feat(cluster): scripturi de oprire si repornire controlata a clusterului
cluster-shutdown.sh / cluster-startup.sh — automatizeaza procedura din docs/oprire-planificata-cluster.md. Ruleaza de pe statia de admin prin SSH, nu de pe un nod: nodul care se opreste ultimul nu poate raporta rezultatul, iar la pornire scriptul trebuie sa astepte nodurile din afara. Decizii importante: - guest-urile din HA se opresc/pornesc cu `ha-manager set --state`, NU cu pct/qm shutdown; din CLI acestea nu actualizeaza state-ul HA si CRM-ul poate reporni guest-ul in mijlocul opririi - apartenenta la HA se descopera dinamic din `ha-manager config` - ordinea de oprire e pe dependente: consumatorii intai, CT 108 Oracle ultimul, cu `shutdown immediate` in baza inainte de a opri containerul - shutdown-ul salveaza local ce rula; startup-ul porneste exact atat, ca sa nu reporneasca VM-uri oprite intentionat - NEVER_AUTOSTART (109, 301, 310) protejeaza fallback-ul fara fisier de stare: VM 109 e DR-ul a carui pornire nedorita a declansat incidentul 2026-04-20, restul sunt template-uri - garda impotriva rularii de pe un nod sau din CT 171 (s-ar sinucide) - ping_host() portabil Git Bash / Linux Corectat in runbook: ordinea de oprire spunea "Oracle primul", gresit ca ordine de dependente — VM 201 si CT 104 consuma baza. Ambele testate cu --dry-run pe clusterul live. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01RRyaDj39hPQ89SZS6URRpS
This commit is contained in:
Marius
378
proxmox/cluster/scripts/cluster-shutdown.sh
Executable file
378
proxmox/cluster/scripts/cluster-shutdown.sh
Executable file
@@ -0,0 +1,378 @@
|
||||
#!/usr/bin/env bash
|
||||
#
|
||||
# cluster-shutdown.sh — oprire controlată a întregului cluster Proxmox `romfast`.
|
||||
#
|
||||
# Oprește guest-urile în ordinea corectă de dependențe, apoi nodurile, fără ca HA
|
||||
# să relocheze resursele și fără ca watchdog-ul să reseteze hard vreun nod.
|
||||
#
|
||||
# Procedura completă și explicațiile: docs/oprire-planificata-cluster.md
|
||||
#
|
||||
# RULEAZĂ DE PE STAȚIA DE ADMIN, nu de pe un nod Proxmox. Motivul: nodul care se
|
||||
# oprește ultimul nu poate raporta rezultatul propriei opriri.
|
||||
#
|
||||
# Utilizare:
|
||||
# ./cluster-shutdown.sh # interactiv, cere confirmare
|
||||
# ./cluster-shutdown.sh --yes # fără confirmare
|
||||
# ./cluster-shutdown.sh --dry-run # arată ce ar face, nu execută nimic
|
||||
# ./cluster-shutdown.sh --no-nodes # oprește doar guest-urile, lasă nodurile pornite
|
||||
#
|
||||
set -euo pipefail
|
||||
|
||||
# ---------------------------------------------------------------- configurare
|
||||
|
||||
declare -A NODE_IP=(
|
||||
[pve1]=10.0.20.200
|
||||
[pvemini]=10.0.20.201
|
||||
[pveelite]=10.0.20.202
|
||||
)
|
||||
|
||||
# Ordinea de OPRIRE a nodurilor. pvemini ultimul — e nodul principal și serverul NFS.
|
||||
NODE_SHUTDOWN_ORDER=(pveelite pve1 pvemini)
