ROMFASTSQL/docs/ups-server36-monitorizare.md

# Monitorizare UPS pe serverul Oracle de producție (10.0.20.36)

**Server:** `ROA-CARAPETRU2` / 10.0.20.36 — Windows 11 Pro, Oracle 19c SE2, instanța `ROA`.
Acces: `ssh -p 22122 Administrator@10.0.20.36`.

**Pe scurt:** ViewPower nu a putut niciodată dialoga cu acest UPS și a fost dezactivat pe
10 august 2026, lăsând serverul fără nicio alertare timp de 17 zile. UPS-ul, în schimb,
comunică perfect cu Windows pe canalul HID nativ. Monitorizarea nouă folosește exact acel
canal. ViewPower e închis și nu mai pornește.

Se citește împreună cu [`incident-2026-08-10-server36-standby.md`](incident-2026-08-10-server36-standby.md)
— cele două se leagă în seara de 10 august.

---

## 1. Diagnosticul: ce era stricat, de fapt

### UPS-ul comunică — și a comunicat tot timpul

| Verificare | Rezultat (27.08.2026) |
|---|---|
| `USB\VID_0665&PID_5161\HID_UPS` | Status **OK**, enumerat corect |
| `HID\...&MI_01`, driver `HidBatt` | „HID UPS Battery", Status **OK** |
| `Win32_Battery` | `HID UPS`, Status `OK`, BatteryStatus `2` (pe rețea), încărcare **100%** |
| Kernel-Power ID **105** (schimbare sursă) | perechi AC↔baterie reale: 10 iun, 13 mai, 5 mai, 25 feb 2026 |

Perechile de evenimente 105 sunt dovada care închide discuția: la fiecare pană reală Windows
a *văzut* trecerea pe baterie și revenirea. Ultima pană: **10 iunie 2026**. Din 10 august
(dezactivarea ViewPower) până azi nu a mai fost niciuna, deci nu s-a pierdut niciun eveniment
— noroc, nu proiectare.

### ViewPower nu vorbește limba acestui UPS

`C:\ViewPower\log\log4j.log` acoperă **6 aug 15:40:37 → 10 aug 22:34:11** (patru treceri peste
miezul nopții, numărate în fișier). Din 5787 de linii, **5777 sunt `QPI return(NAK`**. Zero
citiri reușite: nicio tensiune, nicio stare de baterie, niciun eveniment electric.

`QPI` este comanda de identificare a protocolului Voltronic. UPS-ul răspunde `(NAK` —
„comandă nesuportată" — deci ViewPower rămâne blocat în bucla de identificare și nu ajunge
niciodată să interogheze starea.

Nu e o problemă de port: `GlobalConfig.portName=USB1F0775B7` din `config\ups.properties`
corespunde exact interfeței `HID\VID_0665&PID_5161&MI_00\8&1F0775B7&0&0000`. ViewPower e
legat de dispozitivul corect; **setul de comenzi e greșit**. UPS-ul vorbește HID Power Device
standard — de aceea îl citește Windows fără niciun driver suplimentar — nu dialectul text pe
care îl trimite ViewPower. Nu există setare care să repare asta.

### Cronologia serii de 10 august

```
22:24:12  upsTomcat pornit          (o ultimă încercare de repornire)
22:24:31  ups.properties rescris
22:34:11  ultimul QPI return(NAK
22:34:44  System 7040: upsMonitor  auto start → disabled
22:34:46  System 7040: upsTomcat   demand start → disabled
```

Cineva a încercat să repare, nu a reușit și a dezactivat serviciile. Din acel moment: **zero
monitorizare**. Tray-ul care se deschidea și dădea `start ups monitor service error!` încerca,
de fapt, să pornească un serviciu pus pe `Disabled` (registry `Start=4`).

### Ce nu exista oricum, chiar și cu ViewPower funcțional

- **Alertare: niciuna.** Logul arată `---------emailReceivers.length()-----0`, iar
  `SmsInfo.mobileNums` e gol. Nimeni nu ar fi aflat de o pană nici dacă softul mergea.
- **Oprire curată a Oracle: niciuna.** `Shutdownconfigure.excuteProgram` e gol — nu rula
  niciun script înainte de shutdown.
- Regula proprie „30 min pe baterie → oprire" (`batModeShutdown=true`,
  `batModeShutdownTime=30`) era inactivă odată cu serviciile.
- Vârsta acumulatorilor neurmărită (`GlobalConfig.batteryLifetime=0`).

