rorapp/cluster-knaster

Fork 0

Files

T

History

Robert RappandClaude Opus 5.5 986f1116fe

ci / test (push) Failing after 22s

Details

k3s: llama.cpp-Server als Deployments (Task 6.1)

Ein Pod je GPU-VM (Embed+Rerank bzw. Chat), Host-Netz mit den Ports aus dem
Compose, P2000 fest per UUID (NVIDIA_VISIBLE_DEVICES). Das Device Plugin
vergibt nur noch Index 0 (M4000). Rolle gpu-llamacpp: gemeinsame Vorbereitung
(prepare.yml), k3s.yml mit Image-Import und Compose-Stopp; gpu-llamacpp.yml
bricht ohne -e llamacpp_compose=true ab.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

2026-10-19 17:27:23 +02:00

ansible

k3s: llama.cpp-Server als Deployments (Task 6.1)

2026-10-19 17:27:23 +02:00

scripts

k3s: Pod-Monitoring in Grafana (Task 6.5)

2026-10-19 16:31:03 +02:00

tofu

GPU-VMs 8 vCPU / 20 GB, infra 4 GB, ZFS-ARC 2 GB (Rolle pve-host), kein Auto-Reboot durch tofu

2026-10-15 17:26:00 +02:00

README.md

platform: OpenTofu/Ansible für Proxmox, CI, Makefile, Doku-Abgleich

2026-10-12 00:54:23 +02:00

README.md

platform/proxmox

Proxmox-spezifische Schicht (austauschbar, siehe PLAN §7.2). Eingabe ist immer sites/<site>/proxmox.yaml.

Status: geschrieben, aber noch nicht gegen den echten Cluster getestet. Erster Lauf beim gemeinsamen Deployment, jeweils mit tofu plan bzw. ansible-playbook --check.

Ablauf

Inventar: auf jedem Node knaster inventory collect ausführen und sites/knaster/inventory.yaml ersetzen. Danach knaster placement plan --inventory sites/knaster/inventory.yaml und die Ergebnisse in proxmox.yaml übertragen (PCI-Pfade über lspci -nn | grep -i nvidia, IOMMU-Gruppen).
Hosts vorbereiten: ansible-playbook playbooks/site.yml --limit pve_hosts. Setzt IOMMU und VFIO und sperrt die NVIDIA-Treiber auf dem Host. Danach die Hosts neu starten. Der ZFS-Pool tank wird nicht automatisch angelegt (Datenverlustgefahr), die Rolle gibt dafür den Befehl aus.
Template: pro Node ein Ubuntu-24.04-Cloud-Image als Template mit VMID 9000.
VMs/LXC: cd tofu && tofu init && tofu plan -var proxmox_api_token=... und danach tofu apply.
Gäste: ansible-playbook playbooks/site.yml --limit gpu_vms,infra. Installiert die Treiber pro Generation gepinnt (legacy/modern), das Container-Toolkit, Docker und den Xid-Exporter.
Dienste: deploy/compose/<rolle> auf den jeweiligen Gästen starten.

Bewusste Grenzen

Keine Live-Migration von GPU-VMs. HA gilt nur für den Infra-LXC (mit ZFS-Replikation alle 15 Min.).
Der Proxmox-API-Token für den Healer braucht nur VM.PowerMgmt auf den GPU-VMs und Sys.PowerMgmt (Host-Neustart, nur mit Freigabe).