensor.pv_production` = min_max über 5 Sensoren (2×SMA grid_powe
- **`$HA_TOKEN` in der Host-Env ist veraltet (401)** — funktionierender Token liegt in `/tmp/ha_token`. Skripte müssen die Datei bevorzugen, sonst 401 auf jedem API-Call.
- Shelly-Devices haben Kind-Geräte (Pro3EM `Phase A/B/C`, Pro4PM `Output 0..3`); Area-Zuweisung nur am Eltern-Gerät reicht nicht — Kinder können vereinzelt ohne Area bleiben (Fix 01.11.: `Output 0`/„Brunnenstein" → Garten via `config/device_registry/update`).
## BLE-Proxy Wäscheraum: OS-Update + WLAN-Starvation-Fix (15.11.2026)
- **Ist → Soll:** ESPHome **2026.8.2** (Build 09.09.) → **2026.10.2** per OTA (Upload 7,2 s, Commit 0,72 s). Gerät: `ble-proxy`, MAC C8:C9:A3:C8:65:2C, Board `esp32dev` (klassischer ESP32, 4 MB).
- **Symptom:** sporadische 1–3-s-Aussetzer auf der API (36 Requests/6 min → 2× 1,0 s und 2,9 s), Ping-RTT bis 317 ms, ein TCP-RST auf 6053 bei lebendem ICMP, Handshake-Abbrüche nach mehreren Connect-Zyklen → „hängt sich auf".
- **RCA:** `esp32_ble_tracker` lief mit **interval 1100 ms / window 1100 ms** (Vollduty). ESPHome 2026.10 warnt selbst: *„BLE scan window of 1100ms with wifi on the same radio starves wifi… keep the window at or below 600ms"*. BLE-Scan und WLAN teilen sich den Funk → WLAN wird periodisch ausgehungert.
- **Fix:** `interval: 320ms / window: 300ms` + `debug`-Sensoren. **Beweis nach Flash:** 18/18 API-Requests in 3 min, **0 slow / 0 fail, worst 0,15 s**; Ping 10/10, max 35 ms; Heap free 114,9 KB, Fragmentation 25 %.
- **Neue Entities** (Namen mit Area-Präfix `wascheraum_ble_proxy_*`): `uptime`, `wifi_signal` (−52 dBm), `heap_free`, `heap_max_block`, `heap_fragmentation`, `reset_reason`, `esphome_version`, `button.restart`.
- **Warum vorher kein Update möglich war:** HA legte keine `update`-Entity an (Config ohne `project:`-Metadaten), und im ESPHome Device Builder auf HA lag **keine YAML** — `/config/esphome` wurde erst am 30.10. frisch initialisiert, im Juli-Vollbackup existiert kein `esphome/`-Ordner. Geflasht worden war das Gerät am 09.09. vom **MacBook** (dort lag das OTA-Passwort).
- **Quelle der Wahrheit jetzt:** `/config/esphome/ble-proxy.yaml` + `/config/esphome/secrets.yaml` (Key `ble_proxy_api_key`, `iot_wifi_password`, `ota_password`). OTA-Passwort (aus dem Mac-secrets) bleibt in der neuen Firmware gesetzt und liegt jetzt in 1Password: Item **`ESPHome OTA ble-proxy`** (Vault Hermes). Der IoT-WLAN-PSK liegt in 1P-Item **`WLAN IoT`**.
- **Pitfalls:** (1) `esphome upload --password` ist der **MQTT**-Parameter — OTA-Passwort kommt ausschließlich aus `ota: password:` im YAML. (2) Falsches OTA-Passwort bricht vor jedem Schreibzugriff ab (risikolos). (3) `qm guest exec` killt den Prozessbaum, wenn der Agent-Timeout greift — Compile nur mit `--timeout 1500` fahren. (4) IoT-WLAN-PSK steht **nicht** in 1Password und ist in der Omada-Cloud-UI nicht lesbar; per API `GET /{omadacId}/api/v2/sites/{siteId}/setting/wlans/{gid}/ssids` → `pskSetting.securityKey` (Csrf-Token aus einem echten SPA-Request nötig).
