# HIVEGRID-198 · Produktion auf 10 VMs trennen und Promote-/DNS-Prozess fertigstellen | Feld | Wert | | ------ | -------------------------------- | | Typ | Infra / Deployment | | Owner | Raffael | | Phase | Production | | Cycle | Backlog, am 2026-07-27 gestartet | | Status | Done | ## Abhängigkeiten & Parallelität - **blocked-by:** Im Plane-Ticket und in den lokalen Ticket-Docs ist kein `blocked-by` hinterlegt. - **blocks:** Im Plane-Ticket und in den lokalen Ticket-Docs ist kein nachgelagertes `blocks`-Ticket hinterlegt. - Die bestehenden Runtime-Verträge aus `R-P1a`, AD-30, VR-MCP und dem Realtime-Modul bleiben unverändert. Der Cutover darf sie nur auf getrennte Hosts verschieben. - Die Produktion bleibt bis zum vollständigen Promote- und Smoke-Proof auf den alten Runtimes erreichbar. Alte Ressourcen werden erst nach dem Beobachtungsfenster bereinigt. ## Was wir bauen Die bestehende HiveGrid-Produktion wird kontrolliert von fünf auf zehn klar getrennte VMs erweitert. Neu hinzu kommen eigene Hosts für Website, Portal, Admin, MCP und Realtime. Alle Hosts werden gehärtet, an Hetzner-Privatnetz, WireGuard-Mesh, Coolify sowie zentrales Logging und Monitoring angebunden. Die vorhandenen Build-once-/Stage-/Promote-Verträge werden vollständig produktionsfähig gemacht. Production erhält exakt die in Staging geprüften SHA-/OCI-Digests; Migrationen laufen einmalig vor der Runtime-Mutation. DNS wechselt Service für Service mit dokumentiertem Rollback. Verbindlicher Realtime-Hostname ist `realtime.hivegrid.de`. Vom User am 2026-07-27 ausdrücklich in den Arbeitsumfang aufgenommen: ein eigenes Lago-Production-Setup mit separatem, versioniertem Object Storage, verschlüsseltem Backup und verifiziertem Restore-Drill. Mollie-Live-Side-Effects bleiben bis zum Abschluss der externen Gates in `EXT-16` ausdrücklich deaktiviert. ## Zielbild 1. Control/Coolify 2. App/Web 3. API 4. Worker und private Seitendienste 5. Datenbank/Stateful 6. Website 7. Portal inklusive Portal-Domain-Controller 8. Admin nur über VPN/WireGuard und Authentik 9. MCP 10. Realtime/Hocuspocus ## Nicht im Scope - Kubernetes - Load Balancer oder horizontale Replikation - Umzug der HiveGrid-Anwendungsdatenbank - automatische Skalierung - Aktivierung von Mollie-Live-Zahlungen vor KYC-, Legal- und Live-Key-Proof - Löschung alter Ressourcen vor Ende des Beobachtungsfensters ## Scope-Übergabe an HIVEGRID-207 Der User hat am 2026-07-28 entschieden, den noch ausstehenden autorisierten Production-E2E-Proof, das daran anschließende 72-Stunden-Beobachtungsfenster und die spätere Bereinigung der alten Rollback-Ressourcen als eigenständigen operativen Nachzug in `HIVEGRID-207` zu backloggen. `HIVEGRID-198` schließt damit den Infrastruktur-, Cutover-, Promote-, DNS-, Backup-/Restore- und Observability-Scope ab. Die ausgelagerten Arbeiten werden unten transparent weitergeführt, zählen aber nicht mehr zur DoD dieses Tickets. Die alten Rollback-Ressourcen bleiben bis zum Sign-off von `HIVEGRID-207` unangetastet. ## Definition of Done - [x] Hetzner-Limit ist mindestens 12. - [x] Fünf neue VMs sind erstellt, gehärtet und im privaten