|
||||
|
||||
# Ordinea de OPRIRE a guest-urilor: consumatorii întâi, baza de date ULTIMA.
|
||||
# VM 201 (roacentral) și CT 104 (flowise) folosesc Oracle din CT 108.
|
||||
# Orice guest pornit care nu apare aici e oprit la final, într-o măturare.
|
||||
GUEST_SHUTDOWN_ORDER=(
|
||||
303 # Win11-Adina — desktop, fără dependențe
|
||||
302 # oracle-test-302 — VM de test
|
||||
310 # Win11-Template — template
|
||||
201 # roacentral — IIS reverse proxy, consumator Oracle
|
||||
101 # minecraft
|
||||
110 # moltbot
|
||||
104 # flowise — consumator Oracle
|
||||
106 # gitea
|
||||
103 # dokploy
|
||||
102 # docker.romfast.ro
|
||||
100 # portainer
|
||||
171 # claude-agent
|
||||
109 # oracle-dr-windows
|
||||
301 # docker-portainer-template
|
||||
108 # central-oracle — ULTIMUL
|
||||
)
|
||||
|
||||
ORACLE_CT=108
|
||||
ORACLE_DOCKER=oracle-xe
|
||||
|
||||
GUEST_TIMEOUT=300 # secunde așteptate pentru shutdown-ul unui guest
|
||||
NODE_TIMEOUT=600 # secunde așteptate până un nod nu mai răspunde la ping
|
||||
CRON_BACKUP=/root/crontab.backup-mentenanta.txt
|
||||
|
||||
# Cron-uri de dezactivat cât timp clusterul e jos (altfel mail storm, iar
|
||||
# vm109-watchdog.sh chiar pornește VM 109).
|
||||
CRON_PATTERN='oom-alert|pvemini-down-alert|pveelite-down-alert|vm109-watchdog'
|
||||
|
||||
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
|
||||
STATE_FILE="${CLUSTER_STATE_FILE:-$SCRIPT_DIR/.cluster-state.txt}"
|
||||
|
||||
ASSUME_YES=0
|
||||
DRY_RUN=0
|
||||
SKIP_NODES=0
|
||||
|
||||
# ------------------------------------------------------------------- utilitare
|
||||
|
||||
c_red=$'\033[31m'; c_grn=$'\033[32m'; c_yel=$'\033[33m'; c_dim=$'\033[2m'; c_off=$'\033[0m'
|
||||
|
||||
log() { printf '%s[%s]%s %s\n' "$c_dim" "$(date +%H:%M:%S)" "$c_off" "$*"; }
|
||||
ok() { printf '%s ✓%s %s\n' "$c_grn" "$c_off" "$*"; }
|
||||
warn() { printf '%s !%s %s\n' "$c_yel" "$c_off" "$*"; }
|
||||
die() { printf '%s ✗ %s%s\n' "$c_red" "$*" "$c_off" >&2; exit 1; }
|
||||
step() { printf '\n%s══ %s%s\n' "$c_grn" "$*" "$c_off"; }
|
||||
|
||||
# ping portabil: Git Bash pe Windows folosește -n/-w, Linux folosește -c/-W
|
||||
ping_host() {
|
||||
if [[ "${OSTYPE:-}" == msys* || "${OSTYPE:-}" == cygwin* || "${OS:-}" == Windows_NT ]]; then
|
||||
ping -n 1 -w 2000 "$1" >/dev/null 2>&1
|
||||
else
|
||||
ping -c 1 -W 2 "$1" >/dev/null 2>&1
|
||||
fi
|
||||
}
|
||||
|
||||
nssh() {
|
||||
local node=$1; shift
|
||||
ssh -o BatchMode=yes -o ConnectTimeout=8 -o StrictHostKeyChecking=accept-new \
|
||||
"root@${NODE_IP[$node]}" "$@"
|
||||
}
|
||||
|
||||
run() { # execută pe nod, sau doar afișează dacă --dry-run
|
||||
local node=$1; shift
|
||||
if (( DRY_RUN )); then
|
||||
printf '%s [dry-run] %s: %s%s\n' "$c_dim" "$node" "$*" "$c_off"
|
||||
return 0
|
||||
fi
|
||||
nssh "$node" "$@"
|
||||
}
|
||||
|
||||
confirm() {
|
||||
(( ASSUME_YES || DRY_RUN )) && return 0
|
||||
local reply
|
||||
printf '\n%s%s%s\n' "$c_yel" "$1" "$c_off"
|
||||
read -r -p "Scrie DA ca să continui: " reply
|
||||
[[ "$reply" == "DA" ]] || die "Anulat de utilizator."
