ROMFASTSQL/proxmox/cluster/scripts/cluster-startup.sh

#!/usr/bin/env bash
#
# cluster-startup.sh — repornirea clusterului Proxmox `romfast` după o oprire
# planificată făcută cu cluster-shutdown.sh.
#
# Așteaptă nodurile, așteaptă quorumul, pornește guest-urile în ordinea corectă
# de dependențe (Oracle primul), restaurează cron-urile de monitorizare.
#
# Pornește DOAR guest-urile care rulau înainte de oprire, citite din fișierul de
# stare scris de cluster-shutdown.sh. Fără fișier de stare, folosește lista
# implicită de mai jos.
#
# RULEAZĂ DE PE STAȚIA DE ADMIN, nu de pe un nod.
#
# NODURILE TREBUIE PORNITE FIZIC ÎNTÂI (sau prin WoL). Scriptul le așteaptă.
# Pornește-le pe TOATE TREI aproximativ simultan: un singur nod pornit nu are
# quorum, /etc/pve rămâne read-only și nu se poate porni niciun guest.
#
# Utilizare:
#   ./cluster-startup.sh              # interactiv
#   ./cluster-startup.sh --yes        # fără confirmări
#   ./cluster-startup.sh --dry-run    # arată ce ar face
#   ./cluster-startup.sh --all        # ignoră fișierul de stare, pornește lista implicită
#
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 PORNIRE a guest-urilor: baza de date întâi, consumatorii după.
# Inversul ordinii de oprire din cluster-shutdown.sh.
GUEST_START_ORDER=(
    108   # central-oracle       — PRIMUL, restul depind de el
    201   # roacentral           — IIS reverse proxy, consumator Oracle
    104   # flowise              — consumator Oracle
    100   # portainer
    102   # docker.romfast.ro
    103   # dokploy
    106   # gitea
    171   # claude-agent
    101   # minecraft
    110   # moltbot
    303   # Win11-Adina
    302   # oracle-test-302
    109   # oracle-dr-windows    — DR, în mod normal rămâne oprit
    301   # docker-portainer-template
    310   # Win11-Template
)

# Guest-uri care NU se pornesc automat când LIPSEȘTE fișierul de stare.
# Dacă fișierul de stare există, el decide — dacă erau pornite, se repornesc.
#   109 — VM DR. Pornirea lui nedorită a declanșat bucla OOM din incidentul
#         2026-04-20; în mod normal stă oprit și e pornit doar de testul DR.
#   301, 310 — template-uri, nu servicii.
NEVER_AUTOSTART=(109 301 310)

ORACLE_CT=108
ORACLE_DOCKER=oracle-xe
ORACLE_WAIT=600          # secunde așteptate până baza răspunde la interogări

NODE_WAIT=1800           # secunde așteptate până apar toate nodurile
QUORUM_WAIT=300
GUEST_WAIT=300
CRON_BACKUP=/root/crontab.backup-mentenanta.txt

SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
STATE_FILE="${CLUSTER_STATE_FILE:-$SCRIPT_DIR/.cluster-state.txt}"

ASSUME_YES=0
DRY_RUN=0
USE_ALL=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_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() {
    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."
}

while (( $# )); do
    case "$1" in
        --yes|-y)  ASSUME_YES=1 ;;
        --dry-run) DRY_RUN=1 ;;
        --all)     USE_ALL=1 ;;
        -h|--help) sed -n '2,22p' "$0" | sed 's/^# \{0,1\}//'; exit 0 ;;
        *)         die "Argument necunoscut: $1" ;;
    esac
    shift
done

if command -v pvecm >/dev/null 2>&1; then
    die "Rulezi pe un nod Proxmox. Scriptul trebuie rulat de pe stația de admin."
fi

# ------------------------------------------------- pas 1: așteaptă nodurile

step "Aștept nodurile"

warn "Nodurile trebuie pornite FIZIC. Pornește-le pe toate trei aproximativ simultan."

waited=0
while (( waited < NODE_WAIT )); do
    missing=()
    for node in "${!NODE_IP[@]}"; do
        ping_host "${NODE_IP[$node]}" || missing+=("$node")
    done
    (( ${#missing[@]} == 0 )) && break
    printf '\r%s  aștept: %s (%ds)          %s' "$c_dim" "${missing[*]}" "$waited" "$c_off"
    sleep 10; waited=$(( waited + 10 ))
done
printf '\r%*s\r' 70 ''
(( waited < NODE_WAIT )) || die "Nodurile ${missing[*]} nu au apărut în ${NODE_WAIT}s."