## Related
- [[systems/frigate]] — NVR Integration
- [[systems/noris-ai]] — LLM Vision Provider
@@ -247,3 +307,11 @@ Aggregation: `sensor.pv_production` = min_max über 5 Sensoren (2×SMA grid_powe
- **Fix:** `docker restart homeassistant` (qm guest exec auf VM106) → Integration lädt, **E2E: turn_on via HA-API → State-Change in 3,0 s**.
- **E2E-Verifikation IMMER über HA-Service-Call** (testet den XMPP-Write-Pfad), nicht REST-datapoint-PUT (404t auf dieser Firmware — auch /configuration zeigt keine Datapoints, weder alt noch neu).
- **Offen:** Watchdog-Stufe 0c Kanari-Staleness (Vorschlag an Owner).
## free@home setup_error 12./13.11.2026 — SysAP-Reboot wirkungslos, Core-Restart = Fix
- **Verlauf:** 12.11. 16:18 UTC Entry `setup_error` (28/29 Entities `unavailable`), Log `IqTimeout` auf `RemoteInterface.getAll`. Watchdog feuerte 13.11. 05:11 den SysAP-Reboot (`REBOOT_ACKED`, SysAP-HTTP nach ~3 min wieder da), `reload_config_entry` blieb `setup_error`; HA-Retry um 06:13 weiter `IqTimeout`, danach Retry-Backoff erschöpft (letzte Logzeile 06:17 — **Stille ≠ gesund**).
- **Diskriminator:** SysAP-REST `/configuration` = 200 in 3 s (62 Geräte), `/sysap` 200, TCP 5222 offen ⇒ kein Server-Wedge, sondern **clientseitiger slixmpp-Desync**.
- **Fix:** `docker restart homeassistant` (qm guest exec @ proxmox3) 07:10 → `not_loaded` → `setup_in_progress` 07:14:18 → `loaded` 07:14:48. Alle 28 ABB-Entities available (nur `button.garagentor` = `unknown`, bekannter ch0003-Status-Bug), Temperatursensoren pushen wieder (07:15:41).
- **E2E:** `light.schaltaktor_4_fach_16a_reg_abb208351f51_ankleidelicht` turn_on → `on` (07:15:03), turn_off → `off` (07:15:05), beide HTTP 200.
- **Watchdog Stufe 2 (13.11. ergänzt):** Wird nach `reboot(0)` + reload der Entry nicht `loaded` UND liefert SysAP-REST `/configuration` 200 → automatischer `docker restart homeassistant` (State `last_core_restart`, 6-h-Cooldown, 1 Throttle-Meldung/Tag, Boot-Wait 6 min). Ohne REST-200 gibt es **keinen** Core-Restart (dann ist der SysAP das Problem) — nur Alert. Verifiziert: `--selftest` grün, Tick bei gesundem Entry still + State-Reset.
- **Pitfall:** `rescue.py probe` meldet `GETALL_TIMEOUT_OR_FAIL 45.0s` auch bei gesunder Integration (zweite Installer-Session parallel zu HA + 45-s-Hardtimeout) → nicht als Health-Oracle nutzen; Entscheidung über Entry-State + REST.
+2
View File
@@ -30,6 +30,8 @@ Selbst gehosteter Medienserver für die Adult-Szenen-Bibliothek (Kink.com/Series
- **„Other"-Ordner-Falle (29.10.2026)**: Ein Medien-Unterordner namens **`Other`** lässt den Library-Scan dauerhaft bei **84 %** hängen — Endlosschleife im .NET-Prozess (PID 1 verbrennt CPU, **kein** ffmpeg/ffprobe-Subprozess), Item-Zahl bleibt konstant, DB-Zeile bleibt Stub (`RunTimeTicks=null`, `DateLastSaved=null`). Beweisführung: derselbe bekanntermaßen gute Canary-Film hängt in `Other`, wird aber in einem anders benannten Ordner (`Solo`) sofort indexiert → **Ordnername, nicht Dateicontent**. Weder Re-Encode des Videos noch Löschen der DB-Zeile hilft. Fix: Ordner umbenennen/auflösen; Strays in einen bestehenden Serienordner legen. Diagnose-Trick: Task-State `Running` + `CurrentProgressPercentage` eingefroren, `videos=<konstant>`.