Netz/Coolify eingebunden. - [x] Logging, Monitoring und Healthchecks sind für alle fünf neuen Hosts grün. - [x] Website, Portal, Admin, MCP und Realtime laufen auf den vorgesehenen VMs. - [x] Admin hat eine echte fail-closed Runtime-Surface und ist nur über VPN/WireGuard plus Authentik erreichbar. - [x] Alle internen Verbindungen und DB-Rollen sind privat und nach Least Privilege geprüft. - [x] DNS, TLS und Cloudflare-Konfiguration sind für alle öffentlichen Hosts korrekt. - [x] HiveGrid-Cloud promotet exakt den getesteten SHA/Digest auf alle benötigten Production-Ressourcen. - [x] HiveGrid-Website promotet exakt den getesteten SHA/Digest auf die Website-Production-Ressource. - [x] Cloudflare-Purge nutzt Account/Zone korrekt, läuft nur beim Promote und bestätigt `success=true`. **Fortschritt: 10/10 Infra-DoD = 100 % done.** ### Ausgelagerter operativer Nachzug Diese Punkte sind unverändert verpflichtend, werden aber vollständig in `HIVEGRID-207` getrackt: - [ ] Alle autorisierten Production-End-to-End-Smoke-Tests sind grün. - [ ] Das 72-Stunden-Beobachtungsfenster ist stabil abgeschlossen und alte Rollback-Ressourcen wurden erst danach bereinigt. ## Technische Bausteine - Hetzner Cloud `fsn1`, privates Produktionsnetz und WireGuard-Mesh - Coolify Projekt `HiveGrid`, Environment `production`, eine Resource pro Runtime - Cloudflare SSL `strict`; Public Records erst nach Origin-Zertifikats-Proof proxied; Admin ohne öffentlichen A/AAAA-Record - `realtime.hivegrid.de` als umgebungsneutraler Hocuspocus-Gateway-Hostname - Gitea Package Registry und bestehender Build-once-/Promote-Workflow - einmaliger Migrator vor Runtime-Rollout; keine Runtime-Migrations-Credentials - getrennte Least-Privilege-Rollen für App, Portal, Worker und Admin-JIT - private Lago-API, eigenes PostgreSQL/Redis, eigener S3-Bucket und restic-Backup ## Quellen - Plane `HIVEGRID-198` - `AGENTS.md`, Abschnitt „Estate-Infrastruktur“ - `docs/deployment.md` - `docs/ops/prod-rollout-hivegrid.md` - `docs/ops/lago-production-prep.md` - `docs/ARCHITECTURE-DECISIONS.md`, insbesondere AD-30 - Infra: `README.md`, `STANDARDS.md`, `LESSONS.md` - Infra: `runbooks/hivegrid-production-split-cutover.md` - Infra: `diagrams/hivegrid-production-topology.md` ## Umsetzungs-Notiz ### 2026-07-27 - Hetzner-Limit bestätigt und fünf CX23-Hosts in `fsn1` erstellt. - Alle neuen Hosts gehärtet, privat vernetzt, ins WireGuard-Mesh und in Coolify aufgenommen; Monitoring, Logs und Host-Health sind grün. - Separate Coolify-Ressourcen für Website, Portal, Admin, MCP und Realtime angelegt. DNS-01-Origin-Zertifikate und der private Admin-Split-DNS-Pfad sind vorbereitet; öffentliche Records wurden noch nicht umgeschaltet. - Runtime-Rollen, RLS, PgBouncer-Pfad und Produktions-Allowlist nach Least Privilege geprüft. Die Migrationshistorie wurde über den einmaligen Promote-Migrator auf den aktuellen Stand gebracht; die alte Runtime blieb danach gesund. - Lago Production mit eigener Datenbank, Redis, privater API, deaktiviertem Signup und separatem versioniertem Object Storage provisioniert. Der verschlüsselte Snapshot `73b2c338` wurde