threadnet-operating/monitoring/docker-compose.yml

services:
  prometheus:
    image: prom/prometheus:v3.14.0
    container_name: prometheus
    restart: unless-stopped
    volumes:
      # Verzeichnis- statt Einzeldatei-Mount: Docker haengt Einzeldatei-Mounts am
      # Inode auf, und `git pull` ersetzt Dateien per Rename (neuer Inode) - der
      # Container sah die Aenderung dann nie, waehrend SIGHUP brav Erfolg meldete.
      # Verzeichnis-Mounts loesen bei jedem Zugriff ueber den Pfad auf.
      # Config-Pfade bleiben unveraendert (--config.file zeigt weiter dorthin).
      - ./prometheus:/etc/prometheus:ro
      - prometheus_data:/prometheus
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.path=/prometheus'
      - '--storage.tsdb.retention.time=45d'
      - '--storage.tsdb.retention.size=15GB'
      # Remote-Write-Receiver: k3s-Cluster und Matrix-Server pushen hierher.
      # ACHTUNG: Port 9090 ist oeffentlich und ohne Auth erreichbar --
      # per Hetzner Cloud Firewall auf die Absender-IPs einschraenken!
      - '--web.enable-remote-write-receiver'
    ports:
      - "9090:9090"
    networks:
      - traefik

  alertmanager:
    image: prom/alertmanager:v0.34.0
    container_name: alertmanager
    restart: unless-stopped
    volumes:
      # Verzeichnis-Mount, gleicher Grund wie bei Prometheus. Die beiden .py aus
      # diesem Ordner liegen dadurch mit unter /etc/alertmanager - ungenutzt und
      # harmlos, alertmanager laedt ausschliesslich --config.file.
      - ./alertmanager:/etc/alertmanager:ro
      - alertmanager_data:/alertmanager
    command:
      - '--config.file=/etc/alertmanager/alertmanager.yml'
      - '--storage.path=/alertmanager'
    # bewusst kein oeffentlicher Port - nur Prometheus/Receiver im traefik-Netz
    networks:
      - traefik

  # Alertmanager-Webhook -> Matrix (wartung-Raum), gleiche Machart wie
  # maintenance-notify (gitops Issue #24). Secrets kommen aus .env.
  matrix-alerts:
    # 3.13-slim trug 4 CRITICAL (Debian-Basis, ohne Fix in der Fassung);
    # 3.13-alpine gemessen am 2026-08-21: 0 CRITICAL, 2 HIGH. Alle drei
    # Dienste hier laufen rein auf der stdlib, TLS gegen /etc/ssl/cert.pem
    # im Image geprueft - kein Paket, das musl stoeren koennte.
    image: python:3.13-alpine
    container_name: matrix-alerts
    restart: unless-stopped
    environment:
      - MATRIX_HOMESERVER=${MATRIX_ALERT_HOMESERVER}
      - MATRIX_ROOM_ID=${MATRIX_ALERT_ROOM_ID}
      - MATRIX_TOKEN=${MATRIX_ALERT_TOKEN}
      # Raum-Routing (gitops#47): Alerts mit Label room=security -> Security-Raum
      - MATRIX_ROOM_SECURITY=${MATRIX_RELEASE_ROOM_ID:-}
      # Ohne das liegt der State unter /tmp im Writable Layer: der ueberlebt
      # zwar ein "compose restart", aber kein "up -d", das den Container neu
      # baut -- also genau jeden Deploy. Dann verlieren offene Alarme ihre
      # Event-Zuordnung und loesen sich ueber den Fallback als separate
      # Nachricht auf, statt die Firing-Nachricht abzuhaken.
      - MATRIX_STATE_FILE=/state/matrix-alerts-state.json
    volumes:
      - ./alertmanager:/app:ro
      - matrix_alerts_data:/state
    command: python3 /app/matrix-alerts.py
    networks:
      - traefik