- NFOs (Kodi-Stil, vom SABnzbd-Sorter generiert) werden gelesen: Title/Plot/Genre/Studio/Actors/Year verifiziert. **NFO-Pflicht**: jedes Video hat ein gleichnamiges `.nfo` (Stichprobe 215/215 am 29.10.).
- Scheduled Tasks „Extract Chapter Images" + „Generate Trickplay Images" + „Migrate Trickplay" haben **leere Trigger** (RO-Media-Mount darf nie beschrieben werden).
- **Feste Pfadliste-Falle (13.11.2026)**: Die Mediathek hat **pro Serie einen Einzelpfad** (`/media/<Serie>`); neue Sorter-Ordner werden **nicht** automatisch indexiert (0 Items trotz Dateien auf Platte). `POST /Library/VirtualFolders/Paths?name=Mediathek` mit Body `{"Name":"<Serie>","Path":"/media/<Serie>"}` → **204, aber wirkungslos**, wenn `/config/root/default/<Serie>/` fehlt (Log: `Could not find a part of the path '…/<Serie>.mblink'`). Sauberer Weg: `mkdir -p /config/root/default/<Serie>` **plus** `.mblink` selbst schreiben (`printf '/media/<Serie>' > /config/root/default/Mediathek/<Serie>.mblink`, chmod 644, root:root) → **Pod-Restart** → Pfad erscheint in `Locations`, Scan indexiert. Stand 13.11.: 56 Pfade, 58 Ordner auf Platte.
- **Collections entstehen nicht automatisch**: `POST /Collections?Name=<Serie>&Ids=<id,id,…>` (HTTP 200) je Serie mit ≥1 Item; Cover danach via `jf_collection_covers.py`.
## API-Fallen (12.2) — Details: Solution Doc s.u.
1. Auth-Header heißt jetzt **`Authorization: MediaBrowser ...`** (nicht mehr `X-Emby-Authorization` → sonst 400 ArgumentNullException).
+22
View File
@@ -32,3 +32,25 @@ modified: "2026-07-24"
## Related
- [[systems/loki-fluentbit]]
- [[systems/rke2-kubernetes]]
## Alerting-Reparatur 2026-11-14
- `clusters/main/monitoring/prometheus-rules.yaml` ist eine **ConfigMap** — Prometheus lädt sie NICHT.
Ersatz: `infra-alerts-rules.yaml` (PrometheusRule, Label `release: monitoring`), 17 Alerts:
node (6), ceph (4), blackbox (4), galera (3).
- **Ceph**: Scrape-Job zeigte auf die Standby-MGRs (.50/.60/.70) → HTTP 200, aber **0 Metriken**.
Aktiver MGR ist `10.0.20.92` (`ceph mgr services`) — als viertes Target ergänzt.
- **Galera**: `mysql_up=0` auf allen Nodes. Ursache: `exporter`-User hatte ein anderes Passwort als
`/etc/mysqld_exporter/.my.cnf` (drei Nodes, zwei verschiedene Passwörter). Passwort aus .71 auf
alle Nodes verteilt + `ALTER USER`. Zusätzlich blockte **ufw auf .71** Port 9104 (nur CT141 erlaubt)
→ Regeln für die 8 RKE2-Node-IPs ergänzt.
- **Tote Targets entfernt**: 10.0.20.10/.20 (proxmox1/2, 2026 entfernt) aus node_exporter + ICMP.
- **PBS offsite** 213.95.54.60: ICMP geblockt → TCP-Probe auf :8007 statt Ping.
- Disk-Regeln schließen `/boot/efi` aus (ESP ist naturgemäß >85% voll → Dauer-Fehlalarm).
- **pve-exporter**: lag auf CT141 (seit Wochen aus). Ersatz als K8s-Deployment im Namespace monitoring
(Namespace `monitoring`, `pve-exporter.yaml`), Token `exporter@pve!monitoring` per ESO aus 1P
(Vault `Kubernetes ESO`, Item `PVE exporter monitoring`). Bild: `ghcr.io/prometheus-pve/prometheus-pve-exporter:3.7.0`
(**`prompve/pve-exporter` existiert auf Docker Hub nicht mehr**). PVE-Regeln aktiv, `pve_up`=166 Serien.
