GNAI-001 M4 abgeschlossen: Backup/Reboot/Alarmgrenzen (GNAI-008 14.6)

Rolle ai_backup: woechentlicher Timer, NFS-Ziel (Encoding-Pipeline-
Anbindung, Betreiberentscheid), Archiv ohne GGUF-Weights (SOURCE.yml-
Reproduzierbarkeit), SHA256-Sidecar, Retention 8; Restore-Nachweise
R1 (Baum-Diff) und R2 (environment-state restore) bestanden. Echter
Hostreboot: Recovery-Service bringt Production selbststaendig hoch.
Verfuegbarkeitsmetrik gn_ai_active_env (Textfile, 30 s) mit Regel-
vorschlag fuer die GNMON-Suite. M4 damit vollstaendig abgenommen.

Generated by Mistral Vibe.
Co-Authored-By: Mistral Vibe <vibe@mistral.ai>
This commit is contained in:
2026-11-06 07:34:52 +01:00
parent 1c9011a90b
commit 7ec8a970b7
15 changed files with 422 additions and 1 deletions
@@ -963,7 +963,40 @@ Abnahme am 06.11.2026, alle bestanden:
Offen aus M4: realer Hostreboot-Test (mit dem Betreiber, dedizierte
Hardware), Backup-/Restore-SOP mit praktischem Nachweis sowie die
Prüfung der Alarmgrenzen für Production im Monitoring.
Prüfung der Alarmgrenzen für Production im Monitoring — **alle drei
Folgepunkte wurden am selben Tag nachgezogen:**
- a) **Echter Hostreboot (06.11.2026, 07:21):** Nach dem Betreiber-Go
startete der Server neu; der Recovery-Service brachte Production ohne
jedes Zutun hoch (`active=production`, Engine mit GPU-Prozess,
Inferenzstichprobe 17×23 korrekt, Thinking intakt, Lüfterservice
aktiv). Damit ist der Wiederanlaufpfad für Boot, Abbruch und
Netzwerkverlust belegt.
- b) **Backup-/Restore (Rolle `ai_backup`, Betreiberentscheid: Ziel ist
die bestehende NFS-Anbindung der Encoding-Pipeline, pve-Datenhdd):**
wöchentlicher Timer (So 03:30, Persistent), Archiv mit
`/etc/ghostnet-ai`, Quadlet-Verzeichnissen der Konten,
`environment-state`, Benchmark-Rohdaten und Model-Store-Metadaten
ohne `*.gguf` (Weights bleiben über SOURCE.yml-Pins reproduzierbar),
SHA256-Sidecar, Integritätsprüfung, Retention 8. Praktische Nachweise
R1 (Extrakt und vollständiger Baum-Diff gegen das Live-System,
identisch) und R2 (Löschen und Restore von `environment-state`,
byte-identisch) bestanden; SOP im Rollen-README.
- c) **Monitoring/Alarmgrenzen:** Die GNMON-M5-Suite auf dem Server
(vmalert/Alertmanager rootless unter `gn-monitor`) alarmiert bereits
beide Vorfall-Signaturen (Junction >95 °C über 2 Min; PWM-Anforderung
bei 0 RPM über 3 Min) plus Edge- und VRAM-Grenzen und
Node-Exporter-Ausfall. Ergänzt wurde die Verfügbarkeitsmetrik
`gn_ai_active_env{env}` (Textfile-Collector der Switch-Rolle, 30-Sek.-
Timer, verifiziert für läuft=1/gestoppt=0/nach-Recovery=1);
Regelvorschlag an die Suite: `gn_ai_active_env == 0` über 2 Minuten,
kritisch.
**Damit ist Meilenstein 4 (GNAI-001) vollständig abgenommen:** Der
ausgewählte interne Dienst läuft als Production-Umgebung, ein
abgebrochener Testlauf wird hostseitig ohne Production-Secrets
rückgerollt (Timer/Service), Backup/Restore sind praktisch belegt und
Alarmgrenzen stehen.
---