### Plasa care exista, totuși

Planul de alimentare Windows, pe canalul HID care funcționează:

| Setare | Valoare |
|---|---|
| Critical battery level | **20 %** |
| Critical battery action | **Shut down** (și pe AC, și pe DC) |
| Low battery level / action | 40 % / *Do nothing* |
| Reserve battery level | 25 % |

Deci serverul s-ar fi oprit singur la 20 %, dar brutal: fără avertisment, fără `shutdown
immediate` pe Oracle, fără ca cineva să afle.

---

## 2. Ce s-a pus în loc

Un singur script PowerShell care citește **`GetSystemPowerStatus`** — exact API-ul pe care îl
folosește Windows pentru propria acțiune de „critical battery". Consecința practică: dacă
oprirea automată a Windows-ului ar funcționa, funcționează și scriptul; nu există un al doilea
canal care să se strice separat.

| Fișier în repo | Rol |
|---|---|
| `scripts/ups-monitor/ups-monitor.ps1` | monitorul propriu-zis (buclă + moduri de test) |
| `scripts/ups-monitor/install-ups-monitor.ps1` | instalare: copiere, `config.json`, ACL, task programat |
| `scripts/ups-monitor/test-battery.ps1` | test: simulează „pe baterie" fără scoaterea din priză |
| `scripts/ups-monitor/test-comms-loss.ps1` | test: dezactivează temporar bateria HID și verifică alerta de comunicație |
| `scripts/ups-monitor/set-praguri.ps1` | schimbă pragurile din `config.json` fără a atinge parola SMTP, și repornește taskul |
| `scripts/ups-monitor/trace-baterie.ps1` | înregistrează curba de descărcare într-un CSV (rulează ca task, sub SYSTEM) |
| `scripts/ups-monitor/start-trace.ps1` | pornește / oprește (`-Stop`) taskul de înregistrare |
| `scripts/ups-monitor/config.example.json` | șablon; **fișierul real nu se comite** (conține parola SMTP) |

Ultimele trei sunt uneltele testului de autonomie — se folosesc împreună, vezi secțiunea 3.

Pe server:

```
C:\ROMFAST\ups-monitor\ups-monitor.ps1
C:\ROMFAST\ups-monitor\config.json      <- parola SMTP; ACL: doar SYSTEM + Administratori
C:\ROMFAST\ups-monitor\state.json       <- starea între cicluri
C:\ROMFAST\ups-monitor\log\ups-monitor-YYYY-MM.log
C:\ROMFAST\_deploy\                     <- punctul de livrare (de aici rulează instalarea)
```

Task programat **`ROMFAST UPS Monitor`**, rulează ca `NT AUTHORITY\SYSTEM` (cont deja membru
`ORA_DBA` pe acest server, deci `sqlplus / as sysdba` merge fără parolă).

### Ce face

| Eveniment | Acțiune |
|---|---|
| Trecere pe baterie | email imediat: **„PANĂ DE CURENT"** |
| Revenirea curentului | email cu durata cât s-a stat pe baterie |
| **UPS-ul nu mai e văzut de Windows** | email de alertă, repetat la 24 h cât ține defectul |
| Comunicația revine | email de confirmare |
| Prag de oprire atins | email, apoi oprire curată |

### Pragurile de oprire

```
10 minute pe baterie   SAU   încărcare ≤ 35 %
                              (Windows rămâne plasa de siguranță, la 20 %)
```

Se declanșează doar după **3 citiri consecutive** care confirmă starea pe baterie — o citire
aberantă nu poate opri serverul. Iar dacă UPS-ul **nu comunică**, scriptul nu ia nicio decizie
de oprire; alertează și atât.

### Secvența de oprire

1. email (pleacă **primul** — în pană de curent poate cădea și switch-ul în orice moment)
2. `Stop-Service OracleOraDB19Home1TNSListener` — nu mai intră conexiuni noi
3. `sqlplus / as sysdba` → `shutdown immediate`, cu timeout 180 s
4. `Stop-Service OracleServiceROA` — plasă de siguranță; serviciul e el însuși configurat
   `ORA_ROA_SHUTDOWNTYPE=immediate`, `ORA_ROA_SHUTDOWN_TIMEOUT=90`, deci și oprirea lui e curată
5. `shutdown /s /f /t 30`

> La revenirea curentului serverul **nu pornește singur** decât dacă e activat
> *Restore on AC power loss* în BIOS. De verificat separat, la prima intervenție fizică.

