server

这是一个旨在学习 Linux 服务器“构建 $\to$ 运行确认 $\to$ 异常调查 $\to$ 恢复”全流程的个人学习实验室。其方针是记录个人实际执行的范围与未执行的范围，而非展示业务中的运维业绩。许可证为 MIT，作者为岛田则幸（Noriyuki Shimada）。 核心配置是通过 Docker Compose 启动一个带有身份验证的 Flask 应用（在容器内使用 psutil 返回状态）及其入口 nginx。用户可通过浏览器访问 127.0.0.1:8080，确认 health 响应以及基于 Basic 认证的有无而产生的 200 / 401 状态差异。监控系统包含 Prometheus 定期获取应用和 node-exporter 的数据、Grafana 进行可视化，以及包含日志聚合（Alloy / Loki）和 Alertmanager 通知在内的详细配置图。文档中还明确指出主机整体数值应在 node-exporter 侧查看。 构建自动化采用 Ansible，将包含 common / docker 等角色（Role）的 foundation.yml（基础构建）与包含监控在内的 site.yml（全栈构建）分开。记录中包含了幂等性确认以及在 Ubuntu 和 AlmaLinux 上分别应用基础配置的情况。此外，还涵盖了恢复步骤、变更管理、SLO 和错误预算（Error Budget）等运维话题。 验证通过 GitHub Actions 的 python-check 和 full-stack-e2e 工作流实现自动化，pytest 记录为 167 项。在凭据台账（docs/evidence）中，管理着执行日期、环境、目标 commit、结果及未执行范围。例如，2026-08-22 的全栈 E2E 测试中，批量构建、幂等性、恢复、还原等 23 个 ID 为 PASS；2026-09-04 记录了 Ubuntu 和 AlmaLinux 的基础构建实测；2026-09-07至08 记录了在 Hyper-V 上的 Ubuntu 进行手动构建（固定 IP、SSH 密钥认证、sudo、UFW、时间同步、自动更新）及 Docker 最小配置的启动。判定结果详细公开为 PASS 14 / PASS-ADAPTED 4 / PARTIAL 2 / NOT RUN 1。 另一方面，AWS 的实际应用与删除、Slack 的实际推送、监控实验室的长期运行以及从主机故障中恢复（D-2）被明确标注为 NOT RUN，并另行准备了实测计划。关于手动记录，注记说明这是不使用 Ansible 或本仓库代码的 OS 单体演习，并非特定项目的验收，且 AI 辅助了步骤引导、图像读取和记录编辑，不以独立复现或长期运行为目标。 文档体系对学习者非常友好，包括：初学者学习指南（从 2 个最小服务开始的 5 个步骤）、Level 0$\sim$5 的线性学习路径、包含 408 个词条的服务器基础术语表、服务器构建关键词集、初学者实习记录模板、项目包（需求 $\to$ 设计值 $\to$ 构建 $\to$ 测试 $\to$ 凭据 $\to$ 运维 $\to$ 变更）、设计判断、失败案例学习以及独立运行的运维工具包。项目公开了 AI 的使用范围，并解释了在学习记录中区分“能自行执行/说明的范围”、“AI 辅助范围”和“未确认范围”的方针。