for node in "${!NODE_IP[@]}"; do
    w=0
    until nssh "$node" true 2>/dev/null; do
        (( w += 10 )); (( w > 300 )) && die "$node răspunde la ping dar nu la SSH."
        sleep 10
    done
    ok "$node — up, SSH OK ($(nssh "$node" 'uptime -p'))"
done

# --------------------------------------------------- pas 2: așteaptă quorum

step "Aștept quorumul"

waited=0
until nssh pvemini "pvecm status 2>/dev/null | grep -q 'Quorate: *Yes'"; do
    (( waited >= QUORUM_WAIT )) && die "Clusterul nu a atins quorumul în ${QUORUM_WAIT}s."
    printf '\r%s  aștept quorum (%ds)...%s' "$c_dim" "$waited" "$c_off"
    sleep 10; waited=$(( waited + 10 ))
done
printf '\r%*s\r' 40 ''

VOTES=$(nssh pvemini "pvecm status | awk '/Total votes/ {print \$3}'")
[[ "$VOTES" == "3" ]] || warn "Quorum atins, dar doar $VOTES/3 voturi. Un nod lipsește din cluster."
ok "quorum OK, $VOTES/3 voturi"

nssh pvemini "ha-manager status | head -4"

# ------------------------------------------------- pas 3: ce trebuie pornit

step "Ce se pornește"

TO_START=""
if (( ! USE_ALL )) && [[ -f "$STATE_FILE" ]]; then
    TO_START=$(grep -v '^#' "$STATE_FILE" | grep -v '^[[:space:]]*$' || true)
    ok "citit din $STATE_FILE ($(grep -c . <<<"$TO_START") guest-uri)"
else
    (( USE_ALL )) || warn "Nu există $STATE_FILE — folosesc lista implicită."
    HA_SIDS=$(nssh pvemini "ha-manager config | grep -E '^(ct|vm):' | tr -d ' '" || true)
    for node in "${!NODE_IP[@]}"; do
        while read -r id _; do
            [[ -n "$id" ]] || continue
            h=noha; grep -qx "ct:$id" <<<"$HA_SIDS" && h=ha
            TO_START+="ct $node $id stopped $h"$'\n'
        done < <(nssh "$node" "pct list | awk 'NR>1 {print \$1, \$2}'")
        while read -r id _; do
            [[ -n "$id" ]] || continue
            h=noha; grep -qx "vm:$id" <<<"$HA_SIDS" && h=ha
            TO_START+="vm $node $id stopped $h"$'\n'
        done < <(nssh "$node" "qm list | awk 'NR>1 {print \$1, \$3}'")
    done
    # Fără fișier de stare pornim doar ce e explicit în lista de ordine ȘI nu e
    # în NEVER_AUTOSTART. Altfel am porni DR-ul și template-urile, care erau
    # oprite intenționat.
    FILTERED=""
    for id in "${GUEST_START_ORDER[@]}"; do
        if printf '%s\n' "${NEVER_AUTOSTART[@]}" | grep -qx "$id"; then
            warn "$id sărit (NEVER_AUTOSTART) — pornește-l manual dacă chiar îl vrei"
            continue
        fi
        line=$(awk -v id="$id" '$3==id' <<<"$TO_START") || true
        [[ -n "$line" ]] && FILTERED+="$line"$'\n'
    done
    TO_START="$FILTERED"
fi

[[ -n "$TO_START" ]] || die "Nimic de pornit."

while read -r type node id status ha; do
    [[ -n "${id:-}" ]] && printf '    %-3s %-9s %-4s  %s\n' "$type" "$node" "$id" "$ha"
done <<<"$TO_START"

confirm "Se pornesc guest-urile de mai sus, în ordinea: ${GUEST_START_ORDER[*]}"

# ------------------------------------------------- pas 4: pornire guest-uri

step "Pornire 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
}

start_guest() {
    local type=$1 node=$2 id=$3 ha=$4
    local sid="$type:$id" cmd
    [[ "$type" == ct ]] && cmd=pct || cmd=qm

    if [[ "$(guest_status "$node" "$type" "$id")" == "running" ]]; then
        ok "$sid deja pornit"; return 0
    fi

    if [[ "$ha" == ha ]]; then
        # Pentru resursele HA, `--state started` repune resursa sub controlul CRM.
        run "$node" "ha-manager set $sid --state started"
    else
        run "$node" "$cmd start $id"
    fi

