wiki(ingest): vds-kzntsv network-stack mismatch RCA + ifupdown anti-pattern

Incident 2026-05-28 ~05:45–13:52 MSK на vds-kzntsv. ~2.5ч активного outage + ~5.5ч на эфемерной статике до окончательного fix хостером. Revised RCA: наш netplan+systemd-networkd конфликтовал с provider's expected ifupdown stack. Их start/ipadd procedure ожидает чистый ifupdown и не может auto-recover когда networkd «держит» eth0. 8 дней работало потому что networkd сам тянул DHCP. Когда что-то на стороне Rusonyx разорвало DHCP-binding — auto-recovery не сработала. Fix: systemctl mask netplan + systemd-networkd* (на running system без stop — IP и SSH сохранились), Rusonyx ребутнул VM и положил чистый /etc/network/interfaces.d/ifcfg-eth0 через свой start/ipadd. Netmask /18, gw 89.253.192.1, чистый ifupdown. Wiki: - NEW concepts/vds-kzntsv-dhcp-outage-2026-05-28 — full RCA + recovery runbook (эфемерная статика + permanent-fix via ifupdown) + diagnostic dot-graph + revised lessons-learned + anti-pattern - NEW sources/vds-kzntsv-incident-2026-05-28 — timeline 05:25 backup OK → 08:43 statics → 13:52 final reset; provider's ifcfg-eth0 content; ticket text reference - UPDATE entities/vds-kzntsv — mask /18, ifupdown stack, kernel cmdline net.ifnames=0 объясняет eth0 naming, hypervisor hw80, pass-store путь, Known issues § - UPDATE concepts/rusonyx-vps-onboarding-quirks — quirk #9 переписан про /18 layout + canonical ifcfg, quirk #10 NEW про ifupdown vs netplan stack choice + bootstrap mask commands - UPDATE index.md + log.md Tasks: - STATUS header: incident RESOLVED summary - NEXT_SESSION: следующая сессия — cleanup netplan-artifacts (optional), registry GC (~20G pending), board-viewer-build unhealthy разбор Memory (out-of-repo): vds-kzntsv-rusonyx-network-recovery переписан с revised RCA — canonical bootstrap step «mask netplan/networkd» для всех Rusonyx Ubuntu VDS. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-28 14:12:14 +03:00
parent dacc39a113
commit 11554d45ac
8 changed files with 492 additions and 40 deletions
--- a/.wiki/sources/vds-kzntsv-incident-2026-05-28.md
+++ b/.wiki/sources/vds-kzntsv-incident-2026-05-28.md
@@ -0,0 +1,126 @@
+---
+title: vds-kzntsv outage incident — session chronology 2026-05-28
+type: source
+tags: [vds, rusonyx, network, dhcp, outage, session-trace]
+ingested: 2026-05-28
+raw_path: (none — session-live, no external raw)
+updated: 2026-05-28
+---
+
+# vds-kzntsv incident chronology 2026-05-28
+
+Live-session трасса диагностики и восстановления отказа [[../entities/vds-kzntsv]]. Полный разбор паттерна + recovery runbook — в [[../concepts/vds-kzntsv-dhcp-outage-2026-05-28]].
