Observabilité#
Métriques Prometheus#
Exposées sur le port prometheus.port (9090 par défaut), alimentées par l’état lu en base :
Métrique |
Description |
|---|---|
|
nombre de VPC, par état |
|
nombre de subnets, par état |
|
nombre de VM, par état |
|
nombre de passerelles NAT, par état |
|
nombre d’IP flottantes, par état |
Les états sont ceux du cycle de vie. Une valeur non nulle et
durable sur error est l’alerte la plus utile à poser ; une valeur durable sur creating
ou deleting signale une opération qui n’aboutit pas.
Connaissance de l’hôte#
Deux routes de l’API de l’agent, en lecture seule (voir Référence) :
GET /registerce qui ne change pas tant que l’hôte tourne : hostname, CPU (fabricant, modèle, sockets, cœurs, threads), RAM totale, OS (
/etc/os-release) et noyau. Lu une fois au démarrage de l’agent ; si la lecture échoue, l’agent démarre quand même, journalisehost facts unavailableet la route répond 503 avec l’erreur.GET /pingl’état courant : version de l’agent, démarrage de l’hôte (
boot_time) et de l’agent (agent_start_time), uptime de l’hôte et load sur 1, 5 et 15 minutes. Mesuré au démarrage puis toutes lestimes.host_state_intervalsecondes (10 par défaut), gardé en mémoire ;collected_atdonne l’heure de la mesure. 503 tant qu’aucune mesure n’a réussi ; une mesure en échec est journalisée (host state collection failed) et la précédente reste servie.
Les dates sont des timestamps Unix en secondes. Un boot_time qui change signale un
redémarrage de l’hôte, un agent_start_time seul un redémarrage de l’agent ;
boot_time + uptime_seconds donne l’horloge de l’hôte au moment de la mesure.
La version de l’agent est injectée au build : le tag pour une release, le commit court
(suffixé -dirty si l’arbre avait des modifications) pour les binaires de test du lab,
undefined sinon. Elle figure aussi dans la ligne starting agent du journal.
Watchdog#
Une goroutine périodique vérifie que les ressources marquées running en base existent
toujours sur le système, et notifie les écarts sans jamais réparer. Il est désactivé par
défaut (enabled: false) ; l’activer explicitement :
watchdog:
enabled: true
interval_seconds: 60
Il contrôle notamment l’existence des network namespaces, des liens réseau des subnets, des taps
de VM et la réponse des units systemd associées, ainsi que le segment public : le bridge
public (interfaces.internet) doit exister, être actif et porter un port VXLAN
(vxlan-public), sinon les VPC de l’hôte n’ont pas de segment public. Il ne vérifie pas le
numéro du VNI.
Dès qu’un VPC est running sur l’hyperviseur, il contrôle aussi le relais DNS et NTP (voir
DNS et NTP des VM) :
two-hostsvcinjoignable sur sa socket de contrôle : une notification, aucun VPC de l’hyperviseur n’a plus de DNS ni de NTP ;pour chaque VPC
running: VPC absent de la liste servie partwo-hostsvc,169.254.169.253absente de ladummyhostsvc, ou chaînehostsvcde la tableip twoabsente ou incomplète dans son netns. Un VPC créé par une version antérieure à la 0.3.0 n’a rien de tout cela : il est signalé à chaque tick jusqu’à sa recréation.
Avec une section bgp dans la configuration, il contrôle aussi le plan de contrôle :
Sessions BGP : une notification par route reflector dont la session n’est pas
Established(show bgp neighbors <ip>).VPC routés (
l3vni, étatrunning) : présence et état des interfacesvrf-<id>,brl3-<id>,vxl3-<id>,l3-<id>-oet, dans le netns,l3-<id>-i; L3VNI de typeL3,Up, avec la MAC de routeur attendue (show evpn vni <l3vni>) ; routeunreachable defaultde métrique4278198272dans la table de la VRF. Un VPC routé créé par une version antérieure à la 0.3.0 ne l’a pas : il est signalé à chaque tick jusqu’à sa recréation, l’agent ne la pose pas au démarrage.Réconciliation des routes exportées dans la VRF : chaque
/24de subnetvxlanet chaque/32d’interface de VMrunningdoit être exporté, ainsi que la route par défaut quand le VPC a une passerelle NATrunningsur l’hôte (voir Passerelle NAT) ; à l’inverse, une route exportée dont le propriétaire n’existe plus — nirunning, ni encreating,deletingouerror— est signalée comme un trou noir : l’annonce attire du trafic que plus rien ne reçoit.
Un VPC routé alors que la section bgp a disparu de la configuration est signalé lui aussi. Il
reste supprimable : le démontage lit l’AS de son instance dans la configuration courante de FRR.
Note
Un écart persistant est signalé à chaque tick, sans déduplication. Le volume de notifications est donc proportionnel à la durée de l’anomalie : c’est voulu, mais cela veut dire qu’une alerte doit agréger, pas compter.
Le watchdog étant strictement en lecture seule, une divergence entre la base et le système
subsiste jusqu’à une action explicite (DELETE puis recréation).
Journaux#
slog structuré, niveau réglé par logger.level (debug, info, warn, error),
logger.debug: true forçant debug.
journalctl -u agent -f
journalctl -u 'metadata@i-web' -n 50
tail -f /var/log/dnsmasq-vp-admin_br-000001.log # backend dnsmasq
journalctl -fu 'dhcp@vp-admin_br-000001' # backend two
Inspection de la base#
En ligne de commande, sur l’host. Le binaire db n’est ni publié dans les releases ni
déployé par deploy.sh : il se compile depuis les sources, puis se copie sur l’host. Sans
sous-commande, il n’affiche que son usage ; print liste toute la base :
CGO_ENABLED=0 GOOS=linux GOARCH=amd64 go build -o db ./cmd/db
./db -conf /etc/two/agent.yml print
Avertissement
db ouvre directement la base Badger. Ne pas l’utiliser pendant que l’agent tourne :
deux processus ne doivent pas ouvrir la même instance.
L’API d’administration donne la même lecture sans ce risque, quand elle est activée :
curl -s 'http://127.0.0.1:9091/db?prefix=vm/'
Elle expose l’intégralité des valeurs, y compris les hashs de mot de passe — cf. Configuration.