  # Release-/Advisory-Watch (gitops#22): meldet neue Releases der Element-Stack-
  # Upstreams in den Alerts-Raum (🚨 bei Security-Verdacht). Gleicher Bot/Raum
  # wie matrix-alerts, eigener State (Erstlauf merkt nur, flutet nicht).
  release-watch:
    # 3.13-slim trug 4 CRITICAL (Debian-Basis, ohne Fix in der Fassung);
    # 3.13-alpine gemessen am 2026-08-21: 0 CRITICAL, 2 HIGH. Alle drei
    # Dienste hier laufen rein auf der stdlib, TLS gegen /etc/ssl/cert.pem
    # im Image geprueft - kein Paket, das musl stoeren koennte.
    image: python:3.13-alpine
    container_name: release-watch
    restart: unless-stopped
    environment:
      - MATRIX_HOMESERVER=${MATRIX_ALERT_HOMESERVER}
      - MATRIX_ROOM_ID=${MATRIX_ALERT_ROOM_ID}
      # CVE-/Release-Raum (gitops#47): leer lassen = Fallback Alerts-Raum
      - MATRIX_RELEASE_ROOM_ID=${MATRIX_RELEASE_ROOM_ID:-}
      - MATRIX_TOKEN=${MATRIX_ALERT_TOKEN}
    volumes:
      - ./alertmanager:/app:ro
      - release_watch_data:/state
    command: python3 /app/release-watch.py
    networks:
      - traefik

  # CVE-Pipeline (gitops#47), Teil 1: Trivy scannt die real deployten Images
  # (Ziele aus /targets/targets.txt - abgeleitet vom cve-exporter, NICHT von Hand
  #  pflegen: #0106 / ADR-0026)
  cve-scan:
    image: aquasec/trivy:0.74.0
    container_name: cve-scan
    restart: unless-stopped
    entrypoint: ["/bin/sh", "/config/scan-loop.sh"]
    volumes:
      - ./cve:/config:ro
      - cve_results:/results
      - cve_trivy_cache:/root/.cache
      # Ab Slice 3 die Quelle der Ziele; in Slice 1 nur eingehaengt, damit
      # der Pfad existiert und beim Umschalten kein Rennen entsteht.
      - cve_targets:/targets:ro
    networks:
      - traefik

  # Teil 2: Reports -> Prometheus-Metriken (Schema + Pflichtfelder siehe gitops#47)
  cve-exporter:
    # 3.13-slim trug 4 CRITICAL (Debian-Basis, ohne Fix in der Fassung);
    # 3.13-alpine gemessen am 2026-08-21: 0 CRITICAL, 2 HIGH. Alle drei
    # Dienste hier laufen rein auf der stdlib, TLS gegen /etc/ssl/cert.pem
    # im Image geprueft - kein Paket, das musl stoeren koennte.
    image: python:3.13-alpine
    container_name: cve-exporter
    restart: unless-stopped
    environment:
      - RESULTS_DIR=/results
      - STATE_FILE=/state/first-seen.json
      # Soll-Menge der Scan-Ziele (#0106, ADR-0026): abgeleitet, nicht gepflegt.
      # Der Exporter bildet sie, weil er fuer die Deckungsmetrik ohnehin BEIDE
      # Mengen kennen muss - ein zweiter Ort waere eine zweite Wahrheit.
      - TARGETS_FILE=/targets/targets.txt
      - PROMETHEUS_URL=http://prometheus:9090
      - REGISTRY_HOST=rohana.axion1337.de
      # Reichweite (Entscheidung sorb 2026-08-21, Option C): Bestand plus die
      # letzten drei Fassungen je Repo - so weit, wie ein Rollback zielt.
      - REGISTRY_TAGS_JE_REPO=3
      # Nicht je Scrape herleiten: bei 15 s waeren das ~21 000
      # Registry-Anfragen am Tag; eine Runde kostet ~90.
      - SOLL_INTERVALL_SEKUNDEN=3600
      # Entschiedene CRITICAL-Befunde (#0051). Liegt im selben ./cve-Ordner,
      # der hier als /app eingehaengt ist - ausdruecklich gesetzt, damit man
      # die Datei findet, ohne den Vorgabewert im Quelltext zu suchen.
      - ENTSCHEIDUNGEN_FILE=/app/entscheidungen.json
    volumes:
      - ./cve:/app:ro
      - cve_results:/results:ro
      - cve_exporter_state:/state
      - cve_targets:/targets
    command: python3 /app/cve-exporter.py
    networks:
      - traefik