    (( DRY_RUN )) && return 0

    local waited=0
    while (( waited < GUEST_WAIT )); do
        [[ "$(guest_status "$node" "$type" "$id")" == "running" ]] && { ok "$sid pornit (${waited}s)"; return 0; }
        sleep 5; waited=$(( waited + 5 ))
    done
    warn "$sid nu a pornit în ${GUEST_WAIT}s — verifică manual"
    return 1
}

wait_oracle() {
    local node=$1
    log "aștept ca instanța Oracle să accepte interogări..."
    (( DRY_RUN )) && return 0
    local waited=0
    while (( waited < ORACLE_WAIT )); do
        if nssh "$node" "pct exec $ORACLE_CT -- docker exec $ORACLE_DOCKER bash -c \"printf 'set pagesize 0 feedback off\nselect global_name from global_name;\nexit\n' | sqlplus -s / as sysdba\" 2>/dev/null | grep -q '[A-Z]'"; then
            ok "Oracle deschis și interogabil (${waited}s)"
            return 0
        fi
        printf '\r%s  Oracle încă nu răspunde (%ds)...%s' "$c_dim" "$waited" "$c_off"
        sleep 15; waited=$(( waited + 15 ))
    done
    printf '\r%*s\r' 50 ''
    warn "Oracle nu a răspuns în ${ORACLE_WAIT}s. Continui, dar VERIFICĂ MANUAL."
    warn "  ssh root@${NODE_IP[$node]} \"pct exec $ORACLE_CT -- docker logs --tail 50 $ORACLE_DOCKER\""
    return 1
}

FAILED=()
for id in "${GUEST_START_ORDER[@]}"; do
    line=$(awk -v id="$id" '$3==id' <<<"$TO_START") || true
    [[ -n "$line" ]] || continue
    read -r type node vmid status ha <<<"$line"

    log "pornesc $type:$vmid pe $node ($ha)"
    start_guest "$type" "$node" "$vmid" "$ha" || FAILED+=("$type:$vmid")

    # Oracle e blocant: nimic care depinde de el nu pornește până nu e deschis.
    if [[ "$vmid" == "$ORACLE_CT" ]]; then
        wait_oracle "$node" || true
    fi
done

# orice a mai rămas în lista de pornit și nu era în ordinea definită
while read -r type node id status ha; do
    [[ -n "${id:-}" ]] || continue
    printf '%s\n' "${GUEST_START_ORDER[@]}" | grep -qx "$id" && continue
    warn "guest neplanificat: $type:$id pe $node — îl pornesc"
    start_guest "$type" "$node" "$id" "$ha" || FAILED+=("$type:$id")
done <<<"$TO_START"

# ------------------------------------------------ pas 5: restaurare cron-uri

step "Restaurare cron-uri de monitorizare"

for node in "${!NODE_IP[@]}"; do
    if ! nssh "$node" "test -f $CRON_BACKUP"; then
        warn "$node — nu există $CRON_BACKUP, sar peste"
        continue
    fi
    run "$node" "crontab $CRON_BACKUP"
    if (( ! DRY_RUN )); then
        left=$(nssh "$node" "crontab -l | grep -c '^#MENTENANTA' || true")
        if [[ "$left" == "0" ]]; then
            ok "$node — cron-uri restaurate"
        else
            warn "$node — au rămas $left linii #MENTENANTA, verifică manual"
        fi
    fi
done

# ------------------------------------------------------- pas 6: verificare

step "Verificare finală"

if (( DRY_RUN )); then
    warn "dry-run — sar peste verificare"
else
    nssh pvemini "ha-manager status"
    echo
    nssh pvemini "pvesr status"
    echo

    BADREP=$(nssh pvemini "pvesr status | awk 'NR>1 && \$NF!=\"OK\" {print}'" || true)
    [[ -z "$BADREP" ]] && ok "replicare: toate job-urile OK" \
        || { warn "job-uri de replicare cu probleme:"; printf '%s\n' "$BADREP"; }
fi

step "Cluster pornit"

if (( ${#FAILED[@]} )); then
    warn "Guest-uri care NU au pornit: ${FAILED[*]}"
    warn "Verifică-le manual înainte de a considera repornirea terminată."
else
    ok "toate guest-urile au pornit"
fi

cat <<EOF

  De verificat manual:
    - shutdown_policy e încă 'freeze' (recomandat să rămână așa)
    - dacă lipsesc date recente, compară cu ultima replicare din pvesr status

EOF