- **ArgoCD-Falle**: Eine hängende Sync-Operation (Deployment erreicht progress deadline) blockiert ALLE
späteren Commits der App — neue Dateien kommen an, Änderungen an bestehenden nicht. Fix:
`kubectl patch application <app> --type json -p '[{"op":"remove","path":"/operation"}]'`.
+7
View File
@@ -32,6 +32,13 @@ modified: "2026-10-30"
- **hdd_templates:** CT Templates
- **Ceph RBD:** ceph-flash, ceph-hdd Pools (über K8s CSI)
### Backup-Storage (Stand 2026-11-15)
- **`noris_v4`** (PBS CT119 auf proxmox7, Datastore `noris`) = Primary; nächtlicher vzdump 23:00.
- **`noris_offsite`** = PBS `pbs-remote` auf OpenStack-VM 213.95.54.60 (Datastore `offsite`), gespeist per Push-Sync `push-offsite` von CT119 täglich 03:00 (`transfer-last 3`, `remove-vanished`).
- **Kapazität Offsite:** Cinder-Volume `pbs-data` ist **980 GiB** (max. des 1000-GiB-Projektquota, 20 GiB Boot), ext4 964 GiB, Reserve auf **1 %** gesenkt. Stand 15.11.: 747 GiB belegt → **~208 GiB frei (~5–6 Wochen bei ~180 GiB/Monat)**. **Quota-Erhöhung bei noris ist der nächste Schritt** (Ziel 2–3 TiB).
- Volumes lassen sich **nicht** über PVE vergrößern: `openstack volume set --size N` (Microversion ≥ 3.42 für in-use) → `rescan` + `resize2fs` im Gast. Details: `docs/solutions/bug-fixes/2026-11-15-offsite-pbs-volume-extend.md`, Pattern PAT-020.
## Netzwerk
- VLAN-basiert, Bridge vmbr0
- IP-Schema: 10.0.X.Y — siehe [[concepts/network-architecture]]
+30 -1
View File
@@ -3,7 +3,7 @@ title: "Recipe Scraper v8 (Nutrition-Coach)"
category: systems
tags: [recipes, scraping, nutrition-coach, galera, curl-cffi]
created: "2026-10-12"
modified: "2026-11-12"
modified: "2026-11-18"
---
# Recipe Scraper v8 — Nutrition-Coach-Profil
@@ -38,6 +38,35 @@ modified: "2026-11-12"
selbst wurde dabei vergessen). Bis dahin wird der 06:00-Lauf weiter
intermittierend crashen und nur per Retry durchlaufen.
## Status 2026-11-13: 3. Crash-Tag — Fenster These verfeinert, Retry-Regel bestätigt
- 06:00:28 UTC: erster Lauf crashte in `db_count()` (Error 2013, 60-s-read_timeout)
— 3. Tag in Folge. Retry 06:04:14: Exit 0, No-Op (0 neue, keine Quellen).
- **Neue Messdaten:** COUNT hing im Fenster 06:01–06:04 **>122 s** (PROCESSLIST
"Sending data"), ab 06:05 **4× 0,0 s** instant. → Die 52,4 s vom 11.12. sind kein
fixer Strukturwert: Die Dauer ist Cache-/Blockade-abhängig. read_timeout=300-Fix
(Owner-GO ausstehend) hätte heute gereicht; robusteste Ergänzung wäre ein späterer
Cron-Zeitpunkt (z. B. 06:30) oder DB-seitige Zeilenzahl-Caches.
- **Morgen-Briefing als Verursacher widerlegt** (parallel 06:00, aber keine
recipes-DB-Zugriffe in dessen Fetch-Scripts; 11.10 lief COUNT während des
Briefings durch). Ursache des 06:00-Fensters bleibt offen (DB-Infrastruktur
prüfen: Backup-Jobs/Cron auf Galera-VMs, Ceph osd slow-ops seit 08.11.).