|
||||
}
|
||||
|
||||
# ------------------------------------------------------------- argumente
|
||||
|
||||
while (( $# )); do
|
||||
case "$1" in
|
||||
--yes|-y) ASSUME_YES=1 ;;
|
||||
--dry-run) DRY_RUN=1 ;;
|
||||
--no-nodes) SKIP_NODES=1 ;;
|
||||
-h|--help) sed -n '2,20p' "$0" | sed 's/^# \{0,1\}//'; exit 0 ;;
|
||||
*) die "Argument necunoscut: $1" ;;
|
||||
esac
|
||||
shift
|
||||
done
|
||||
|
||||
# --------------------------------------------------------- garda de rulare
|
||||
|
||||
# Scriptul NU trebuie rulat de pe un nod Proxmox (s-ar opri singur la mijloc) și
|
||||
# nici din CT 171 claude-agent (e în lista de oprit — s-ar sinucide).
|
||||
if command -v pvecm >/dev/null 2>&1; then
|
||||
die "Rulezi pe un nod Proxmox. Scriptul trebuie rulat de pe stația de admin."
|
||||
fi
|
||||
if [[ -r /proc/1/environ ]] && grep -qa 'container=lxc' /proc/1/environ 2>/dev/null; then
|
||||
if [[ "$(hostname)" == *claude-agent* ]]; then
|
||||
die "Rulezi din CT 171 (claude-agent), care e în lista de oprit. Mută-te pe stația de admin."
|
||||
fi
|
||||
warn "Rulezi dintr-un container LXC. Asigură-te că nu e unul găzduit pe acest cluster."
|
||||
fi
|
||||
|
||||
# ------------------------------------------------------ pas 1: preflight
|
||||
|
||||
step "Preflight"
|
||||
|
||||
for node in "${!NODE_IP[@]}"; do
|
||||
ping_host "${NODE_IP[$node]}" || die "$node (${NODE_IP[$node]}) nu răspunde la ping."
|
||||
nssh "$node" true 2>/dev/null || die "$node nu acceptă SSH cu cheie."
|
||||
ok "$node (${NODE_IP[$node]}) — reachable"
|
||||
done
|
||||
|
||||
MASTER=$(nssh pvemini "ha-manager status | awk '/^master/ {print \$2}'")
|
||||
[[ -n "$MASTER" ]] || die "Nu pot citi HA master. Cluster instabil?"
|
||||
nssh pvemini "pvecm status | grep -q 'Quorate: *Yes'" || die "Clusterul NU are quorum. Oprește-te și investighează."
|
||||
ok "quorum OK, HA master: $MASTER"
|
||||
|
||||
RUNNING_TASKS=0
|
||||
for node in "${!NODE_IP[@]}"; do
|
||||
n=$(nssh "$node" "pvesh get /nodes/$node/tasks --limit 20 --output-format json 2>/dev/null | grep -o '\"status\":\"running\"' | wc -l" || echo 0)
|
||||
RUNNING_TASKS=$(( RUNNING_TASKS + n ))
|
||||
done
|
||||
if (( RUNNING_TASKS > 0 )); then
|
||||
warn "$RUNNING_TASKS task-uri în execuție pe cluster (backup? migrare?)."
|
||||
confirm "Sunt task-uri active. Continui oricum?"
