Relocarea și stabilizarea găzduirii gestionate bazate pe Proxmox + Ceph cu migrarea clienților și timpi de nefuncționare limitati

Situația inițială este o găzduire gestionată mică pe 3 noduri Proxmox VE 7.x (pool-uri ZFS locale), aproximativ 60 de VM-uri și 120 de containere cu site-uri client (NGINX/Apache, PHP-FPM, MariaDB/PostgreSQL), mail-ul este scos separat. Reducerile I/O și repornirile imprevizibile ale VM au loc regulat în timpul sarcinilor de vârf; backup-urile sunt trimise prin vzdump către NFS și uneori se dovedesc a fi rupte. Se plănuiește să se facă upgrade la Proxmox VE 8.x, să se comute la stocarea distribuită Ceph și să se configureze HA, astfel încât defecțiunea unui nod să nu conducă la timpi de nefuncționare.

Mediu tehnic - 4 servere fizice (2x NVMe + 4x SSD SATA, 2x10GbE), comutator separat 10GbE, rețea publică /27 și internă /24, acces VPN. Unii clienți folosesc Cloudflare, alții lucrează direct. La nivel de găzduire, există cerințe pentru izolarea clientului și performanță previzibilă.

Ceea ce trebuie să faceți este să proiectați și să implementați configurația țintă și să efectuați migrarea fără pierderi de date.
- Pregătiți un plan de upgrade pentru PVE 7.x -> 8.x cu verificarea compatibilității, a procedurii și a retragerii
- Implementați Ceph (min 3 MON, MGR, OSD pe NVMe, rețele publice/cluster separate), configurați CRUSH și domeniile de eșec ținând cont de topologia
- Configurați Proxmox HA pentru VM critice, corectați mecanismele de îngrădire, politicile de repornire și migrare
- Migrați VM/CT-urile existente la Ceph cu un timp de nefuncționare minim, inclusiv migrări la cald acolo unde este posibil și ferestre de timp de nefuncționare pentru cei care au rămas
- Puneți-vă backup-urile în ordine - Server de backup Proxmox sau o opțiune alternativă cu backup-uri incrementale verificabile, reținere și restaurări de test regulate
- Eliminați cauzele reducerilor curente - analiza I/O, latența, setarea cache-urilor, cozile de disc, parametrii Ceph, limitele VM/CT, identificarea blocajelor de rețea 10GbE
- Configurați monitorizarea și alertele - Prometheus/Grafana sau echivalent, Proxmox/Ceph/SMART/metrici de rețea, alerte de telegramă/e-mail
- Pregateste documentatia de operare - diagrama retelei, rolurile nodurilor, ordinea adaugarii OSD/nodurilor, plan DR si liste de verificare

Limitări - timpul total de nefuncționare pentru majoritatea clienților nu depășește 30 de minute pe fereastră de noapte, pentru proiectele VIP 3 nu mai mult de 5 minute. Nu puteți schimba IP-urile publice pentru 20 de VM (clienții sunt strict legați). Nu puteți închide întregul cluster deodată. Acces la hardware numai de la distanță prin IPMI și VPN.

Rezultatul este un cluster Proxmox VE 8.x care funcționează cu Ceph, HA și copii de rezervă verificabile, plus documentație clară.

Criterii de acceptare - 1) defecțiunea unui nod nu duce la oprirea VM-ului VIP pentru mai mult de 2 minute, confirmată printr-un test de oprire a nodului prin IPMI 2) Ceph este în starea HEALTH_OK sub încărcare normală, fără PG blocat, avertismentele pentru plinătate și latență sunt configurate 3) pentru 10 VM-uri selectate, a fost efectuată o copie de rezervă a datelor cu verificarea timpului de înregistrare a integrității RTO și a fost efectuată un test de recuperare a integrității. 4) latența medie a subsistemului de disc pentru VM sub sarcină de testare fio nu depășește 3-5 ms la citire aleatorie 4k cu profilul țintă, rezultatele sunt atașate 5) întreaga configurație este înregistrată sub formă de documentație pas cu pas și parametri (versiuni, diagrame de rețea, comenzi)