4fa10f0a72
Dwa niezalezne root cause: PermissionError na save_eml (archiwum root:root po sudo-runach 06.08) + fleet-prometheus nigdy nie dostal /-/reload po dodaniu regul kb-mail-sync.yml/kb-ingest.yml (zylo tylko fleet-liveness). Naprawa: chown archiwum + 2 tick recovery (548 kopert, 0 bledow) + reload Prometheusa z weryfikacja lancucha alertowego end-to-end (brain-watchdog->Telegram wpiety poprawnie).
153 lines
8.3 KiB
Markdown
153 lines
8.3 KiB
Markdown
---
|
||
okf: "0.1"
|
||
type: incident
|
||
visibility: private
|
||
status: active
|
||
updated: 2026-08-26
|
||
links:
|
||
- ../audits/mail-sync-2026-08-06.md
|
||
- ../services/job-mail-imap-sync.md
|
||
- ../runbooks/mail-sync-run.md
|
||
- ../../docs/sessions/2026-08-06-kb-mail-sync-live.md
|
||
- ../../docs/sessions/2026-08-26-kb-incydent-mailsync.md
|
||
---
|
||
|
||
# Incydent: `kb-mail-sync` bez zapisu przez 20 dni, niewykryty — 2026-08-26
|
||
|
||
**Status:** oba root cause ustalone i naprawione. Przyrostówka odzyskana, alerting po raz
|
||
pierwszy realnie wpięty (wcześniej istniał tylko w repo, nie w runtime).
|
||
**Dotknięty serwis:** `mail-imap-sync` (job) @ PIHA + `fleet-prometheus` @ VPS.
|
||
**Klasa:** dwa niezależne błędy nakładające się w czasie — awaria zapisu (uprawnienia) +
|
||
martwy monitoring (config nigdy nie przeładowany). Osobno każdy byłby wykrywalny; razem
|
||
dały 20 dni ciszy bez żadnego sygnału.
|
||
|
||
---
|
||
|
||
## 1. TL;DR
|
||
|
||
`kb-mail-sync.timer` tykał godzinowo od uruchomienia (2026-08-06 18:01, patrz
|
||
[docs/sessions/2026-08-06-kb-mail-sync-live.md](../../docs/sessions/2026-08-06-kb-mail-sync-live.md))
|
||
bez ani jednego kolejnego udanego zapisu koperty aż do 2026-08-26. Poller "żył" — proces
|
||
startował, łączył się z IMAP, kursor w `mail_sync_state` się nie ruszał, bo `save_eml` dostawał
|
||
`PermissionError` na każdej próbie zapisu. Kursor nie przeskoczył niezapisanej wiadomości — to
|
||
zadziałało zgodnie z projektem (zero utraty poczty), ale oznaczało też, że failure był cichy: bez
|
||
crasha, bez zmiany stanu widocznej z zewnątrz poza rosnącym opóźnieniem.
|
||
|
||
Powinien to złapać alert `KbMailSyncStale` (reguła w repo od 2026-08-06) — ale nie złapał, bo
|
||
`fleet-prometheus` na VPS nigdy nie dostał `/-/reload` po dodaniu tego pliku reguł. Przez cały
|
||
czas żyła wyłącznie grupa `fleet-liveness` sprzed czerwca. Wykryto ręcznie, przy sanity checku po
|
||
3 tygodniach przerwy operatorskiej — nie przez monitoring.
|
||
|
||
---
|
||
|
||
## 2. Root cause #1 — uprawnienia katalogów archiwum
|
||
|
||
`~/kb/mail/archive/{gmail,fastmail}/2026/08/` powstały jako `root:root` — utworzone przez
|
||
ręczne `sudo`-runy z 2026-08-06 (pierwsze uruchomienia przed włączeniem timera, patrz runbook
|
||
[mail-sync-run.md](../runbooks/mail-sync-run.md), sekcja o `sudo` do odczytu `.env`). Timer
|
||
uruchamia job jako `User=oskar` (po zrzuceniu uprawnień z jednostki systemd) — `save_eml` w
|
||
`packages/kb-mail` dostawał `PermissionError` przy próbie zapisu `.eml` do katalogu należącego do
|
||
roota, na każdym z 480 ticków od 2026-08-06 18:01 do naprawy.
