monitoring: decouple default profile from optional llm/llm-gpu

Целевой набор профилей compose по умолчанию (media,monitoring) не включает
llm/llm-gpu — job `llm` в prometheus.yml и алерт LlmDown в alerts.yml
закомментированы, иначе Prometheus постоянно логировал бы неудачный скрейп
несуществующего таргета, а LlmDown вечно оставался бы firing. Раскомментировать
оба вместе — на инсталляциях с профилем llm/llm-gpu (пресеты 3-5 install.sh).

Дашборд «Пайплайны пост-обработки» и docs/deploy/monitoring.md обновлены с
пояснением, что большинство панелей показывают «No data» без
transcribe/llm — это ожидаемо, не баг.

deploy/monitoring/alerts.yml

@@ -41,19 +41,22 @@ groups:
       # LLM-сервер (llama.cpp, job `llm` — см. комментарий в prometheus.yml
       # про сетевой алиас `llm`/`llm-gpu`) недоступен. Актуально ТОЛЬКО на
       # инсталляциях с включённым профилем `llm`/`llm-gpu` (пресеты 3–5,
-      # `install.sh`) — на пресетах 1/2 (без AI) таргет `llm:8080` в принципе
+      # `install.sh`) — целевой набор профилей по умолчанию (`media,monitoring`,
-      # не резолвится, и этот алерт будет постоянно активен, если профиль
+      # см. .env.example) их не включает, поэтому правило закомментировано
-      # `monitoring` включён без AI-профиля; для таких инсталляций правило
+      # вместе с job `llm` в prometheus.yml (иначе `up{job="llm"}` не находит
-      # можно отключить (закомментировать) в локальной копии alerts.yml.
+      # ни одной серии — сам по себе закомментированный job уже не даёт этому
-      - alert: LlmDown
+      # алерту сработать, но держать активное правило на несуществующую
-        expr: up{job="llm"} == 0
+      # метрику вводит в заблуждение). Раскомментируйте оба вместе на
-        for: 2m
+      # инсталляциях с профилем `llm`/`llm-gpu`.
-        labels:
+      # - alert: LlmDown
-          severity: critical
+      #   expr: up{job="llm"} == 0
-        annotations:
+      #   for: 2m
-          summary: "LLM-сервер (llama.cpp) недоступен"
+      #   labels:
-          description: >-
+      #     severity: critical
-            Prometheus не может достучаться до llm:8080 дольше 2 минут —
+      #   annotations:
-            суммаризация встанет (задачи будут копиться в очереди summarize,
+      #     summary: "LLM-сервер (llama.cpp) недоступен"
-            см. также алерт QueueGrowing). Проверить
+      #     description: >-
-            `docker compose ps llm` / `llm-gpu` и `docker compose logs llm`.
+      #       Prometheus не может достучаться до llm:8080 дольше 2 минут —
+      #       суммаризация встанет (задачи будут копиться в очереди summarize,
+      #       см. также алерт QueueGrowing). Проверить
+      #       `docker compose ps llm` / `llm-gpu` и `docker compose logs llm`.

deploy/monitoring/grafana/dashboards/pipelines.json

@@ -1,5 +1,6 @@
 {
   "title": "Пайплайны пост-обработки",
+  "description": "Требует профилей compose transcribe/llm (см. .env.example, COMPOSE_PROFILES) — по умолчанию (media,monitoring) большинство панелей будет показывать «No data», это ожидаемо, не баг.",
   "uid": "vidconf-pipelines",
   "editable": false,
   "timezone": "browser",
@@ -104,7 +105,7 @@
     {
       "id": 5,
       "title": "LLM-сервер доступен (job=llm)",
-      "description": "up{job=\"llm\"} — 1, если Prometheus успешно скрейпит llama.cpp (алерт LlmDown, deploy/monitoring/alerts.yml). Актуально только на инсталляциях с профилем llm/llm-gpu (пресеты 3–5).",
+      "description": "up{job=\"llm\"} — 1, если Prometheus успешно скрейпит llama.cpp (алерт LlmDown, deploy/monitoring/alerts.yml). Job llm и алерт LlmDown закомментированы по умолчанию (см. prometheus.yml/alerts.yml) — раскомментируйте оба на инсталляциях с профилем llm/llm-gpu (пресеты 3–5), иначе эта панель показывает «No data».",
       "type": "stat",
       "gridPos": { "h": 4, "w": 6, "x": 0, "y": 16 },
       "datasource": { "type": "prometheus", "uid": "prometheus" },

