feat(failover): add VM 201 manual failover + recovery scripts, watchdog alert

VM 201 (Windows critical) stays out of HA by design. Added:
- failover-vm201.sh: interactive failover pvemini -> pveelite with ZFS replication state
- recover-vm201-to-pvemini.sh: interactive reverse migration with uptime + split-brain checks
- pvemini-down-alert.sh: cron watchdog on pveelite, emails full runbook after 2min DOWN

Replication RPO tightened: CT 108 + VM 201 to 5min, CT 171 to 15min.
CT 171 added to HA (ha-group-main) for continuous Claude Code access.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

proxmox/cluster/failover/README.md

@@ -0,0 +1,105 @@
+# Failover & High Availability
+
+Strategia HA pe cluster, separată pe nivele de criticitate.
+
+## Rezumat resurse critice
+
+| Resursă | Criticitate | HA automat | Replicare | RPO |
+|---------|-------------|------------|-----------|-----|
+| CT 108 Oracle central | Nivel 0 | Da | pveelite `*/5` min, pve1 `*/5` min | 5 min |
+| VM 201 Windows roacentral | Nivel 0 | **NU** (failover manual) | pveelite `*/5` min, pve1 `*/5` min | 5 min |
+| CT 171 claude-agent | Nivel 1 | Da | pveelite `*/15` min, pve1 `*/15` min | 15 min |
+| CT 104 flowise | Nivel 2 | Da | zilnic 21:15 | 24h |
+| CT 106 gitea | Nivel 2 | Da | `*/2` ore | 2h |
+| CT 100 portainer | Nivel 2 | Da | zilnic | 24h |
+
+## VM 201 — failover manual
+
+VM 201 (Windows production) **nu este în HA deliberat**. Incident anterior: când pvemini a fost scos temporar din HA pentru mentenanță, VM 201 a migrat automat — comportament nedorit pentru Windows production care cere fereastră de mentenanță controlată.
+
+### Declanșator alertă
+
+Cron pe pveelite verifică pvemini la fiecare minut:
+- Script: `/opt/scripts/pvemini-down-alert.sh`
+- După 2 minute DOWN consecutive → mail `mmarius28@gmail.com` cu comanda failover ready-to-run
+
+### Execuție failover
+
+Din orice sesiune SSH:
+
+```bash
+ssh root@10.0.20.202 /opt/scripts/failover-vm201.sh
+```
+
+Scriptul:
+1. Verifică pvemini efectiv DOWN (ping + ssh); abort dacă răspunde
+2. Verifică VM 201 nu rulează deja pe pveelite
+3. Afișează ultima replicare ZFS disponibilă local
+4. Cere confirmare interactivă (tastezi `DA`)
+5. `qm start 201` pe pveelite
+6. Trimite mail confirmare cu pași post-failover
+
+Pentru automatizare (fără prompt):
+```bash
+ssh root@10.0.20.202 /opt/scripts/failover-vm201.sh --yes
+```
+
+### După revenire pvemini — script interactiv
+
+**NU porni automat VM 201 pe pvemini.** Date posibil divergente.
+
+```bash
+ssh root@10.0.20.202 /opt/scripts/recover-vm201-to-pvemini.sh
+```
+
+Scriptul verifică:
+- pvemini uptime min. 30 min + erori recente
+- pvemini reachable ssh + VM 201 nu rulează deja acolo (anti split-brain)
+- VM 201 running local pe pveelite
+
+Pași executați automat (cu confirmare):
+1. `qm shutdown 201` pe pveelite
+2. `pvesr create-local-job 201-2 pvemini --source pveelite` + run forțat
+3. `qm migrate 201 pvemini` offline
+4. Cleanup job replicare inversă
+5. `qm start 201` pe pvemini
+
+Non-interactiv: adaugă `--yes`.
+
+## CT 108 Oracle — HA automat
+
+- Group `ha-group-main` (pvemini:100, pveelite:50, pve1:33)
+- `max_restart 3, max_relocate 2`
+- Replicare 5 min → failover automat cu RPO 5 min
+- **Constrângere RAM pveelite 16 GB**: dacă pvemini cade, pveelite trebuie să aibă spațiu pentru CT 108 (8 GB) + CT 101 existent + eventual alte CT-uri HA
+
+## CT 171 claude-agent — HA automat
+
+- Adăugat în HA pentru acces Claude Code continuu
+- Dacă pvemini cade, CT 171 pornește pe pveelite cu ultima replicare (max 15 min în urmă)
+- State = workspace files din `/workspace/` — replicate ZFS
+
+## Fișiere relevante
+
+| Fișier | Locație | Scop |
+|--------|---------|------|
+| `failover-vm201.sh` | `/opt/scripts/` pe pveelite | Failover manual VM 201 pvemini → pveelite |
+| `recover-vm201-to-pvemini.sh` | `/opt/scripts/` pe pveelite | Recovery interactiv VM 201 pveelite → pvemini |
+| `pvemini-down-alert.sh` | `/opt/scripts/` pe pveelite | Watchdog 1 min, mail dacă pvemini DOWN 2 min |
+| `oom-alert.sh` | `/opt/scripts/` pe toate nodurile | Alertă OOM kills |
+
+## Comenzi utile
+
+```bash
+# Stare replicare
+ssh root@10.0.20.201 "pvesr status"
+
+# Stare HA
+ssh root@10.0.20.201 "ha-manager status"
+
+# Forțează replicare acum (util înainte de mentenanță)
+ssh root@10.0.20.201 "pvesr run --id 108-1; pvesr run --id 201-1; pvesr run --id 171-1"
+
+# Test script failover (dry — fără confirmare)
+ssh root@10.0.20.202 "/opt/scripts/failover-vm201.sh" # va abort dacă pvemini răspunde
+```