94 lines
4.9 KiB
Markdown
94 lines
4.9 KiB
Markdown
# Infrastructure Stack Migration — Kanban Board `infrastructure`
|
|
|
|
> **Generated**: 2026-09-24
|
|
> **Board**: `infrastructure` (Hermes Kanban)
|
|
> **Goal**: Convergence vers stack consolidée (~27 cœurs critiques + boîte outils ML étendue)
|
|
|
|
## Phase 1 — Supervision & Logs (priorité immédiate)
|
|
|
|
### t_29fa2eb9
|
|
**Installer Zabbix server sur TrueNAS**
|
|
Déployer Zabbix pour supervision OS/hardware: CPU, RAM, GPU, disk I/O, temperature. Couvre disponibilité hôte + service Docker. Complémentaire à Prometheus (métriques applicatives ciblées).
|
|
|
|
### t_6072678e
|
|
**Déployer Loki + Alloy pour logs centralisés**
|
|
Loki = base de logs; Alloy = collector/ingestion (remplace FlorianD). Unifie les logs du réseau en une source interrogable depuis Grafana. Prioriser: Docker containers, PostgreSQL, Home Assistant, EdgeTTS.
|
|
|
|
### t_ff029596
|
|
**Créer dashboard Grafana unifié pour infrastructure**
|
|
Dashboard reliant Prometheus (métriques Aurelie) + Zabbix (disponibilité hardware/réseau) + UniFi Controller (switchs/Wi-Fi). Panels: uptime total, CPU/Mem/Disk global, switch port stats, Wi-Fi quality, Docker container health.
|
|
|
|
### t_8dde65ce
|
|
**Dashboard monitoring état service (Zabbix + Prometheus)**
|
|
Status board coloré showing chaque service up/down/degraded. Sources: Zabbix pour disponibilité hôte/service, Prometheus pour metrics personnalisées Aurelie.
|
|
|
|
## Phase 2 — Consolidation & Nettoyage
|
|
|
|
### t_ee94c72f
|
|
**Remplir NetBox comme source vérité réseau**
|
|
NetBox: IPs/VLANs/DNS/switch ports comme source unique de vérité réseau. Importer depuis UniFi Network Controller export: adresses IP, DNS records, VLANs, switchs/routeurs physiques.
|
|
|
|
### t_ec7c5391
|
|
**Suppression services redondants: OIKB + Gladys**
|
|
Désinstaller containers inutiles pour libérer CPU/RAM/espace: (1) OIKB → remplacé par BookStack; (2) GladysHome → remplacé par Home Assistant.
|
|
|
|
### t_3d6d14f6
|
|
**Standardiser TTS/STT: EdgeTTS + Faster-Whisper**
|
|
EdgeTTS = voix Aurelie (confirmée), Faster-Whisper = reconnaissance vocale (STT). Supprimer concurrents (MeloTTS etc.), configurer ces deux seuls.
|
|
|
|
## Phase 3 — Infrastructure Monitoring Aurelie
|
|
|
|
### t_a56b0650
|
|
**Installer Gitea Runner CI (automat builds/tests/deploy → registry IA)**
|
|
Pipeline auto: push main/master → build → test → push registry. Repos `infra` = source de vérité pour exporters configs pipelines CI.
|
|
|
|
### t_92bb7a89
|
|
**Déployer exporters Prometheus sur Serveur IA**
|
|
Containers dédiés sur Serveur IA: `latency_exporter.py` (port :8100), `pgvector_quality_exporter.py` (port :8105). Prometheus scrape endpoints.
|
|
|
|
### t_42344dda
|
|
**Migrer Mem0 memories Weaviate → pgvector**
|
|
Script export/import transférer embeddings mémorés dans Weaviate vers pgvector extension PostgreSQL DB `aurelie`. Point critique: mem0 dépend pgvector — migrer tout historique conversations.
|
|
|
|
### t_8f52fe72
|
|
**Créer dashboard Grafana 'Aurelie Health'**
|
|
3 panels principaux: (1) Health Score composite 0-100 gauge, (2) Histogramme latence response distribution, (3) Peak dBFS voix EdgeTTS + RMS tracking. Panel pgvector similarity scores optionnel.
|
|
|
|
## Phase 4 — Migration Future & Sauvegarde
|
|
|
|
### t_27f22089
|
|
**Structurer backup: PG auto + Vaultwarden exports + UrBackup**
|
|
Plan structuré en 3 couches: (1) PostgreSQL dumps automatiques CronJob/PGdump, (2) Export régulier Vaultwarden passwords, (3) Vérifier/configurer UrBackup full server entre TrueNAS + Serveur IA.
|
|
|
|
### t_e179c5ba
|
|
**Planifier migration K3s + ArgoCD sur 2 serveurs**
|
|
Migration TOUS services Docker vers cluster Kubernetes k3s (2 noeuds: TrueNAS+SrvIA). Objectif final: orchestration via ArgoCD/GitOps. Inclure phase apprentissage/formation, POE locale, déploiement progressif.
|
|
|
|
## Phase 5 — Outils ML (boîte à outils prêts)
|
|
|
|
### t_43a371c7
|
|
**Installer MLflow pour experiment tracking**
|
|
Suivi d'expériences LLM/ML: checkpoints metrics comparés versioning datasets. Ne PAS chevaucher ZenML ni Opik.
|
|
|
|
### t_16b50a24
|
|
**Installer ZenML pour orchestration pipeline ML**
|
|
Orchestration pipelines GitOps. Rôle distinct de MLflow (tracking) et Opik (validation).
|
|
|
|
### t_3e6593bf
|
|
**Installer Opik pour monitoring évaluation LLMs en prod**
|
|
Qualité prédictions LLM production: latency drift, scoring qualité. Ne PAS chevaucher MLflow ni ZenML.
|
|
|
|
---
|
|
|
|
## Légende prioritaire (logique)
|
|
1. **0-4** — Supervision immatiate (Zabbix, logs Grafana dashboards)
|
|
2. **5-7** — Consolidation & nettoyage (NetBox, OIKB+Gladys suppression, TTS/STT standard)
|
|
3. **8-9** — Monitoring Aurelie personnalisé (Gitea Runner CI, exporters Prometheus)
|
|
4. **10-12** — Migration mémoire & dashboards Aurelie (MLflow ZenML Opik pgvector migration Grafana Health)
|
|
5. **+13** — Migration future (K3s ArgoCD backup structuré)
|
|
|
|
## Status repo Gitea
|
|
- **Repo**: https://gitea.manthati.ca/aurelie/infra
|
|
- **Content**: `latency_exporter.py`, `pgvector_quality_exporter.py`, README.md
|
|
- **Exporter ports**: latence = :8100, pgvector quality = :8105
|