|
||||
else
|
||||
ok "niciun task în execuție"
|
||||
fi
|
||||
|
||||
# ------------------------------------------- pas 2: inventar + salvare stare
|
||||
|
||||
step "Inventar guest-uri"
|
||||
|
||||
HA_SIDS=$(nssh pvemini "ha-manager config | grep -E '^(ct|vm):' | tr -d ' '" || true)
|
||||
is_ha() { grep -qx "$1" <<<"$HA_SIDS"; }
|
||||
|
||||
# Format linie: <type> <node> <vmid> <status> <ha|noha>
|
||||
INVENTORY=""
|
||||
for node in "${!NODE_IP[@]}"; do
|
||||
while read -r id status; do
|
||||
[[ -n "$id" ]] || continue
|
||||
local_ha=noha; is_ha "ct:$id" && local_ha=ha
|
||||
INVENTORY+="ct $node $id $status $local_ha"$'\n'
|
||||
done < <(nssh "$node" "pct list | awk 'NR>1 {print \$1, \$2}'")
|
||||
|
||||
while read -r id status; do
|
||||
[[ -n "$id" ]] || continue
|
||||
local_ha=noha; is_ha "vm:$id" && local_ha=ha
|
||||
INVENTORY+="vm $node $id $status $local_ha"$'\n'
|
||||
done < <(nssh "$node" "qm list | awk 'NR>1 {print \$1, \$3}'")
|
||||
done
|
||||
|
||||
RUNNING=$(grep ' running ' <<<"$INVENTORY" || true)
|
||||
RUNNING_COUNT=$(grep -c . <<<"${RUNNING:-}" || true)
|
||||
|
||||
if [[ -z "$RUNNING" ]]; then
|
||||
warn "Niciun guest pornit. Trec direct la oprirea nodurilor."
|
||||
else
|
||||
printf '%s\n' "$RUNNING" | while read -r type node id status ha; do
|
||||
printf ' %-3s %-9s %-4s %s\n' "$type" "$node" "$id" "$ha"
|
||||
done
|
||||
ok "$RUNNING_COUNT guest-uri pornite"
|
||||
fi
|
||||
|
||||
# Salvează starea LOCAL — cluster-startup.sh pornește exact ce era pornit,
|
||||
# ca să nu repornească VM-uri oprite intenționat (302, 310, 301...).
|
||||
if (( ! DRY_RUN )); then
|
||||
{ echo "# stare cluster salvată la $(date '+%Y-%m-%d %H:%M:%S')"
|
||||
printf '%s\n' "${RUNNING:-}"; } > "$STATE_FILE"
|
||||
ok "stare salvată în $STATE_FILE"
|
||||
fi
|
||||
|
||||
confirm "Se opresc $RUNNING_COUNT guest-uri, apoi nodurile: ${NODE_SHUTDOWN_ORDER[*]}."
|
||||
|
||||
# -------------------------------------------- pas 3: shutdown_policy=freeze
|
||||
|
||||
step "Shutdown policy → freeze"
|
||||
|
||||
CURRENT_POLICY=$(nssh pvemini "cat /etc/pve/datacenter.cfg 2>/dev/null | grep -oP 'shutdown_policy=\K\w+'" || true)
|
||||
if [[ "$CURRENT_POLICY" == "freeze" ]]; then
|
||||
ok "deja pe freeze"
|
||||
else
|
||||
if nssh pvemini "test -f /etc/pve/datacenter.cfg"; then
|
||||
run pvemini "cp /etc/pve/datacenter.cfg /root/datacenter.cfg.backup-mentenanta"
|
||||
run pvemini "sed -i '/^ha:/d' /etc/pve/datacenter.cfg; printf 'ha: shutdown_policy=freeze\n' >> /etc/pve/datacenter.cfg"
|
||||
else
|
||||
run pvemini "printf 'ha: shutdown_policy=freeze\n' > /etc/pve/datacenter.cfg"
|
||||
fi
|
||||
ok "setat freeze (era: ${CURRENT_POLICY:-nesetat})"
|
||||
fi
|
||||
|
||||
# ---------------------------------------- pas 4: dezactivare cron-uri alertă
|
||||
|
||||
step "Dezactivare cron-uri de alertă"
|
||||
|
||||
for node in "${!NODE_IP[@]}"; do
|
||||
run "$node" "crontab -l > $CRON_BACKUP 2>/dev/null || true"
|
||||
run "$node" "crontab -l | sed -E '/^[^#]/ s%^(.*($CRON_PATTERN)\.sh.*)\$%#MENTENANTA \1%' | crontab -"
|
||||
if (( ! DRY_RUN )); then
|
||||
n=$(nssh "$node" "crontab -l | grep -c '^#MENTENANTA' || true")
|
||||
ok "$node — $n linii dezactivate, backup în $CRON_BACKUP"
|
||||
fi
|
||||
done
|
||||
|
||||
warn "Monitorizarea e acum OPRITĂ pe tot clusterul. cluster-startup.sh o restaurează."
