Supervision, disponibilité et sauvegardes
Garder la grille en ligne et savoir réagir quand un service ou un disque tombe.
Surveiller ce qui compte vraiment
Suivre l'utilisation CPU, RAM, swap, espace disque, inodes, latence de stockage et réseau sur la machine physique et, si présent, dans les VM. Un processus peut sembler actif alors que la connexion aux services SQL ou l'accès à la région ne fonctionne plus. Compléter les métriques par des tests applicatifs et les logs.
Disponibilité et temps d'arrêt
Un PC personnel disponible uniquement le soir n'a pas le même objectif qu'une grille publique 24 h/24. Définir des horaires ou une cible de disponibilité raisonnable et annoncer les maintenances. Le fait qu'une machine soit hébergée chez un fournisseur ne garantit pas à lui seul l'absence de pannes.
Sauvegarder plus que les machines virtuelles
Prévoir les bases SQL ROBUST, les fichiers FSAssets avec leurs métadonnées, les configurations INI, les assets de services et, selon l'objectif, les OAR/IAR. Une sauvegarde VM ou un snapshot rapide peut être incohérent vis-à-vis de SQL et FSAssets si les écritures continuent sans mécanisme coordonné. Tester les restaurations en environnement isolé.
Protection contre une panne totale
Conserver au moins une copie indépendante du serveur principal. Si les VM et toutes leurs sauvegardes reposent sur le même serveur physique ou le même disque, un incident matériel peut tout rendre indisponible. Chiffrer les sauvegardes sensibles et gérer leur rétention, accès et vérification.
Vérifications non destructives
Les commandes ci-dessous aident à établir un premier diagnostic Linux sans modifier le serveur. Comparer les résultats avec les périodes habituelles ; une RAM « libre » faible n'est pas automatiquement une panne, car Linux utilise la mémoire pour le cache.
Exemple fictif, adapter à l'installation réelle.
uptime free -h vmstat 1 5 df -h df -i ip -brief address ss -lnt # Adapter le service pour lire ses journaux : journalctl -u NOM_SERVICE -n 60 --no-pager
Plan de reprise et ordre des services
Documenter qui peut intervenir, où sont les sauvegardes, les mots de passe de secours et les commandes de reprise. Vérifier l'état du stockage et de SQL avant de relancer les services qui écrivent. Une reprise efficace suit les dépendances réelles entre ROBUST, base de données et simulateurs, sans redémarrages aveugles.