deploy/monitoring/prometheus.yml

@@ -40,6 +40,14 @@ scrape_configs:
   # которого в сети compose есть сетевой алиас `llm`, см. его определение в
   # deploy/docker-compose.yml) — эти профили взаимоисключающи, поэтому один
   # job без дублирования и без вечно недоступного второго таргета.
-  - job_name: llm
+  #
-    static_configs:
+  # Закомментировано по умолчанию: целевой набор профилей compose —
-      - targets: ["llm:8080"]
+  # `media,monitoring` (см. .env.example, COMPOSE_PROFILES), БЕЗ `llm`/
+  # `llm-gpu` — таргет `llm:8080` в этом случае не резолвится вовсе, и
+  # Prometheus писал бы в лог постоянные ошибки скрейпа, а алерт `LlmDown`
+  # (deploy/monitoring/alerts.yml, тоже закомментирован) вечно оставался бы
+  # firing. Раскомментируйте оба вместе на инсталляциях с профилем
+  # `llm`/`llm-gpu` (пресеты 3–5 install.sh).
+  # - job_name: llm
+  #   static_configs:
+  #     - targets: ["llm:8080"]

docs/deploy/monitoring.md

@@ -19,7 +19,7 @@
 ## 2. Запуск
 
 ```bash
-docker compose -f deploy/docker-compose.yml --profile monitoring up -d
+docker compose -f deploy/docker-compose.yml --env-file .env --profile monitoring up -d
 ```
 
 - Prometheus: http://localhost:9090
@@ -53,32 +53,41 @@ Job `llm` в `prometheus.yml` скрейпит `llm:8080/metrics`
 см. `deploy/docker-compose.yml`) — профили `llm`/`llm-gpu` взаимоисключающи
 по пресету, поэтому один job без дублирования.
 
+**По умолчанию job `llm` закомментирован** в `prometheus.yml` (вместе с
+алертом `LlmDown` в `alerts.yml`) — целевой набор профилей compose
+(`media,monitoring`, см. `.env.example`) не включает `llm`/`llm-gpu`, и
+таргет `llm:8080` не резолвится вовсе. Раскомментируйте job и алерт вместе,
+если инсталляция запущена с профилем `llm`/`llm-gpu` (пресеты 3–5
+`install.sh`) — иначе панель «LLM-сервер доступен» дашборда «Пайплайны
+пост-обработки» будет показывать «No data».
+
 ## 4. Алерты (`deploy/monitoring/alerts.yml`)
 
 | Алерт | Условие | severity |
 |---|---|---|
 | `PipelineFailed` | рост числа сеансов в статусе `failed` за 15 минут | critical |
 | `QueueGrowing` | глубина очереди растёт 15 минут подряд и превышает 10 задач | warning |
-| `LlmDown` | `up{job="llm"} == 0` дольше 2 минут | critical |
+| `LlmDown` | `up{job="llm"} == 0` дольше 2 минут | critical (закомментирован по умолчанию) |
 
 `LlmDown` актуален только на инсталляциях с профилем `llm`/`llm-gpu`
-(пресеты 3–5) — на пресетах 1/2 (без AI) таргет `llm:8080` в принципе не
+(пресеты 3–5) — по умолчанию (профили `media,monitoring`, без AI) правило
-резолвится и алерт будет постоянно активен, если профиль `monitoring`
+закомментировано в `alerts.yml` вместе с job `llm` в `prometheus.yml`.
-включён без AI-профиля; в таком случае правило можно закомментировать в
+Раскомментируйте оба, если поднимаете профиль `llm`/`llm-gpu`.
-локальной копии `alerts.yml`.
 
-Проверка — искусственно завалить пайплайн и убедиться, что алерт срабатывает:
+Проверка (после раскомментирования job/алерта, на инсталляции с профилем
+`llm`/`llm-gpu`) — искусственно завалить пайплайн и убедиться, что алерт
+срабатывает:
 
 ```bash
 # Стек с профилями media, transcribe, llm, monitoring уже поднят,
 # идёт активная суммаризация (сеанс в статусе summarizing).
-docker compose -f deploy/docker-compose.yml stop llm
+docker compose -f deploy/docker-compose.yml --env-file .env stop llm
 # Подождать > 2 минут → Prometheus (http://localhost:9090/alerts)
 # должен показать LlmDown в состоянии firing, следом — QueueGrowing
 # (очередь summarize перестаёт разбираться) и, если сеанс не восстановится
 # за 15 минут (recover_stuck_summaries переставит задачу, workers/celery_app.py),
 # PipelineFailed.
-docker compose -f deploy/docker-compose.yml start llm
+docker compose -f deploy/docker-compose.yml --env-file .env start llm
 ```
 
 ## 5. Хранение