+
+## Timeline (MSK)
+
+| Время | Событие | Источник |
+|---|---|---|
+| 2026-05-28 05:25 | Daily backup pipeline `vds-backup-rsync-kreknin` стартует | ntfy-уведомление пользователю |
+| 2026-05-28 05:45 | Backup завершён успешно — 19m51s, 69G, 7 snapshots передано на kreknin | ntfy + backup log |
+| 2026-05-28 ~06:00–08:00 | (окно отказа DHCP — точное время неизвестно) | — |
+| 2026-05-28 ~08:15 | User обнаруживает что vds-kzntsv недоступен по сети, пинг падает на хостер-gateway | user message |
+| 2026-05-28 08:20 | Сессия с агентом начинается, запрос креды на VDS | conversation |
+| 2026-05-28 08:25 | Probe с workstation и с [[../entities/books-vds]] (same hoster) — оба `Destination Host Unreachable` на `89.253.192.40` | bash output |
+| 2026-05-28 08:30 | User открывает Rusonyx panel → VNC console, шлёт скриншот журнала | screenshot |
+| 2026-05-28 08:35–08:42 | Диагностика через VNC: `ip -br link` → eth0 UP без IPv4; `networkctl status` → degraded (configuring), LLDP видит `hw80.rusonyx.ru` | screenshots |
+| 2026-05-28 08:43 | Recovery через статику (3 команды + DNS) — IP получен, маршруты добавлены | user confirms "Заработало!" |
+| 2026-05-28 08:44 | SSH с workstation работает; uptime 1h (VDS был ребутнут ~07:44, но IP DHCP всё равно не пришёл) | `ssh vitya@89.253.255.94 hostname` |
+| 2026-05-28 08:44 | 18 docker контейнеров поднялись через restart policy — gitea, registry, verdaccio, postgres, mariadb, mongo, owncloud, oCIS, modulair-rag стэк и пр. | `docker ps` |
+| 2026-05-28 08:50 | Disk cleanup: docker builder prune (10.6G) + image prune (0.3G) + truncate container logs (~3G); disk 89% → 79% | `df -h /` before/after |
+| 2026-05-28 09:00 | Тикет в Rusonyx отправлен | user sends |
+| 2026-05-28 ~12:20 | Rusonyx отвечает: «возможно потребуется перезагрузка», запрашивают разрешение | helpdesk |
+| 2026-05-28 ~12:25 | Даём разрешение с условиями (5-10мин уведомление + готовность VNC к recovery) | helpdesk |
+| 2026-05-28 ~13:00 | Rusonyx: «настройте дефолт — `mask netplan + systemd-networkd`, `enable networking`» | helpdesk |
+| 2026-05-28 ~13:20 | После уточнений согласовали что они сами пропишут конфиг через свой `start/ipadd` | helpdesk |
+| 2026-05-28 ~13:30 | Выполнен `systemctl disable+mask netplan + systemd-networkd.{service,socket,wait-online}` через SSH. IP и SSH остались живые. | session bash |
+| 2026-05-28 ~13:52 | Rusonyx ребутает VM с reset-конфига через их provisioning | их сторона |
+| 2026-05-28 14:00 | Smoke: SSH + 24 контейнера up + `api.ipify.org → 89.253.255.94`. Сервер полностью восстановлен. | session bash |
+
+## Что сломалось
+
+- DHCP lease для VM `vps534388` (MAC `52:54:00:9c:63:01`) на гипервизоре `hw80.rusonyx.ru` не возобновлялся.
+- VM выпала из L3-сети полностью: своя сторона корректна (link UP, networkd шлёт DHCP discover), хостер не отвечает offer'ом.
+- Reboot VM не помог.
+
+Подробные подтверждающие сигналы — в [[../concepts/vds-kzntsv-dhcp-outage-2026-05-28]] § Симптомокартина.
+
+## Что починили
+
+Статика на eth0 через 3 ip-команды:
+
+```bash
+sudo ip addr add 89.253.255.94/24 dev eth0
+sudo ip route add 89.253.192.1 dev eth0
+sudo ip route add default via 89.253.192.1
+```
+
+DNS: `nameserver 89.253.252.30/.31` (Rusonyx).
+
+**Эфемерно.** Persistence в netplan **отложен** до ответа хостера — если они починят DHCP, persistent статика конфликтнёт.
+
+## Gateway discovery — как нашли 89.253.192.1
+
+Gateway у Rusonyx сидит в /18 надсети `89.253.192.0/18`, а не в нашей /24. Источник — `ip route` на [[../entities/books-vds]] (sibling VPS у того же хостера):
+
+```
+$ ssh root@89.253.255.133 'ip route'
+default via 89.253.192.1 dev eth0 metric 400
+89.253.192.0/18 via 89.253.192.1 dev eth0 src 89.253.255.133 metric 400
+89.253.192.1 dev eth0 scope link metric 400
+89.253.255.0/24 dev eth0 proto kernel scope link src 89.253.255.133
+```
+
+См. также quirk #9 в [[../concepts/rusonyx-vps-onboarding-quirks]].