vollständig in disposable PostgreSQL/Redis plus API, Frontend, Worker, Billing-Worker und PDF-Service restauriert. Der S3-Schreib-/Lese-/Lösch-Canary war grün. - Mollie-Live ist weiterhin nicht freigegeben. Die Runtime benötigt deshalb den expliziten Schalter `PRODUCT_ACQUISITION_PROVIDER_SIDE_EFFECT_REQUIRED=false`; ungültige Werte und fehlende Provider-Konfiguration im aktivierten Modus schlagen fail-closed fehl. - Tests: Typecheck und Lint grün; Vollsuite nach der Gate-Änderung mit 1.122 Testdateien und 7.821 Tests grün, 10 Dateien beziehungsweise 60 Tests erwartungsgemäß übersprungen. CI-Proof folgt vor Promote. - Lokale Commits: Cloud Runtime-Gate `85fac5bb7`; Infra Backup/Restore und Runbook `936a32a`. ### 2026-07-28 - Die fünf neuen Produktions-VMs tragen den Live-Traffic: Website `188.34.157.34`, Portal `167.233.117.104`, Admin privat auf `10.42.0.14`, MCP `2.28.5.232` und Realtime `2.28.5.14`. Alle elf Cloud-Ressourcen und alle fünf Worker-Gruppen sind gesund. - DNS/TLS-Cutover abgeschlossen: `hivegrid.de`/`www`, `portal` inklusive Domain-Controller, `mcp` und `realtime` laufen über Cloudflare mit SSL `strict`. `admin.hivegrid.de` hat bei öffentlichen Resolvern keinen Record, die öffentliche Admin-IP bietet kein HTTPS. Über den WireGuard-Meshpfad liefert Admin den exakten Release und leitet fail-closed zu `auth.tool-ctrl.de` weiter. - HiveGrid-Cloud PR `#281` wurde normal gemergt. Staging Run `11387` und Production Promote Run `11389` sind für den exakten Merge-SHA `ce08af27b217aa55ccc5daab5ffe66b995ccb3f4` grün. Core, Admin und Portal verwenden denselben Web-Digest `sha256:ca579bc0c39dea6b6b865c095457a5508edf455e59b80394f51942b4a49ece81`. API, MCP, Realtime und Worker melden ebenfalls exakt diesen Commit über ihre eigenen unveränderlichen Digests. - Die Website läuft auf Revision `5271afc` und Digest `sha256:2d776182df98c36cb47e7c710860e48d1ae3331a48d60cce271f1787c207c7b6`. Production Run `11385` war grün; der abschließende Cloudflare-Purge bestätigte `success=true`. - Frischer Backup-Gate-Proof für den Promote: PostgreSQL-Restic-Snapshot `b10d7874` von `2026-07-28T00:09:30Z`, Repository-Check ohne Fehler, Prüfsumme gültig und vollständiger Restore in PostgreSQL 16 mit 373 öffentlichen Tabellen, 212 Prisma-Migrationen und 372 FORCE-RLS-Tabellen. Die Live-Datenbank wurde beim Drill nicht verändert. - Production-Acceptance-Hotfix `aded46303`: Bei `PRODUCT_ACQUISITION_PROVIDER_SIDE_EFFECT_REQUIRED=false` wird kein Mollie-Reconciler gebootstrapped und ein vorhandener 5-Minuten-Scheduler entfernt. Web/API/Worker verwenden bei leerem `SENTRY_RELEASE` den unveränderlichen `APP_REVISION`. Proof: Typecheck, Lint, Release-Build, Runtime-/Deploy-Verträge, 107 fokussierte Tests und die Vollsuite mit 1.122 Testdateien beziehungsweise 7.823 bestandenen Tests; alle elf zentralen PR-CI-Gates grün. - Öffentliche Acceptance: Health/Readiness für Core, Portal, API und MCP jeweils HTTP 200 auf dem exakten Release; API unauthentifiziert 401 und mit Service-Token 200; MCP-Metadaten mit korrektem Issuer und zwölf Scopes, tokenloser Initialize-Aufruf 401 mit Bearer-Challenge; Realtime-WebSocket