13 KiB
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-byhinterlegt. - 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
- Control/Coolify
- App/Web
- API
- Worker und private Seitendienste
- Datenbank/Stateful
- Website
- Portal inklusive Portal-Domain-Controller
- Admin nur über VPN/WireGuard und Authentik
- MCP
- 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
- Hetzner-Limit ist mindestens 12.
- Fünf neue VMs sind erstellt, gehärtet und im privaten Netz/Coolify eingebunden.
- Logging, Monitoring und Healthchecks sind für alle fünf neuen Hosts grün.
- Website, Portal, Admin, MCP und Realtime laufen auf den vorgesehenen VMs.
- Admin hat eine echte fail-closed Runtime-Surface und ist nur über VPN/WireGuard plus Authentik erreichbar.
- Alle internen Verbindungen und DB-Rollen sind privat und nach Least Privilege geprüft.
- DNS, TLS und Cloudflare-Konfiguration sind für alle öffentlichen Hosts korrekt.
- HiveGrid-Cloud promotet exakt den getesteten SHA/Digest auf alle benötigten Production-Ressourcen.
- HiveGrid-Website promotet exakt den getesteten SHA/Digest auf die Website-Production-Ressource.
- 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, Environmentproduction, eine Resource pro Runtime - Cloudflare SSL
strict; Public Records erst nach Origin-Zertifikats-Proof proxied; Admin ohne öffentlichen A/AAAA-Record realtime.hivegrid.deals 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.mddocs/ops/prod-rollout-hivegrid.mddocs/ops/lago-production-prep.mddocs/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
fsn1erstellt. - 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
73b2c338wurde 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 Runbook936a32a.
2026-07-28
- Die fünf neuen Produktions-VMs tragen den Live-Traffic: Website
188.34.157.34, Portal167.233.117.104, Admin privat auf10.42.0.14, MCP2.28.5.232und Realtime2.28.5.14. Alle elf Cloud-Ressourcen und alle fünf Worker-Gruppen sind gesund. - DNS/TLS-Cutover abgeschlossen:
hivegrid.de/www,portalinklusive Domain-Controller,mcpundrealtimelaufen über Cloudflare mit SSLstrict.admin.hivegrid.dehat 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 zuauth.tool-ctrl.deweiter. - HiveGrid-Cloud PR
#281wurde normal gemergt. Staging Run11387und Production Promote Run11389sind für den exakten Merge-SHAce08af27b217aa55ccc5daab5ffe66b995ccb3f4grün. Core, Admin und Portal verwenden denselben Web-Digestsha256:ca579bc0c39dea6b6b865c095457a5508edf455e59b80394f51942b4a49ece81. API, MCP, Realtime und Worker melden ebenfalls exakt diesen Commit über ihre eigenen unveränderlichen Digests. - Die Website läuft auf Revision
5271afcund Digestsha256:2d776182df98c36cb47e7c710860e48d1ae3331a48d60cce271f1787c207c7b6. Production Run11385war grün; der abschließende Cloudflare-Purge bestätigtesuccess=true. - Frischer Backup-Gate-Proof für den Promote: PostgreSQL-Restic-Snapshot
b10d7874von2026-07-28T00:09:30Z, 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: BeiPRODUCT_ACQUISITION_PROVIDER_SIDE_EFFECT_REQUIRED=falsewird kein Mollie-Reconciler gebootstrapped und ein vorhandener 5-Minuten-Scheduler entfernt. Web/API/Worker verwenden bei leeremSENTRY_RELEASEden unveränderlichenAPP_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 mitproject,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 periodischenUnsupportedWorkerJobError. - Rollback-Snapshots liegen lokal unter
~/.cli-tokens/hivegrid-dns-before-hivegrid-198-20260727T143742Z.jsonund~/.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
#6wurde normal gemergt; Run11405promotete den live auf Staging geprüften Releaseec9402aohne Neubau nach Production und bestätigte dort dieselbe Revision. - HiveGrid-Cloud behandelt einen manuellen Run von
mainjetzt ausschließlich als Production-Promote. Der Workflow liest den vollständigen SHA aus der live Staging-Core-Health-Antwort, prüft Service/Surface, Main-Ancestry und alle sechsstaging-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-baselineundverify:source-healthgrün; 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
11409und Production-Promote11411sind fürd060e626ccebe84d5df01717c9b04c8b3ff6fd15grün; Staging und Production melden für Core, Portal, API und MCP exakt diesen Release. Der nachfolgende Website-Run11412promotete Dejans neuen Staging-Standcfd08eeohne Eingaben;staging.hivegrid.deundhivegrid.demeldeten danach beidecfd08ee. - User-Entscheidung vom 2026-07-28: Production-E2E, das daran anschließende
72-Stunden-Fenster und die Altressourcen-Bereinigung werden in
HIVEGRID-207weitergeführt. 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.