|
||||
|
||||
# --------------------------------------------- pas 5: shutdown curat Oracle
|
||||
|
||||
step "Oracle — shutdown immediate"
|
||||
|
||||
ORACLE_NODE=$(awk -v id="$ORACLE_CT" '$1=="ct" && $3==id && $4=="running" {print $2}' <<<"$INVENTORY")
|
||||
if [[ -z "$ORACLE_NODE" ]]; then
|
||||
warn "CT $ORACLE_CT nu rulează — sar peste shutdown-ul bazei."
|
||||
else
|
||||
log "CT $ORACLE_CT pe $ORACLE_NODE — opresc instanța..."
|
||||
if (( DRY_RUN )); then
|
||||
printf '%s [dry-run] shutdown immediate în %s%s\n' "$c_dim" "$ORACLE_DOCKER" "$c_off"
|
||||
else
|
||||
nssh "$ORACLE_NODE" "pct exec $ORACLE_CT -- docker exec $ORACLE_DOCKER bash -c \"printf 'shutdown immediate\nexit\n' | sqlplus -s / as sysdba\"" \
|
||||
|| warn "Shutdown-ul bazei a raportat eroare. Verifică manual înainte de a continua!"
|
||||
ok "instanța Oracle oprită"
|
||||
fi
|
||||
fi
|
||||
|
||||
# ------------------------------------------------ pas 6: oprire guest-uri
|
||||
|
||||
step "Oprire guest-uri"
|
||||
|
||||
guest_status() {
|
||||
local node=$1 type=$2 id=$3
|
||||
if [[ "$type" == ct ]]; then
|
||||
nssh "$node" "pct status $id 2>/dev/null | awk '{print \$2}'" || echo unknown
|
||||
else
|
||||
nssh "$node" "qm status $id 2>/dev/null | awk '{print \$2}'" || echo unknown
|
||||
fi
|
||||
}
|
||||
|
||||
stop_guest() {
|
||||
local type=$1 node=$2 id=$3 ha=$4
|
||||
local sid="$type:$id" cmd
|
||||
[[ "$type" == ct ]] && cmd=pct || cmd=qm
|
||||
|
||||
if [[ "$ha" == ha ]]; then
|
||||
# Pentru resursele HA se folosește ha-manager, NU pct/qm shutdown: din CLI
|
||||
# acestea nu actualizează state-ul HA, iar CRM-ul ar reporni guest-ul.
|
||||
run "$node" "ha-manager set $sid --state stopped"
|
||||
else
|
||||
run "$node" "$cmd shutdown $id --timeout $GUEST_TIMEOUT" || true
|
||||
fi
|
||||
|
||||
(( DRY_RUN )) && return 0
|
||||
|
||||
local waited=0
|
||||
while (( waited < GUEST_TIMEOUT )); do
|
||||
[[ "$(guest_status "$node" "$type" "$id")" == "stopped" ]] && { ok "$sid oprit (${waited}s)"; return 0; }
|
||||
sleep 5; waited=$(( waited + 5 ))
|
||||
done
|
||||
|
||||
warn "$sid nu s-a oprit în ${GUEST_TIMEOUT}s — forțez stop"
|
||||
nssh "$node" "$cmd stop $id" || true
|
||||
sleep 5
|
||||
[[ "$(guest_status "$node" "$type" "$id")" == "stopped" ]] \
|
||||
|| die "$sid REFUZĂ să se oprească. Rezolvă manual înainte de a opri nodurile."
