Quatro meses rodando: o que mudei na mão e o que uma revisão encontrou
Depois de quatro meses usando o homelab, levantei o que mudei na mão e pedi uma revisão dos três repos antes de começar a observabilidade: bancos sem backup, brechas no firewall e playbooks arriscados.
luisbrancher/homelab-networkluisbrancher/homelab-infraluisbrancher/homelab-gitops
O último post da série Reformulando meu homelab terminou no fim de junho, com o NAS novo e o primeiro deploy real do homelab-gitops: Nextcloud, Immich e Jellyfin no ar, gerenciados pelo ArgoCD. A partir dali parei de construir e passei a usar.
Usar é outra coisa. Em quatro meses, o que estava no código e o que estava rodando foram se afastando um pouco, sempre por um bom motivo na hora.
O que mudou na mão
O problema mais chato foi a placa de rede do host Proxmox. Com bastante tráfego, ela travava e levava o servidor junto para um freeze. No começo, eu nem desconfiava dela. Subi a VM do k3s de 8 para 16 vCPUs para testar se era falta de CPU, e não era. A causa real era a placa: a correção foi desligar os offloads e passar o processamento de pacotes para a CPU. Parou de travar.
Os 16 vCPUs ficaram lá. O i5-13500T do M80q tem 20 threads, então não chega a estourar, mas também não tinha motivo nenhum além de eu ter esquecido de voltar. Até atualizei o Terraform para bater com o que fiz na mão, em vez de desfazer.
O Jellyfin ganhou um SSD dedicado. Baixar, assistir e apagar no disco do SO não fazia sentido, então a mídia foi para um disco só dela. Essa troca também teve correção manual: o playbook apontava para o disco errado, e a máquina só ficou certa porque arrumei o fstab na mão, duas vezes. A segunda foi depois de uma queda de energia.
E o M80q foi de 16GB para 32GB de RAM, porque com tudo rodando ele já estava apertado. Tenho rodado algumas VMs de teste nele também.
Nada disso é absurdo. Cada mudança resolveu um problema real. Só que o /etc/network/interfaces do Proxmox não está em nenhum repo, e se eu reinstalasse o host amanhã, o freeze voltaria. Fui acumulando esse tipo de coisa sem uma lista.
O internship mudou a prioridade
Aí comecei um internship em DevOps com foco em observabilidade. Quero praticar em casa o que estou estudando, com Prometheus, Loki, Alertmanager e Alloy em cima do homelab. A LXC de monitoramento até existe, mas está meio vazia: o Loki está no ar e nada manda log para ele.
Antes de colocar mais carga em cima, quis saber o que estava frágil. E tinha um problema: quem ia olhar era a mesma pessoa que montou tudo, com as mesmas premissas e os mesmos pontos cegos.
Então pedi ao Claude Opus para ler os três repos (homelab-network, homelab-infra e homelab-gitops) e me apontar os problemas. Só leitura, sem mudar nada. Também conferimos o histórico do git atrás de segredo vazado, e os vault.yml estão criptografados desde o primeiro commit, o que era esperado, visto que sempre dei um foco para o lado da segurança.
O resto foi menos tranquilo.
O que apareceu
Alguns exemplos:
- Guest e IoT conseguiam abrir a interface e o SSH do OPNsense, porque o bloqueio cobria as outras VLANs, mas não o IP do próprio gateway.
- Os bancos Postgres do Immich e do Nextcloud não tinham backup nenhum. As fotos estão no NAS, mas álbuns, rostos e metadados estão no banco, em disco local da VM. Nada vital, mas facilita um restore futuro.
- Rodar o playbook do OPNsense para mudar uma reserva DHCP podia atualizar e reiniciar o roteador.
- Rodar de novo o playbook do access point apagava uma zona do firewall, a que estivesse no índice 1 naquela hora.
- O NAS tem os dois pools em stripe, sem redundância. Isso foi escolha minha e continua sendo, mas eu não tinha SMART agendado nem alerta nenhum. E a cópia de backup ficava na mesma caixa.
Teve coisa que eu sabia e tinha empurrado, teve coisa que me surpreendeu. O que mais me pegou foi o firewall: Guest e IoT chegarem na interface e no SSH do OPNsense é a falha de segurança mais grave da lista. O banco também me surpreendeu: eu tinha snapshot, replicação entre pools, e achava que isso era backup de tudo.
Como organizei
Junto com os achados, respondi uma lista de perguntas abertas, porque algumas respostas mudavam a prioridade. O AP Cudy ainda estava em produção? Por que 16 vCPUs? Isso trouxe à tona coisa que só eu sabia, como a história da placa de rede.
O resultado virou um documento de revisão com três níveis:
| Nível | O que é | Exemplos |
|---|---|---|
| Sério | Pode causar perda de dados ou exposição | Firewall, banco sem backup, disco de mídia |
| Importante | Vai cobrar a conta, mas não hoje | Versões flutuantes, segredos só no cluster, IPs fora do código |
| Melhoria | Faria diferente, sem urgência | Redis no Nextcloud, roles no Ansible, QSV no Jellyfin |
A gravidade diz o que é pior, mas não diz em que ordem atacar. Para isso dividi em fases, tomando o internship como referência:
- Fase 1: fechar os críticos antes da observabilidade, mais o que evita retrabalho depois.
- Fase 2: observabilidade, já com os alertas de backup incluídos.
- Fase 3: o resto, como fixar versões, cuidar de segredos e levar o que falta para o GitOps.
A ordem dentro da fase também importa. Um exemplo: separar o upgrade do OPNsense precisava vir antes de mexer no firewall por código, porque aplicar o playbook ainda podia reiniciar o roteador.
Também marquei cada ação como [código], [console] ou [ambos]. O que for feito na interface tem o valor exato anotado na hora. É a regra para não repetir o que aconteceu com a placa de rede.
O que eu já queria fazer
Nem tudo saiu da revisão. Eu já tinha uma lista de coisas que queria fazer, e entrou junto:
- Trocar
homelab.luisbrancher.devpor um domínio próprio, olflab.cc, antes da observabilidade, para probes e dashboards já nascerem com os nomes finais. - Uma página simples,
all.lflab.cc, com o link de tudo. Hoje eu vivo procurando IP e porta. - Trocar as placas de rede do Proxmox e do TrueNAS por M.2 2.5G. Aproveito e migro do AP Cudy para o Omada, que já está esperando.
- Um HD externo de 8TB para mais uma cópia dos dados.
- Um nobreak, que já comprei. As quedas de energia foram parte de vários problemas aqui.
Colocar tudo no mesmo documento ajudou a ver que algumas coisas dependiam umas das outras. A troca de placa, por exemplo, muda os MACs, e os IPs dependem de reservas DHCP que nem estão no código.
O que ficou disso
Antes de mudar uma linha, já tinha tirado duas coisas dessa revisão. A primeira é que “está funcionando” dizia bem pouco sobre o meu homelab. Os bancos passaram quatro meses sem backup, e nada reclamou em nenhum momento.
A segunda é que uma revisão dessas só enxerga o que está escrito. O README ainda dizia que o host era um i5-1345U, o processador de um mini PC que queimou antes de eu comprar o M80q, e o Claude apontou os 16 vCPUs como mais do que o total de threads. O i5-13500T tem 20. Só fui pegar isso bem depois, relendo o texto. O olhar de fora ajudou bastante, mas conferir continua sendo comigo.
O próximo passo é percorrer a fase 1 item por item, com diff e --check antes de aplicar, e anotando o que for feito na interface. A observabilidade começa depois disso.