devops
be3e5c2a4c
5 playbooks nuevos en docs/playbooks/ del portal: - SQLite en modo DELETE causando SQLITE_BUSY, por que WAL lo resuelve. - Anchors YAML no soportados por el parser de Gitea Actions, incluido el diagnostico equivocado inicial (indentacion) que se corrigio despues -- documentado con honestidad como leccion de proceso. - Docker-in-Docker vs sibling containers, y por que Semgrep corre nativo en un venv en vez de como container aparte. - El SNI/realm HTTP del tunel rompiendo especificamente a Cosign (docker push funcionaba, cosign sign no), conectado con el incidente ya documentado del 504 -- misma capa de ingress, dos fallas distintas. - Contencion de recursos entre Gitea y su runner: causa raiz real confirmada en vivo durante esta misma sesion (ambos contenedores reiniciados a mitad de un build, sin limites de CPU/memoria reales), con fix propuesto (ver rama fix/gitea-runner-resource-limits en scripts/) pendiente de aplicacion manual. Se actualiza el playbook del 504 para linkear hacia el nuevo hallazgo de contencion, cerrando el loop que habia quedado abierto ahi. cosign.md: nueva seccion "Limitaciones conocidas y mejoras futuras" con los dos TODO reales -- firma por tag en vez de digest (con el warning real de Cosign visto en los logs) y transparency log de Rekor deshabilitado, explicado en simple. index.md: tabla resumen de los 3 pipelines (imagen + adaptacion de Semgrep por stack), diagrama generalizado para reflejar que es el mismo patron en los 3 workflows, y "que falta" actualizado. Validado con mkdocs build --strict (0 errores, 0 warnings) antes de commitear.
3.8 KiB
Incidente: 504 Gateway Timeout intermitente (túnel QUIC inestable) (2026-08)
!!! info "Origen"
Migrado desde apps-registry/docs/playbooks/incidente-cloudflared-504-quic-2026-08.md.
Contenido técnico preservado sin cambios de fondo — solo formato adaptado a MkDocs Material.
| Ventana del incidente | Intermitente durante varias horas, 2026-08 |
| Servicio afectado | cloudflared (túnel de Cloudflare, app nativa de ZimaOS, red Host) — afecta a todos los subdominios detrás del mismo túnel (gitea.cruzcloud.net, commerce.cruzcloud.net, shop.cruzcloud.net, media.cruzcloud.net, Immich, Argo CD, Memos, etc.) |
| Impacto | 504 Gateway Timeout intermitente en peticiones HTTP a cualquier host detrás del túnel, sin patrón evidente de horario ni de carga |
Síntoma
gitea.cruzcloud.net devolvía 504 Gateway Timeout de forma
intermitente. El mismo síntoma se observaba en otros hosts servidos por
el mismo túnel, lo que apuntaba a una causa compartida a nivel de
túnel, no de una app individual.
Diagnóstico
docker logs -f cloudflared 2>&1 | grep -i -E "connIndex|protocol|retry"
Reveló un patrón sostenido durante horas: la conexión connIndex=2
(de las 4 conexiones que cloudflared mantiene hacia el edge de
Cloudflare) sufría fallos recurrentes de "control stream" cada 2-6
minutos, reconectándose en loop:
control stream encountered a failure while serving
Retrying connection in up to 1m4s
Cuando una petición HTTP coincidía con el instante exacto de una de
esas caídas de connIndex=2, el cliente recibía el 504.
Causa raíz
El contenedor cloudflared (imagen oficial cloudflare/cloudflared:latest)
usaba QUIC (UDP) como protocolo de transporte por defecto para sus
4 conexiones hacia el edge de Cloudflare. Una de esas conexiones
presentaba fallos de control stream recurrentes durante horas.
!!! warning "Causa de fondo probable" Inestabilidad de UDP/QUIC en la red local (NAT/firewall doméstico). QUIC es más sensible que TCP/HTTP2 a NATs agresivos o middleboxes que no manejan bien tráfico UDP de larga vida — un patrón común en redes domésticas, a diferencia de datacenters con NAT dedicado para este tipo de tráfico.
Fix aplicado
Se agregó la variable de entorno TUNNEL_TRANSPORT_PROTOCOL=http2 en
la configuración del contenedor cloudflared (app ZimaOS → Ambiente →
variables), forzando HTTP/2 sobre TCP en vez de QUIC/UDP.
Tras reiniciar el contenedor, el precheck de cloudflared confirmó:
Environment is healthy. cloudflared will use 'http2' as primary protocol.
y las 4 conexiones pasaron a protocol=http2.
Ver también el ADR correspondiente: 0003 — Por qué HTTP/2 sobre QUIC.
Validación
Curl en loop contra gitea.cruzcloud.net tras el cambio: latencia
estable ~0.37–0.4s sostenida por 24+ minutos sin un solo 504.
!!! note "Degradación puntual no relacionada, pendiente de vigilar"
Durante la ventana de validación se observó una ventana breve de
latencia alta (hasta 39s) y algunos 502/530, coincidiendo con
una ejecución pesada de Gitea Actions (build/deploy de Medusa) en
el mismo host. Esto es contención de recursos local (CPU/IO del
host compitiendo entre el runner de Actions y el resto de los
servicios), no relacionado al fix de protocolo del túnel — no
se reabrió como parte de este incidente.
**Actualización 2026-08-15:** sí fue recurrente — ver
[contención de recursos entre Gitea y su runner](incidente-contencion-recursos-gitea-runner-2026-08.md)
para la causa raíz confirmada (ninguno de los dos contenedores
tiene límites de recursos reales) y la propuesta de fix.