---

## 3. Operare

```powershell
# starea curentă: UPS, Oracle, task, ultimele linii de log
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\ups-monitor.ps1 -Mode Status

# verifică alertarea pe email
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\ups-monitor.ps1 -Mode TestMail

# parcurge secvența de oprire în gol — nu oprește nimic
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\ups-monitor.ps1 -Mode TestShutdown
```

### Ce s-a validat la punerea în funcțiune (27.08.2026)

| Test | Rezultat |
|---|---|
| Citirea stării | `pe rețea`, 100 %, `Win32_Battery: HID UPS, Status=OK` |
| `-Mode TestMail` | email primit — `mail.romfast.ro:587`, STARTTLS, `ups@romfast.ro` |
| `-Mode TestShutdown` (dry-run) | secvența parcursă integral; Oracle a rămas `Running` |
| Pierderea comunicației (`test-comms-loss.ps1`) | dispozitiv oprit 15:24:44 → alertă **15:26:44** (exact 8 cicluri × 15 s) + email; reactivare → „comunicația a revenit" + email; `Win32_Battery` înapoi la 1 instanță |
| Taskul rulează ca SYSTEM | proces `ups-monitor.ps1 -Mode Run`, `state.json` actualizat la fiecare ciclu |
| **Trecerea reală pe baterie** (scos din priză, 15:47:45 → 15:50:46) | tranziția s-a văzut instantaneu în ambele sensuri; email de pană la 15:47:55, email de revenire la 15:50:56 |

Toate cele patru ramuri de alertare au emis email. Testul cu scoaterea din priză a durat doar
trei minute — prea puțin pentru autonomie, dar suficient cât să valideze semnalul de sursă și
să descopere problema gauge-ului (secțiunea 6, punctul 1).

### Testul „pe baterie", fără scoaterea din priză

Lanțul de protecție are două jumătăți, și se testează separat:

| Jumătatea | Cum se validează |
|---|---|
| UPS → Windows (*chiar raportează trecerea pe baterie?*) | **deja dovedită de istoric**: perechile de evenimente Kernel-Power **105** la panele reale din 10 iun, 13 mai, 5 mai, 25 feb 2026 |
| Windows → script → alertă → oprirea Oracle | `test-battery.ps1`, oricând, fără hardware |

```powershell
# repetiție în gol - sigură oricând, în producție
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\_deploy\test-battery.ps1 -Percent 30 -Minute 3

# doar trecerea pe baterie, fără atingerea pragului de oprire
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\_deploy\test-battery.ps1 -Percent 80 -Minute 3
```

Scriptul scrie `SIMULARE.json` lângă `config.json`; cât există, monitorul folosește valorile
din el în locul citirii reale. Două gărzi, ca un fișier uitat să nu oprească serverul pe date
inventate:

- **`expira` e obligatoriu.** Fără el fișierul e ignorat; la depășire, monitorul îl șterge singur.
- **Oprirea e în gol**, dacă nu se cere explicit `"dryRun": false`.

Cât e activă simularea, fiecare ciclu scrie în log o linie `WARN SIMULARE ACTIVA`, iar
`-Mode Status` o afișează. `test-battery.ps1` șterge fișierul și dacă e întrerupt.

**Repetiție reală**, într-o fereastră de mentenanță — Oracle chiar se oprește și serverul
chiar se închide, dar UPS-ul rămâne în priză:

```powershell
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\_deploy\test-battery.ps1 -ConfirmReal 'DA-OPRESTE-SERVERUL'
```

Asta e singurul mod de a verifica de-adevăratelea cât durează `shutdown immediate` pe baza de
producție — informația de care depinde alegerea pragurilor.

**Rămâne netestabilă prin simulare** doar autonomia reală a UPS-ului: câte minute ține sub
sarcina actuală. Aceea cere scoaterea din priză — procedura e mai jos.

### Testul de autonomie, cu scoaterea din priză

Trei unelte, în ordinea asta. Toate rulează **pe server**, prin `ssh -p 22122`.

```powershell
# 1. lărgește pragurile, ca monitorul să nu oprească serverul în timpul testului
#    (scriptul repornește singur taskul - configurația se citește doar la pornirea buclei)
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\set-praguri.ps1 -Minute 60 -Procent 15

# 2. pornește înregistrarea curbei de descărcare
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\start-trace.ps1 -IntervalSecunde 15

#    --- abia acum se scoate din priză; minimum 15-20 de minute, ca să se vadă panta ---

# 3. după ce s-a băgat înapoi: oprește înregistrarea și restaurează pragurile de producție
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\start-trace.ps1 -Stop
powershell -ExecutionPolicy Bypass -File C:\ROMFAST\ups-monitor\set-praguri.ps1 -Minute 10 -Procent 35
```

Înregistrarea rulează ca **task programat sub SYSTEM**, nu în sesiunea SSH — dacă în pană
cade switch-ul și conexiunea moare, măsurătoarea continuă. Datele rămân în
`C:\ROMFAST\ups-monitor\log\trace-baterie.csv`; scriptul **adaugă** la fișierul existent, deci
CSV-ul unui test anterior se arhivează întâi sub alt nume, altfel se amestecă rulările.

