fix(stack): bring-up fixes from first local deployment

- traefik pin v3.3 -> v3.6: v3.3's old docker client fails against
  Engine 29 socket proxy (empty daemon errors, no routers)
- backend/minio/chatbot/umami: traefik.docker.network hint — Traefik
  picked the internal-network IP for multi-network services and replies
  were hairpin-dropped (all backend routes hung)
- db-init: psql needs an explicit -d arameshplaza (no default db 'aramesh'),
  set -e so failures actually fail; one-shot folded-YAML needs semicolons
- chatbot image: drop g++ (apt unreachable in build network; all wheels
  prebuilt) and mkdir /data before chown (VOLUME does not create it)
- frontend image: create caddy user (alpine image has none) with writable
  /config and /data
- monitoring: blackbox probes replace raw metric scrapes of JSON/HTML
  health endpoints (they reported 'down' while healthy); blackbox joins
  edge; SITE_URL passed via env (Prometheus has no ${VAR:-default}
  expansion); ContainerMemoryNearLimit PromQL fixed (comparison inside
  label braces); HostDiskAlmostFull filters WSL/Docker-Desktop
  pseudo-mounts
- alertmanager: config rendered by stack.sh (no env expansion in AM) and
  delivered to Bale (tapi.bale.ai); stack.sh monitoring command
- machine-local override: minio console/API moved to 29001/29000

chatbot/Dockerfile

@@ -3,11 +3,8 @@ FROM python:3.11-slim
 
 WORKDIR /srv
 
-# وابستگی‌های سیستمی برای numpy/scikit-learn
+# همهٔ وابستگی‌های سنگین (numpy/scikit-learn/torch/psycopg) ویل prebuilt دارند —
-RUN apt-get update && apt-get install -y --no-install-recommends \
+# بدون کامپایلر؛ دسترسی apt در شبکهٔ بیلد قابل‌اعتماد نیست
-    g++ \
-    && rm -rf /var/lib/apt/lists/*
-
 COPY requirements.txt /srv/chatbot/requirements.txt
 RUN pip install --no-cache-dir -r /srv/chatbot/requirements.txt
 
@@ -20,6 +17,7 @@ VOLUME /data
 
 # کاربر بدون دسترسی root — فقط /data باید نوشتنی باشد (کش مدل‌ها)
 RUN useradd --system --create-home appuser \
+    && mkdir -p /data \
     && chown -R appuser:appuser /srv/chatbot /data
 USER appuser
 

docker-compose.monitoring.yml

@@ -27,6 +27,9 @@ services:
       - ./monitoring/prometheus:/etc/prometheus:ro
       - prometheus_data:/prometheus
     networks: [monitoring, edge]
+    environment:
+      # پروب عمومی — در تولید SITE_URL در .env تنظیم می‌شود (مثل https://aramesh.example)
+      SITE_URL: ${SITE_URL:-http://frontend/}
     healthcheck:
       test: ["CMD", "wget", "-q", "--spider", "http://localhost:9090/-/healthy"]
       interval: 30s
@@ -108,7 +111,8 @@ services:
     image: prom/blackbox-exporter:v0.25.0
     restart: unless-stopped
     logging: *default-logging
-    networks: [monitoring]
+    # edge برای رسیدن به سرویس‌هایی که پروب می‌شوند (frontend/minio/umami/chatbot/backend)
+    networks: [monitoring, edge]
     deploy:
       resources:
         limits:

docker-compose.yml

@@ -19,7 +19,9 @@ services:
   # نقطه ورود واحد — مسیریابی / (سایت استاتیک)، /api (بک‌اند)، /media (MinIO)،
   # /chat (چت‌بات)، / (آنالیتیکس روی analytics.localhost — پایین همین فایل)
   traefik:
-    image: traefik:v3.3
+    # v3.3+ قدیمی‌ترین کلاینت داکر را دارد که با Engineهای جدید (API 1.5x) مشکل دارد —
+    # با v3.6 پین شده است
+    image: traefik:v3.6
     restart: unless-stopped
     logging: *default-logging
     command:
@@ -96,6 +98,8 @@ services:
       - "19000:9000"
     labels:
       - traefik.enable=true
+      # Traefik باید IP لبه را بگیرد — سرویس روی دو شبکه است
+      - traefik.docker.network=aramesh-backend_edge
       - traefik.http.routers.media.rule=PathPrefix(`/media`)
       - traefik.http.routers.media.entrypoints=web
       - traefik.http.routers.media.priority=100
@@ -154,9 +158,11 @@ services:
     logging: *default-logging
     entrypoint: >
       /bin/sh -c "
+      set -e;
       for DBN in umami aramesh_chatbot; do
-        psql -tAc \"SELECT 1 FROM pg_database WHERE datname='$$DBN'\" | grep -q 1 ||
+        if ! psql -d arameshplaza -tAc \"SELECT 1 FROM pg_database WHERE datname='$$DBN'\" | grep -q 1; then
-        psql -c \"CREATE DATABASE $$DBN\";
+          psql -d arameshplaza -c \"CREATE DATABASE $$DBN\";
+        fi;
         echo \"db-init: $$DBN ready\";
       done
       "
@@ -198,6 +204,8 @@ services:
       start_period: 20s
     labels:
       - traefik.enable=true
+      # Traefik باید IP لبه را بگیرد — سرویس روی دو شبکه است
+      - traefik.docker.network=aramesh-backend_edge
       - traefik.http.routers.api.rule=PathPrefix(`/api`)
       - traefik.http.routers.api.entrypoints=web
       - traefik.http.routers.api.priority=100
@@ -268,6 +276,8 @@ services:
         condition: service_completed_successfully
     labels:
       - traefik.enable=true
+      # Traefik باید IP لبه را بگیرد — سرویس روی دو شبکه است
+      - traefik.docker.network=aramesh-backend_edge
       - traefik.http.routers.chat.rule=PathPrefix(`/chat`)
       - traefik.http.routers.chat.entrypoints=web
       - traefik.http.routers.chat.priority=100
@@ -303,6 +313,8 @@ services:
       start_period: 60s
     labels:
       - traefik.enable=true
+      # Traefik باید IP لبه را بگیرد — سرویس روی دو شبکه است
+      - traefik.docker.network=aramesh-backend_edge
       - traefik.http.routers.analytics.rule=Host(`analytics.localhost`)
       - traefik.http.routers.analytics.entrypoints=web
       - traefik.http.services.analytics.loadbalancer.server.port=3000

