ホームラボ運用– category –

2時間おきに動く健康データノードは、毎日「成功」と記録していました。しかし失敗種別のログを1行足した直後、22種中14種が毎回失敗していたことが分かりました。

為替分析ノードで「5分待機を設定した」はずなのに、通知は毎回約1分で返ってくる。全文検索の結果、待機コードは0件でした。

外部サービスの残量表示は99%のままなのに、実行系は枯渇エラーを返し続ける。某所ラボで起きた画面読み取り型監視の罠と、staleな値を返さないための修正を整理します。

GPUもAPIも正常に見えていたのに、生成だけが返らず16時間停止していました。状態監視・疎通監視・進捗監視の違いを、実測ログから整理します。

DXP4800 GTへ保存・10GbE・Docker・VMを集約する前に、停止範囲とバックアップを確認する判断表です。

深夜、冗長化していたDNSフィルタ2台が同時に上流へタイムアウトしました。10G回線で実効帯域には余裕がある。それでも繋がらない。原因は帯域ではなく、MAP-EのNATポートプールでした。

サーバーを置くことと、AIエージェントを24時間飼うことは違います。壊れたのはAIではなく、監視・電源・回線というインフラの前提でした。

留守中も自宅のラボを止めない、という運用は一台を24時間回すことでは達成できません。常時稼働の小型ノードとWoL、入口を絞った遠隔、そして死活監視をどう噛み合わせるか。某所ラボの実運用から物理面の組み立てを整理します。

24時間動かす自宅サーバーで気になるのは、電気代と夏場の熱、そして停電です。体感ではなく実測で電力と発熱をとらえ、UPSを“無停電”ではなく“安全に落とすための猶予”として置く——その判断の組み立て方を整理しました。

重い処理も軽い処理も1台に詰め込むと、電力も障害範囲も膨らみます。常時稼働ノードとWoLで起こすGPUノードを物理で分ける、当ラボの設計思想を整理します。