|
||
|
||
Design "kursor nie przeskakuje niezapisanej wiadomości" ([pkg-kb-mail.md](../services/pkg-kb-mail.md))
|
||
zadziałał dokładnie tak jak zamierzono: zero utraty poczty, folder stał w miejscu zamiast
|
||
przeskoczyć błąd i zostawić dziurę w korpusie. Cena tego bezpieczeństwa: bez monitoringu wygląda
|
||
identycznie jak "brak nowej poczty" — legalny stan mailboxa, którego runbook świadomie **nie**
|
||
traktuje jako alarmowy (patrz decyzja w [kb-mail-sync.yml](../../services/fleet-prometheus/rules/kb-mail-sync.yml)
|
||
o odrzuceniu progu na "brak nowej poczty").
|
||
|
||
## 3. Root cause #2 — dlaczego 20 dni ciszy, nie 6 godzin
|
||
|
||
Reguła `KbMailSyncStale` (próg 6h, `for: 5m`) i `kb-ingest.yml` leżały w repo od 2026-08-06.
|
||
Scrape config PIHA (`fleet-node`/`piha` → `100.108.208.3:9100`) był poprawny od czerwca — target
|
||
node_exportera PIHA już był zdefiniowany. Ale `fleet-prometheus` na VPS nigdy nie dostał
|
||
`POST /-/reload` po tym, jak te dwa pliki reguł wylądowały w bind mouncie `rules/`. W runtime
|
||
żyła wyłącznie grupa `fleet-liveness`, załadowana przy ostatnim restarcie kontenera (czerwiec).
|
||
Alert `KbMailSyncStale` nie istniał operacyjnie — mógł mieć idealną logikę i wciąż nic by nie
|
||
wysłał, bo Prometheus nie wiedział o jego istnieniu.
|
||
|
||
Dwa błędy nałożyły się: gdyby monitoring żył, alert wystrzeliłby po ~6h od pierwszego
|
||
`PermissionError` (2026-08-07 ok. 00:00), nie po 20 dniach. Gdyby zapis działał, martwy
|
||
monitoring nie miałby czego przegapić.
|
||
|
||
---
|
||
|
||
## 4. Naprawa
|
||
|
||
**Zapis (2026-08-26, przez CC z SOLARII, worktree recon+fix na PIHA):**
|
||
1. `chown -R oskar:oskar ~/kb/mail/archive/{gmail,fastmail}/2026/08` na PIHA.
|
||
2. Ręczny tick #1: `170 inserted / 379 perm-errors` — perm-errors to zaległe próby sprzed
|
||
chowna w tej samej partii (kolejka nie czyściła się między nieudanymi próbami).
|
||
3. Ręczny tick #2: `378 inserted / 155 archive_exists, errors=0` — pełne odzyskanie, kursor
|
||
dogonił IMAP. Łącznie 548 zaległych kopert wchłonięte bez strat.
|
||
|
||
**Monitoring (2026-08-26, przez CC z SOLARII, SSH na VPS):**
|
||
1. `promtool check rules` na `kb-mail-sync.yml` w kontenerze `fleet-prometheus` — OK,
|
||
plik był już poprawny składniowo (potwierdzenie, że problem był czysto operacyjny, nie
|
||
błąd w regule).
|
||
2. `POST http://100.95.58.48:9090/-/reload` — 200, `/api/v1/rules` od razu pokazał wszystkie
|
||
trzy grupy: `fleet-liveness`, `kb-ingest`, `kb-mail-sync`.
|
||
3. Weryfikacja łańcucha end-to-end:
|
||
- `kb_mail_sync_last_success_timestamp{node="piha"}` — scrape'owana, świeża (~5,8 min).
|
||
- `/api/v1/alerts` — pusto; reguła `KbMailSyncStale` w stanie `inactive`/`health: ok`
|
||
(nigdy nie zdążyła nic zaalarmować na starych danych — pierwsza ewaluacja po reloadzie
|
||
zastała już świeżą metrykę).
|
||
- `brain-watchdog` @ PIHA — `PROMETHEUS_URL` w `.env` poprawnie wskazuje na
|
||
`http://100.95.58.48:9090`, kontener `healthy` od 2 tygodni, brak wpisów o poll-failure
|
||
w logach → droga do Telegrama wpięta.