+
+## Финальная конфигурация (после resolution хостером 13:52 MSK)
+
+`/etc/network/interfaces.d/ifcfg-eth0` (положен их `start/ipadd` procedure):
+
+```
+auto eth0
+allow-hotplug eth0
+iface eth0 inet static
+        address 89.253.255.94
+        netmask 255.255.192.0
+        post-up ip ro add 169.254.0.0/16 dev eth0 metric 400
+        post-up ip ro add 89.253.192.1 dev eth0 metric 400
+        post-up ip ro add default via 89.253.192.1 dev eth0 metric 400
+        post-up ip ro add 89.253.192.0/18 via 89.253.192.1 dev eth0 src 89.253.255.94 metric 400
+        post-up ip ro del 89.253.192.0/18 dev eth0 proto kernel scope link src 89.253.255.94
+```
+
+Изменение по сравнению с тем что было до инцидента:
+- **Сетевой стек** — был mixed (netplan + networkd поверх ifupdown), стал чистый ifupdown
+- **Netmask** — стал /18 явно (`255.255.192.0`) вместо неявного /24 + link-route trick
+- **systemd unit state:** `netplan` masked, `systemd-networkd*` masked, `networking` enabled
+
+Kernel cmdline без изменений: `net.ifnames=0 biosdevname=0` (Rusonyx force eth0 naming).
+
+## Тикет в Rusonyx — итоговый текст
+
+Тикет отправлен через myvm.rusonyx.ru helpdesk, account `21075162`, тема: «VPS 534388 (vps-21075162-534388) — нет DHCP lease ~05:45 28.05.2026 MSK».
+
+Основная часть:
+- Подтверждённое окно простоя ~2.5ч (с 05:45 — последний успешный backup — до 08:30 recovery).
+- Отсутствие уведомления с их стороны.
+- Корневая причина на стороне хостера, с конкретикой (LLDP, networkd journal, отсутствие DHCPv4 offer'ов).
+- Диагностика клиентом, не support'ом — что не норма для production-уровня услуги.
+- Запрос: (a) технический RCA, (b) SLA-компенсация, (c) procedural followup по их мониторингу VM-уровня, (d) статус DHCP — починен или фиксируем статику постоянно.
+
+Полный текст — в сессионной переписке `~/.claude/projects/C--Users-vitya-projects--admin/` (conversation log).
+
+Ответ хостера ещё не получен (на момент ingest этого source).
+
+## Что обнаружили попутно
+
+1. **Диск 89% → 79% после GC** — освободили 14G (build cache 10.6G + dangling images 0.3G + container logs ~3G). Disk-GC pending давно, см. `vds-kzntsv` § Open issues. Поставлена task [[../../.tasks/vds-kzntsv-disk-gc-followup]] на полный registry-GC (20G возможный reclaim).
+2. **`board-viewer-build` unhealthy** — отдельная история, не блокер сейчас.
+3. **`ping` не установлен** на VDS — Ubuntu 24.04 base не включает iputils-ping. Использовали curl для проверки сети. Можно установить `apt install iputils-ping` при следующем maintenance.
+
+## Cross-refs
+
+- [[../concepts/vds-kzntsv-dhcp-outage-2026-05-28]] — runbook + RCA-pattern.
+- [[../entities/vds-kzntsv]] — host details.
+- [[../entities/books-vds]] — sibling, source для gw discovery.
+- [[../concepts/rusonyx-vps-onboarding-quirks]] — vendor quirks, дополнен quirk #9.
+- [[vds-kzntsv-bootstrap-2026-05-20]] — оригинальный bootstrap.