Două lucruri de verificat înainte de a scoate ștecherul: pragul de procent lărgit sub 20 %
înseamnă că **plasa de siguranță rămâne Windows-ul**, nu scriptul; și e util ca gauge-ul să
fie la 100 %, nu abia revenit dintr-un test anterior.

**Dezarmare de urgență** (monitorul rămâne pornit, dar nu mai ia nicio decizie):

```powershell
New-Item -ItemType File 'C:\ROMFAST\ups-monitor\DEZACTIVAT'
```

Ștergerea fișierului îl rearmează, fără repornire. Există și `"enabled": false` în
`config.json`, dar acela cere repornirea taskului.

**Reinstalare / schimbare praguri** (de pe stația de administrare):

```powershell
scp -P 22122 ups-monitor.ps1 install-ups-monitor.ps1 Administrator@10.0.20.36:'C:/ROMFAST/_deploy/'
ssh -p 22122 Administrator@10.0.20.36 "powershell -ExecutionPolicy Bypass -File C:\ROMFAST\_deploy\install-ups-monitor.ps1 -SmtpPassword ... -ShutdownAfterMinutesOnBattery 10 -ShutdownAtBatteryPercent 35"
```

**Emailuri:** de la `ups@romfast.ro` către `marius.mutu@romfast.ro`, prin
`mail.romfast.ro:587` (STARTTLS). Același cont SMTP pe care îl folosesc și cele trei noduri
Proxmox — credențialele sunt în `/etc/postfix/sasl_passwd` pe noduri.

---

## 4. Ce s-a întâmplat cu ViewPower

- procesele `ViewPower.exe`, `upsTray.exe`, `javaw.exe` — **oprite**;
- serviciile `upsMonitor` și `upsTomcat` — rămân **Disabled** (erau deja, din 10 august);
- **nu există autostart** — nici în `Run` (HKLM/HKCU), nici în folderele Startup; procesele
  văzute pe 27 august fuseseră pornite manual;
- instalarea din `C:\ViewPower` a fost **lăsată pe disc**, ca referință pentru loguri și
  configurație.

Efect secundar util: nu mai ascultă nimic pe **15178** și **8005** — un Tomcat 8.5.51 cu
OpenJDK 11.0.7 (2020–2021) nu mai stă pornit degeaba pe un server de producție.

Dezinstalarea completă (`C:\ViewPower\Uninstaller.exe`) e opțională. Înainte de ea merită
salvat `C:\ViewPower\datas` — baza Derby de ~71 MB cu istoricul softului.

---

## 5. Capcane plătite (ca să nu se redescopere)

**Task-urile programate sunt oprite de Windows exact când serverul trece pe baterie.** E
comportamentul implicit. Fără `-AllowStartIfOnBatteries -DontStopIfGoingOnBatteries` la
`New-ScheduledTaskSettingsSet`, monitorul ar fi fost ucis fix în secunda în care avea treabă.
Asta e greșeala care ar fi trecut neobservată până la prima pană reală.

**`$PSScriptRoot` este gol în valoarea implicită a unui parametru.** La legarea parametrilor
încă nu e populat, deci `[string]$ConfigPath = (Join-Path $PSScriptRoot 'config.json')` crapă
cu *„Cannot bind argument to parameter 'Path' because it is an empty string"*. Se rezolvă în
corpul scriptului.

**`[TimeSpan]::MaxValue` pentru `-RepetitionDuration` e respins**, deși e documentat ca „la
nesfârșit": *„The task XML contains a value which is incorrectly formatted or out of range.
Duration: P99999999DT23H59M59S"*. Se omite parametrul — asta chiar înseamnă la nesfârșit.