|
||
|
||
Żadna zmiana w repo nie była potrzebna dla naprawy monitoringu — config `rules/*.yml` i
|
||
`scrape_configs` były poprawne od dawna, brakowało wyłącznie `/-/reload` w runtime.
|
||
|
||
---
|
||
|
||
## 5. Rekomendacje
|
||
|
||
**R1 (proces, do CC) — utwardzić własność katalogów po ręcznym `sudo`-runie.** Po każdym
|
||
ręcznym uruchomieniu `mail-imap-sync` przez `sudo` (np. do odczytu `.env` 600 root:root, patrz
|
||
runbook): albo `chown -R oskar:oskar` na `archive/` od razu po runie, albo wariant `sudo`
|
||
zachowujący ownera docelowych katalogów. Docelowo `save_eml`/definicja jednostki systemd
|
||
powinny wymuszać poprawnego ownera tworzonych katalogów niezależnie od tego, kto je stworzył
|
||
(np. `umask`/`chown` przy starcie joba, albo katalogi tworzone z wyprzedzeniem z właściwymi
|
||
uprawnieniami zamiast `mkdir -p` przy pierwszym zapisie).
|
||
|
||
**R2 (proces, do CC) — dopisać `/-/reload` do procedury deployu reguł Prometheusa.** Dodanie
|
||
pliku reguł do `services/fleet-prometheus/rules/` bez reloadu jest w tej chwili niewidoczne —
|
||
`git diff` pokazuje zmianę, deploy przechodzi zielono, a Prometheus i tak jej nie widzi aż do
|
||
następnego restartu kontenera. Brakujący krok reload trzeba dopisać do runbooka deployu
|
||
fleet-prometheus (do zlokalizowania/utworzenia: `fleet-prometheus-deploy.md`), najlepiej jako
|
||
automatyczny krok w `scripts/deploy/deploy.sh` dla tego serwisu, nie tylko jako notatka w
|
||
dokumentacji.
|
||
|
||
**R3 (bezpieczeństwo, pilne) — rotacja sekretów po wycieku w transkrypcie.** `TG_TOKEN`
|
||
brain-watchdoga wypłynął w outpucie sesji 2026-08-26 (`cat .env` przez SSH w celach
|
||
diagnostycznych) — **czwarty udokumentowany przypadek tej klasy** (poprzedni: hasło
|
||
`kb-postgres`, 2026-08-05/06, patrz [docs/sessions/2026-08-06-kb-mail-sync-live.md](../../docs/sessions/2026-08-06-kb-mail-sync-live.md)
|
||
sekcja "Otwarte"). Do rotacji łącznie: `TG_TOKEN` (brain-watchdog) + hasło `kb-postgres`
|
||
(WISI) — oba są zaległe z poprzednich incydentów tej samej klasy i warto zrobić je w jednej
|
||
sesji zamiast kolejnych osobnych.
|
||
|
||
---
|
||
|
||
## 6. Nie w zakresie tej naprawy (follow-upy niezmienione z 2026-08-06)
|
||
|
||
Bez zmian względem stanu z poprzedniej sesji — patrz
|
||
[docs/sessions/2026-08-06-kb-mail-sync-live.md](../../docs/sessions/2026-08-06-kb-mail-sync-live.md)
|
||
"Otwarte":
|
||
- Fix `UID SEARCH ALL` na duże foldery (crash na kontach >`_MAXLINE`).
|
||
- Załączniki PDF z maili.
|
||
- Charset/mojibake w co najmniej 12 kopertach.
|
||
- NUL w nagłówkach `jsonb` (`gmail-header-backfill`/`bulk-import`).
|
||
|
||
---
|
||
|
||
## 7. Stan końcowy
|
||
|
||
- Kursor `mail_sync_state` dogonił IMAP na obu kontach, 548 zaległych kopert wchłonięte,
|
||
0 błędów w ostatnim ticku.
|
||
- `fleet-prometheus` ma żywe wszystkie trzy grupy reguł; `KbMailSyncStale` faktycznie
|
||
monitoruje po raz pierwszy od wdrożenia 2026-08-06.
|
||
- Łańcuch metryka → reguła → alert → `brain-watchdog` → Telegram zweryfikowany end-to-end,
|
||
bez dziur.
|
||
- Otwarte: R1–R3 powyżej (poza zakresem tej sesji, do osobnych tasków).
|