|
||||
ok "$sid oprit forțat"
|
||||
}
|
||||
|
||||
# întâi în ordinea definită...
|
||||
for id in "${GUEST_SHUTDOWN_ORDER[@]}"; do
|
||||
line=$(awk -v id="$id" '$3==id && $4=="running"' <<<"$INVENTORY") || true
|
||||
[[ -n "$line" ]] || continue
|
||||
read -r type node vmid status ha <<<"$line"
|
||||
log "opresc $type:$vmid pe $node ($ha)"
|
||||
stop_guest "$type" "$node" "$vmid" "$ha"
|
||||
done
|
||||
|
||||
# ...apoi orice a mai rămas pornit și nu era în listă
|
||||
while read -r type node id status ha; do
|
||||
[[ -n "${id:-}" ]] || continue
|
||||
printf '%s\n' "${GUEST_SHUTDOWN_ORDER[@]}" | grep -qx "$id" && continue
|
||||
warn "guest neplanificat încă pornit: $type:$id pe $node — îl opresc"
|
||||
stop_guest "$type" "$node" "$id" "$ha"
|
||||
done <<<"${RUNNING:-}"
|
||||
|
||||
# ------------------------------------------- pas 7: verificare obligatorie
|
||||
|
||||
step "Verificare înainte de oprirea nodurilor"
|
||||
|
||||
if (( DRY_RUN )); then
|
||||
warn "dry-run — sar peste verificare"
|
||||
else
|
||||
BAD=$(nssh pvemini "ha-manager status | grep -E 'started|migrate|relocate|fence'" || true)
|
||||
[[ -z "$BAD" ]] || { printf '%s\n' "$BAD"; die "Există servicii HA încă active. NU opri nodurile."; }
|
||||
ok "toate serviciile HA sunt în state stopped"
|
||||
|
||||
STILL=0
|
||||
for node in "${!NODE_IP[@]}"; do
|
||||
n=$(nssh "$node" "{ pct list; qm list; } | grep -c running || true")
|
||||
(( STILL += n ))
|
||||
done
|
||||
(( STILL == 0 )) || die "$STILL guest-uri încă pornite. NU opri nodurile."
|
||||
ok "0 guest-uri pornite pe cluster"
|
||||
ok "watchdog-ul nu mai e armat — pierderea quorumului e inofensivă"
|
||||
fi
|
||||
|
||||
if (( SKIP_NODES )); then
|
||||
step "--no-nodes: nodurile rămân pornite. Gata."
|
||||
exit 0
|
||||
fi
|
||||
|
||||
confirm "Se opresc nodurile în ordinea: ${NODE_SHUTDOWN_ORDER[*]} (pvemini ultimul)."
|
||||
|
||||
# ------------------------------------------------- pas 8: oprire noduri
|
||||
|
||||
step "Oprire noduri"
|
||||
|
||||
for node in "${NODE_SHUTDOWN_ORDER[@]}"; do
|
||||
log "opresc $node (${NODE_IP[$node]})..."
|
||||
run "$node" "systemctl poweroff --no-block" || true
|
||||
(( DRY_RUN )) && continue
|
||||
|
||||
waited=0
|
||||
while (( waited < NODE_TIMEOUT )); do
|
||||
ping_host "${NODE_IP[$node]}" || { ok "$node OPRIT (${waited}s)"; break; }
|
||||
sleep 10; waited=$(( waited + 10 ))
|
||||
done
|
||||
if (( waited >= NODE_TIMEOUT )); then
|
||||
warn "$node încă răspunde la ping după ${NODE_TIMEOUT}s."
|
||||
warn "Verifică manual — sshd poate fi deja jos deși rețeaua e sus."
|
||||
fi
|
||||
done
|
||||
|
||||
step "Cluster oprit"
|
||||
cat <<EOF
|
||||
|
||||
Stare salvată: $STATE_FILE
|
||||
Backup crontab: $CRON_BACKUP (pe fiecare nod)
|
||||
Shutdown policy: freeze
|
||||
|
||||
La revenirea curentului: ./cluster-startup.sh
|
||||
|
||||
EOF
|
||||
Reference in New Issue
Block a user