Mój nowy HomeLab. Mniej VM, więcej sensu.

Stary lab już nie istnieje. Około 30 VM na Hyper-V. Sporo praktyki z Windowsem, Linuksem, infrastrukturą i wirtualizacją. Do tego sporo rzeczy ustawionych ręcznie, których wolałbym nie odtwarzać z pamięci.

Zacząłem go odbudowywać, po drodze zmieniłem zdanie i poszedłem w inną stronę. Tak powstaje HomeLab 3.0.

Mniejsza platforma, konkretny cel

Chcę małego środowiska, w którym poćwiczę DevOps, SRE i platform engineering. Coś wdrożyć, obserwować, zepsuć, odzyskać i zbudować ponownie z kodu.

Nowy fundament opieram na VMware. Azure DevOps Services, lokalne pule agentów Linux i narzędzia AI zaczynają tworzyć proces wdrażania. Reszta jest w budowie. Diagram pokazuje kierunek, nie listę usług, które już wszystkie działają.

Wokół czego to buduję

• Infrastruktura jako kod: Terraform, Bicep i Ansible. Wersjonowane definicje i powtarzalna konfiguracja.
• Kontenery i GitOps: Kubernetes albo k3s, do tego Argo CD. Droga od commitu do deploymentu, również z rollbackiem.
• Observability: Grafana, Prometheus, Alloy, VictoriaMetrics i VictoriaLogs. Metryki i logi mają pomagać zrozumieć, co się wydarzyło.
• Projekty AI: lokalne LLM, LangGraph, Qdrant i Neo4j. Własna platforma pod agentów, wyszukiwanie kontekstu i eksperymenty.
• Obserwacja procesów AI: OpenTelemetry i kontekst operacyjny potrzebny do zrozumienia działania automatyzacji.
• Odtwarzanie: deploymenty, scenariusze awarii i odbudowa. Lepiej sprawdzić to wtedy, gdy konsekwencją jest tylko zepsuty lab.

Na jakim jestem etapie

Odbudowuję fundament i uruchamiam proces oparty na Azure DevOps. Kubernetes, GitOps, szersze observability i lokalna platforma AI to kolejne obszary rozwoju. Będę opisywać działające elementy po ich wdrożeniu i sprawdzeniu.

Diagram pokazuje planowane warstwy i aktualny kierunek VMware. To struktura, do której zmierzam, a nie deklaracja, że wszystkie usługi już działają.

AI w zestawie narzędzi

GPT i Claude pomagają w przeglądach architektury, kodzie infrastruktury i automatyzacji. Wymagania określam ja, zmiany sprawdzam ja i za efekt też odpowiadam ja.

W projekcie automatyzacji AI uwzględniam zatwierdzanie przez człowieka, dry-run i rollback. Te mechanizmy trzeba wdrożyć i przetestować, zanim agent dostanie możliwość wykonania destrukcyjnej operacji.

Co dalej

Doprowadzić fundament i agentów do powtarzalnego stanu. Zbudować pierwszą ścieżkę wdrożenia. Dodać telemetrię, żeby było widać, co się dzieje. Potem sprawdzić, co się stanie, kiedy coś przestanie działać.

Po drodze na pewno będą zepsute klastry. W końcu od tego jest lab.

Oryginalny wpis na LinkedIn