- SolDoc Tag 3: `docs/solutions/bug-fixes/2026-11-13-recipe-scraper-0600-count-timeout-transient.md`
(+ Nachtrag im 11-12-Doc).
## Status 2026-11-18: Crash-Rezidiv nach 4 Tagen — Störung TÄGLICH, nur Schwere variiert
- 06:00:29 UTC: erster Lauf crashte in `db_count()` (Error 2013, 60-s-read_timeout)
— erstes Rezidiv nach 4 Tagen. Retry 06:01:53: instant durch, Exit 0, No-Op
(0 neue, keine Quellen, keine Pipeline; DB weiter bei 200.000).
- **Wichtigste Korrektur:** Die „crashfreien" Tage 11-14 bis 11-17 waren keine
sauberen Tage — `scraper_v8.log` zeigt 37–60 s Gesamtlaufzeit (≈ COUNT-Dauer,
da vor `db_count()` nur lokale Loads passieren): täglich gestört, nur knapp
unter dem 60-s-Timeout. Modell: Störung im 06:00-Fenster an jedem Tag; Crash
nur bei COUNT >60 s (11-10, 11-11, 11-12, 11-13, 11-18).
- 06:00-Fenster-Ursache weiter offen (DB-Infra-Job ~05:45–06:05 UTC prüfen:
mariabackup/ANALYZE/Timer auf Galera-VMs). Fix-Vorschlag weiter offen
(Owner-GO): `read_timeout=60`→`300` (Zeile ~89) oder Cron auf 06:30.
- SolDoc-Nachtrag 11-18 im 11-13-Doc.
## Architektur
- **Skript:** `~/.hermes/profiles/nutrition-coach/scripts/recipe_scraper_v8_intl.py`
(Venv: `~/.hermes/venv-recipe/`, curl_cffi 0.16.3 für Chrome-TLS-Fingerprints)
+120
View File
@@ -0,0 +1,120 @@
---
title: Technitium DNS (HA-Cluster)
category: systems
tags: [dns, adblock, ha, keepalived, vrrp, technitium, lxc]
created: "2026-11-14"
modified: "2026-11-14"
---
# Technitium DNS — HA-Cluster (LAN-Resolver + Adblock)
Zwei unprivileged LXC auf getrennten PVE-Nodes, betrieben als **Technitium-Cluster**
(1 Primary + 1 Secondary, Config-Sync) mit **keepalived-VIP** davor.
## Topologie
| | dns-01 | dns-02 |
|---|---|---|
| CT | 150 | 153 |
| PVE-Node | proxmox6 (10.0.20.60) | ms-a2-2 (10.0.20.93) |
| IP | 10.0.30.150/24, gw 10.0.30.1, tag=30 | 10.0.30.153/24 |
| Spez | 1 vCPU / 1 GB / 4 GB **`local-lvm`** (node-lokal, Ceph-unabhängig), unprivileged, onboot | dito |
| Rolle | Cluster-**Primary**, VIP-Träger (VRRP-Prio 150) | Cluster-**Secondary** (Prio 100) |
| Web-UI | http://10.0.30.150:5380 · TLS :53443 | http://10.0.30.153:5380 |
**VIP 10.0.30.149** — keepalived, VRID 51, **unicast** (kein Multicast), `nopreempt`,
Health-Check = TCP :53 **und** Web-API :5380. Failover gemessen: **~4 s**.
## Clients / DHCP
Omada-Gateway (`10.0.30.1`) macht weiterhin DHCP. Es gibt nur **zwei DNS-Felder**:
```
DNS 1: 10.0.30.149 (VIP)
DNS 2: 1.1.1.1 (Cloudflare-Fallback)
```
IPv6-Felder (falls vorhanden): `2606:4700:4700::1111`, `2606:4700:4700::1001`.
Grund für die VIP: mit nur zwei Feldern wäre sonst entweder der zweite Knoten oder der
Public-Fallback verloren gegangen.