Upgrade 101. - Monitoring: Prometheus 34/34 aktive Targets `UP`, inklusive beider Exporter auf allen zehn Hosts. Loki liefert aktuelle Production-Logs aller zehn Hosts mit `project`, `environment`, `server`, `service`. Zehn Minuten nach dem Rollout meldete Sentry für Web, API und Worker jeweils null aktuelle Production-Issues; seit dem neuen Worker-Rollout erschien auch in Loki keine Meldung des zuvor periodischen `UnsupportedWorkerJobError`. - Rollback-Snapshots liegen lokal unter `~/.cli-tokens/hivegrid-dns-before-hivegrid-198-20260727T143742Z.json` und `~/.cli-tokens/hivegrid-coolify-before-hivegrid-198-20260727T143827Z.json`. Das Infra-Runbook dokumentiert Release-first-/DNS-second-Rollback, Forward-only-Migrationen, Backups und das 72-Stunden-Fenster. - Noch offen: ein freigegebener echter Production-Login für Core-Read/Write, Portal-Login/Upload/Logout, Admin-JIT, autorisierten MCP-Aufruf und autorisierten Realtime-Roundtrip. Für den Rollout wurde bewusst kein Production-Passwort zurückgesetzt und keine Testidentität erfunden. Erst nach diesen Checks beginnt das verbindliche 72-Stunden-Fenster; alte Rollback-Ressourcen bleiben bis zu dessen Sign-off bestehen. - Der Promote wurde für beide Repositories auf einen input-freien manuellen Run vereinfacht. HiveGrid-Website PR `#6` wurde normal gemergt; Run `11405` promotete den live auf Staging geprüften Release `ec9402a` ohne Neubau nach Production und bestätigte dort dieselbe Revision. - HiveGrid-Cloud behandelt einen manuellen Run von `main` jetzt ausschließlich als Production-Promote. Der Workflow liest den vollständigen SHA aus der live Staging-Core-Health-Antwort, prüft Service/Surface, Main-Ancestry und alle sechs `staging`-OCI-Digests und behält RLS-, Migrator-, Runtime-, Health- und Digest-Gates unverändert bei. Der manuelle Start ist die auditierte Operator-Bestätigung der zuvor geprüften Backup- oder Restore-Point-Bereitschaft. - Lokaler Proof für den Cloud-Nachzug: Typecheck und Lint grün; 185 fokussierte Deploy-/Readiness-Tests grün; `verify:gitea-ci-workflow`, `verify:deploy-workflow`, `verify:deploy-readiness`, `verify:ci-baseline` und `verify:source-health` grün; Vollsuite mit 1.122 bestandenen Testdateien beziehungsweise 7.823 bestandenen Tests, 10 Dateien beziehungsweise 60 Live-Integrationstests erwartungsgemäß übersprungen. - Abschluss-Proof der input-freien Workflows: HiveGrid-Cloud Staging-Run `11409` und Production-Promote `11411` sind für `d060e626ccebe84d5df01717c9b04c8b3ff6fd15` grün; Staging und Production melden für Core, Portal, API und MCP exakt diesen Release. Der nachfolgende Website-Run `11412` promotete Dejans neuen Staging-Stand `cfd08ee` ohne Eingaben; `staging.hivegrid.de` und `hivegrid.de` meldeten danach beide `cfd08ee`. - User-Entscheidung vom 2026-07-28: Production-E2E, das daran anschließende 72-Stunden-Fenster und die Altressourcen-Bereinigung werden in `HIVEGRID-207` weitergeführt. Die bestehenden Rollback-Ressourcen bleiben bis zu dessen Sign-off erhalten. **Stand: 10/10 Infra-DoD = 100 % done · operativer Nachzug vollständig nach HIVEGRID-207 übertragen.**