  loki:
    image: grafana/loki:3.7.1
    container_name: loki
    restart: unless-stopped
    volumes:
      - ./loki:/etc/loki:ro
      - loki_data:/loki
    command: -config.file=/etc/loki/loki-config.yaml
    # Port 3100 oeffentlich: externe Alloys pushen Logs hierher.
    # Ebenfalls per Firewall auf bekannte Absender-IPs einschraenken.
    ports:
      - "3100:3100"
    networks:
      - traefik

  alloy:
    image: grafana/alloy:v1.16.0
    container_name: alloy
    restart: unless-stopped
    volumes:
      - ./alloy:/etc/alloy:ro
      - /var/log:/var/log:ro
      - /var/lib/docker/containers:/var/lib/docker/containers:ro
      - /var/run/docker.sock:/var/run/docker.sock:ro
      # Muss persistent sein, sonst ist die Positions-Datei nach jedem
      # Recreate weg und Alloy liest alle Container-Logs von vorn. Loki
      # weist die alten Eintraege dann ab (reject_old_samples, Default 7d).
      - alloy_data:/var/lib/alloy
    command: run --storage.path=/var/lib/alloy/data /etc/alloy/config.alloy
    cap_add:
      - DAC_READ_SEARCH
      - NET_RAW
    networks:
      - traefik
    depends_on:
      - prometheus
      - loki

  grafana:
    image: grafana/grafana:12.4.9
    container_name: grafana
    restart: unless-stopped
    environment:
      # Greift nur beim allerersten Start mit leerem Volume.
      # Der Live-Admin ist davon unabhaengig (Passwortaenderungen in der UI).
      - GF_SECURITY_ADMIN_USER=${GRAFANA_ADMIN_USER}
      - GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_ADMIN_PASSWORD}
    volumes:
      - grafana_data:/var/lib/grafana
      - ./grafana/provisioning:/etc/grafana/provisioning:ro
      - ./grafana/dashboards:/var/lib/grafana/dashboards:ro
    labels:
      - "traefik.enable=true"
      - "traefik.docker.network=traefik"
      - "traefik.http.routers.grafana.rule=Host(`selendis.axion1337.de`)"
      - "traefik.http.routers.grafana.entrypoints=websecure"
      - "traefik.http.routers.grafana.tls.certresolver=letsencrypt"
      - "traefik.http.services.grafana.loadbalancer.server.port=3000"
    depends_on:
      - prometheus
      - loki
    networks:
      - traefik

  node-exporter:
    image: prom/node-exporter:v1.12.1
    container_name: node-exporter
    restart: unless-stopped
    volumes:
      - /proc:/host/proc:ro
      - /sys:/host/sys:ro
      - /:/rootfs:ro
    command:
      - '--path.procfs=/host/proc'
      - '--path.sysfs=/host/sys'
      - '--path.rootfs=/rootfs'
      - '--web.listen-address=:9100'
      - '--web.disable-exporter-metrics'
    ports:
      - "9100:9100"
    networks:
      - traefik

volumes:
  prometheus_data:
  alertmanager_data:
  matrix_alerts_data:
  release_watch_data:
  cve_results:
  cve_trivy_cache:
  cve_exporter_state:
  cve_targets:
  grafana_data:
  loki_data:
  alloy_data:

networks:
  traefik:
    external: true