## Konfiguration (Cluster-Parameter, syncen auf beide Nodes)
- Cluster-Domain: `dns.internal.schoen.codes` (Zonen: `dns.internal.schoen.codes`, `cluster-catalog...`)
- Forwarder: `1.1.1.1, 1.0.0.1, 2606:4700:4700::1111, 2606:4700:4700::1001` (UDP)
- `recursion = UseSpecifiedNetworkACL` → `10.0.0.0/8, 172.16.0.0/12, 192.168.0.0/16, 127.0.0.0/8, ::1, fd00::/8, fe80::/10` (kein offener Resolver)
- DNSSEC-Validierung an, `logQueries=false` (Datei-Log aus, Query-Log läuft über die MySQL-App)
- Blockliste: **HaGeZi Multi Pro** → `https://raw.githubusercontent.com/hagezi/dns-blocklists/main/wildcard/pro.txt` (227.848 Domains)
## Resilienz-Entscheidung (2026-11-14)
**Rootfs auf `local-lvm`, NICHT auf Ceph.** Grund: `ceph health` = HEALTH_WARN mit
„8 OSDs experiencing slow operations"; ein Ceph-Stall hätte **beide** DNS-Knoten gleichzeitig
blockiert (gleicher Cluster → kein Failover-Effekt) und bei Neustart wäre kein Boot möglich.
Konsequenzen, bewusst akzeptiert:
- **Kein HA-Manager** für ct:150/153 (`state: disabled` → entfernt). PVE-HA kann node-lokale
Disks nicht relocaten; ein Versuch hat am 2026-11-14 beide CTs auf proxmox4/proxmox5
„verschoben" (Config ja, Disk nein) → **~2–3 Min DNS-Ausfall**. Nur `onboot=1`.
- **Node-Ausfall = Handarbeit**: Rebuild per PBS-Restore (siehe unten), Config kommt vom Peer.
- PVE-native Redundanz für lokale Disks existiert nicht: entweder Shared Storage (Ceph/iSCSI/NFS,
automatisch) oder ZFS-Replikation (`pvesr`, **braucht lokales ZFS** — proxmox6/ms-a2-2 haben nur
LVM-thin, `replication.cfg` leer) und selbst dann kein Auto-Promote.
**Wiederaufbau (nativ, ~1–2 Min):**
```bash
pct restore 150 noris_v4:backup/ct/150/<snapshot> --storage local-lvm --hostname technitium-dns-01
# danach: Cluster-Join gegen den überlebenden Node, Zonen/Blocklists syncen automatisch
```
Backups: 23:00-Job (`all 1`, `noris_v4`, keep-last=3) — Erstaufnahme 2026-11-14 manuell
nachgezogen (ct/150 967 MiB, ct/153 890 MiB).
**I/O-Entkopplung:** Technitium-Datei-Query-Log `logQueries=false` (kein Disk-Write pro Query).
Die MySQL-App protokolliert unabhängig davon weiter (verifiziert: 84 Rows/45 s).
keepalived `fall 5` (≈10 s Toleranz) statt 3 → kein VIP-Flapping bei kurzen Slow-Ops.
## Betrieb
- Config-Änderungen **nur am Primary**; Secondary zieht per Cluster-Sync (`configRefreshIntervalSeconds=300`).
- Fällt der Primary irreparabel aus: Secondary per `POST /api/admin/cluster/primary/promote` hochziehen.
- VIP bleibt dank `nopreempt` beim Überlebenden (kein Flapping); bei Kaltstart beider gewinnt dns-01.
- Hostnamen-Auflösung der Nodes läuft über `/etc/hosts` in beiden CTs (Cluster verlangt FQDN-URLs, nicht IPs).