**PowerShell 5.1 nu acceptă `if`/`try` ca expresie** într-un literal de hashtable
(`@{ x = if (...) {...} }`) sau la atribuire din `try`. Scriptul e scris în consecință; se
verifică înainte de livrare cu:

```powershell
$e=$null; [System.Management.Automation.PSParser]::Tokenize((Get-Content x.ps1 -Raw), [ref]$e); $e
```

**Ghilimelele simple supraviețuiesc prin `ssh` → `powershell -File`.** `-SmtpPassword
'#Ups2020#'` a ajuns în `config.json` ca `'#Ups2020#'`, cu tot cu apostrofuri, iar serverul de
mail a răspuns *„SMTP AUTH is required for message submission on port 587"* — adică nu s-a
autentificat deloc. Pentru orice valoare cu caractere speciale: se trimite un `.ps1` cu `scp`
și se rulează acolo, nu se construiește comanda din ghilimele.

**Fișierul `.ps1` e intenționat fără diacritice.** PowerShell 5.1 citește un `.ps1` fără BOM
ca ANSI; diacriticele din literalii de șir ar ajunge corupte în emailuri. Documentația (`.md`)
nu are constrângerea asta.

---

## 6. Rămâne de făcut

1. **Testul de autonomie reală.** Pragurile de 10 min / 35 % sunt alese conservator, nu
   măsurate. Sunt două necunoscute distincte, iar doar una cere scoaterea din priză:

   - *cât durează oprirea curată* (`shutdown immediate` + închiderea Windows-ului) — se află
     dintr-o **repetiție reală** cu `test-battery.ps1 -ConfirmReal ...`, într-o fereastră de
     mentenanță, cu UPS-ul în priză;
   - *cât ține UPS-ul sub sarcina actuală* — asta chiar cere scoaterea din priză, după
     procedura din secțiunea 3.

   Pragul corect e „autonomia măsurată minus durata opririi, cu marjă". Până când ambele sunt
   măsurate, pragurile rămân o presupunere rezonabilă, nu o garanție.

   **Ce s-a aflat pe 27.08.2026, dintr-o scoatere din priză de trei minute:** autonomia n-a
   fost măsurată — trei minute sunt prea puține, iar singura cifră existentă rămâne estimarea
   proprie a UPS-ului, ~70 de minute, nevalidată. S-a aflat însă altceva, mai important.

   **Gauge-ul de procent al acestui UPS nu e de încredere.** Pe baterie a scăzut lent și
   monoton (100 % → 96 % în trei minute), dar la revenirea curentului a sărit haotic:

   ```
   15:50:26  baterie 96%
   15:50:46  rețea   65%     <- revine curentul
   15:51:06  rețea   75%
   15:51:46  rețea   90%
   ```

   96 → 65 → 90 în 100 de secunde. Nicio baterie nu se încarcă 25 de puncte în 80 de secunde,
   deci nu e încărcare — e recalibrare, sau zgomot în jurul tranziției. (La 12 minute după test
   gauge-ul era tot la 90 %.)

   **Consecința pentru configurația actuală:** pragul de **35 %** se sprijină exact pe numărul
   ăsta nesigur, iar garda de confirmare (`confirmPolls = 3`, adică 45 s) e **mai scurtă decât
   fereastra de zgomot observată (~80–100 s)**. Riscul e în ambele sensuri: o citire aberantă
   sub 35 % ar putea opri inutil baza de producție, iar una optimistă ar putea întârzia
   oprirea.

   Semnalul de **sursă** (`ACLineStatus`) a fost, în schimb, impecabil — tranzițiile s-au văzut
   instantaneu în ambele sensuri. De aici, direcția pentru pragurile definitive:

   - **timpul pe baterie devine criteriul principal**, fiindcă se sprijină pe `ACLineStatus`;
   - procentul rămâne doar plasă secundară, cu valoare mai mică și cu `confirmPolls` crescut
     peste fereastra de zgomot (≥ 8 cicluri = 2 min);
   - de evaluat `BatteryLifeTime` ca al treilea criteriu — în acest test a scăzut lin și
     monoton, spre deosebire de procent. Există deja `shutdownAtRuntimeSeconds` în
     `config.json`, momentan `0` = dezactivat.
2. **Vârsta acumulatorilor.** Necunoscută. Pe cluster există deja criteriul de vârstă în
   testul lunar (`proxmox/cluster/ups/`); aici nu există nimic echivalent.
3. **BIOS: *Restore on AC power loss*.** De verificat la prima intervenție fizică — altfel
   după o pană lungă serverul rămâne oprit până vine cineva să apese butonul.
4. **Legătura cu incidentul din 10 august:** stările de somn (S3) sunt încă disponibile pe
   acest server. O oprire declanșată de UPS ajunge la `shutdown /s`, nu la sleep, deci nu e
   afectată — dar problema de fond rămâne deschisă în documentul incidentului.