## Query-Logs nach MySQL (Galera)
App **„Query Logs (MySQL) v4.2"** (`isQueryLogger` + `isQueryLogs`), per Cluster-Sync auf **beiden**
Knoten installiert — beide schreiben in dieselbe Tabelle, getrennt über die Spalte `server`.
| Parameter | Wert |
|---|---|
| Datenbank | `technitium_querylog` (utf8mb4) auf Galera, Tabelle `dns_logs` (App legt sie an) |
| Endpoint | **MaxScale-VIP `10.0.30.70:3306`** (nicht .71/.72/.73 — die sind vom VLAN 30 aus nicht direkt erreichbar) |
| User | `technitium`@`%` (nötig: MaxScale verbindet mit **eigener** IP, per-Host-Grants scheitern) |
| Connection String | `Server=10.0.30.70; Port=3306; Uid=technitium; Pwd=<1P>; SslMode=None; ConnectionTimeout=10; DefaultCommandTimeout=30;` |
| Retention | `maxLogDays=30`, `maxLogRecords=10000000`, `maxQueueSize=1000000` |
- **`SslMode=None` ist Pflicht**: der MaxScale-Listener hat kein TLS → MySqlConnector bricht sonst mit
„SSL is required, but the server does not support it" ab (Passwort läuft damit im Klartext über VLAN 30).
- Volumen-Messung: ~**61 Queries/min ≈ 88 k/Tag** → ~2,6 Mio Rows in 30 Tagen (Galera repliziert 3×).
- Passwort in 1P: „Technitium QueryLogs DB (Galera)".
## Monitoring
- Prometheus (K8s, 10.0.30.202): Jobs `blackbox_dns` (A-Query gegen .149/.150/.153) und
`blackbox_http` (Web-UI :5380 auf allen drei Adressen).
- PrometheusRule `technitium-dns-rules`: `TechnitiumDnsProbeFailing`,
`TechnitiumDnsAllNodesDown`, `TechnitiumDnsVIPMissing`, `TechnitiumClusterNotSynced`.
- IaC: `iac-homelab/clusters/main/monitoring/technitium-dns-rules.yaml` + `apps/kube-prometheus-stack.yaml`.
## Bekannte Fallstricke
- **HaGeZi-URL hat sich geändert**: `hosts/pro.txt` → **`wildcard/pro.txt`** (404 sonst).
- **community-scripts-One-Liner aktuell kaputt**: `ct/technitiumdns.sh` sourct `misc/build.func`,
das Framework liegt jetzt in `community-scripts/core` → 404. Installation daher über die
Original-Payload (`install/technitiumdns-install.sh`): MS-Repo → `aspnetcore-runtime-10.0`,
`DnsServerPortable.tar.gz` → `/opt/technitium/dns`, systemd-Unit `technitium.service`.
- **Cluster-Join verlangt FQDN**: `primaryNodeUrl` mit IP wird abgelehnt
(„must use the domain name of the Primary node").
- Erst-Login ist `admin/admin` — sofort `passwort` via `/api/user/changePassword` ändern
(1P-Item „Technitium DNS Admin").
- **`prometheus-rules.yaml` im Repo ist eine ConfigMap** und wird von Prometheus NICHT geladen —
eigene Regeln brauchen eine `PrometheusRule` mit Label `release: monitoring`.
## Related
- [[reference/ip-map]] · [[concepts/network-architecture]] · [[reference/ports]]
- [[systems/monitoring]]
+1
View File
@@ -23,6 +23,7 @@ Physischer Standalone-Node (KEIN PVE), Mitglied im Ceph-Cluster. SSH: `ssh -i ~/
## Bekannte Themen
- **Wartungs-Shutdown 2026-11-14 (~15 Min):** noout-Gate, sauberer Poweroff 13:09 UTC, Boot zurück 13:22 UTC (SSH ~11 Min nach Power-On), OSDs 2/15/17 sofort up, Cluster 532/533 clean binnen Minuten, noout manuell entfernt (Watchdog unfired wg. osd-tree-$5/$6-Bug → Skill-Ref). ZFS `pool01_n2_redundant` DEGRADED (sdi REMOVED) überlebt Reboot problemlos. IP unverändert .100 (MAC 4c:cc:6a:27:49:c1).
- NVMe-Controller-Tod Kingston PCI 03:00.0 (2026-09-30, PAT-014) — revived via PCI remove/rescan; SMART-Audit gesund, nur Controller-Ebene. Temps 70/78 °C beobachten.
- Host-Eintrag `10.0.20.100 ubuntu` in /etc/hosts aller PVE-Nodes nötig (PVE-GUI 500 ohne DNS/hosts).