frontend/Dockerfile

@@ -4,6 +4,13 @@
 
 FROM caddy:2-alpine
 
+# نسخهٔ alpine کاربر caddy ندارد — اینجا ساخته می‌شود؛ /config و /data مسیرهای
+# storage سی‌دی هستند و باید برای کاربر نوشتنی باشند
+RUN addgroup -S caddy \
+    && adduser -S -G caddy -s /sbin/nologin caddy \
+    && mkdir -p /config /data \
+    && chown -R caddy:caddy /config /data
+
 COPY Caddyfile /etc/caddy/Caddyfile
 COPY --chown=caddy:caddy dist /srv
 

monitoring/prometheus/alerts.yml

@@ -5,6 +5,7 @@ groups:
   - name: aramesh-availability
     rules:
       - alert: ServiceDown
+        # سرویس‌های دارای متریک (backend/traefik/exporters) — بقیه با ProbeFailing پوشش می‌شوند
         expr: up == 0
         for: 2m
         labels:
@@ -13,6 +14,15 @@ groups:
           summary: "{{ $labels.job }} پاسخ نمی‌دهد"
           description: "سرویس {{ $labels.job }} ({{ $labels.instance }}) حداقل ۲ دقیقه پایین است."
 
+      - alert: ProbeFailing
+        expr: probe_success == 0
+        for: 2m
+        labels:
+          severity: critical
+        annotations:
+          summary: "پروب {{ $labels.job }} ناموفق است"
+          description: "سرویسِ پشت پروب {{ $labels.instance }} حداقل ۲ دقیقه پاسخ نمی‌دهد."
+
       - alert: BackendHealthFailing
         expr: probe_success{job="blackbox-internal-health"} == 0
         for: 2m
@@ -34,8 +44,9 @@ groups:
   - name: aramesh-resources
     rules:
       - alert: HostDiskAlmostFull
+        # Docker Desktop/WSL سوارهای تکراری می‌سازد — فقط مسیرهای واقعی دیده می‌شوند
         expr: |
-          1 - (node_filesystem_avail_bytes{fstype!~"tmpfs|overlay|squashfs"} / node_filesystem_size_bytes{fstype!~"tmpfs|overlay|squashfs"}) > 0.85
+          1 - (node_filesystem_avail_bytes{fstype!~"tmpfs|overlay|squashfs", mountpoint!~"/run/desktop.*|/parent-distro.*|/usr/lib/wsl.*|/mnt/wsl.*"} / node_filesystem_size_bytes{fstype!~"tmpfs|overlay|squashfs", mountpoint!~"/run/desktop.*|/parent-distro.*|/usr/lib/wsl.*|/mnt/wsl.*"}) > 0.85
         for: 5m
         labels:
           severity: warning
@@ -54,8 +65,9 @@ groups:
 
       - alert: ContainerMemoryNearLimit
         expr: |
-          container_memory_usage_bytes{image!="", container!="", container_spec_memory_limit_bytes > 0}
+          (container_memory_usage_bytes{image!="", container!=""}
-            / container_spec_memory_limit_bytes{container!="", container_spec_memory_limit_bytes > 0} > 0.9
+            / container_spec_memory_limit_bytes{image!="", container!=""} > 0.9)
+          and (container_spec_memory_limit_bytes{image!="", container!=""} > 0)
         for: 10m
         labels:
           severity: warning

monitoring/prometheus/prometheus.yml

@@ -39,26 +39,49 @@ scrape_configs:
     static_configs:
       - targets: ["postgres-exporter:9187"]
 
-  # سلامت مستقیم سرویس‌ها — up == 0 یعنی آن سرویس پایین است
+  # سلامت سرویس‌های بدون متریک — با پروب blackbox (پاسخ JSON/HTML قابل اسکرپ نیست)
-  - job_name: frontend
+  # نتیجه: probe_success (۱ = سالم، ۰ = پایین) — هشدار ProbeFailing پوشش می‌دهد
-    metrics_path: /
+  - job_name: blackbox-frontend
+    metrics_path: /probe
+    params:
+      module: [http_2xx]
     static_configs:
-      - targets: ["frontend:80"]
+      - targets:
+          - http://frontend/
+    relabel_configs: &blackbox_relabel
+      - source_labels: [__address__]
+        target_label: __param_target
+      - source_labels: [__param_target]
+        target_label: instance
+      - target_label: __address__
+        replacement: blackbox-exporter:9115
 
-  - job_name: minio
+  - job_name: blackbox-minio
-    metrics_path: /minio/health/live
+    metrics_path: /probe
+    params:
+      module: [http_2xx]
     static_configs:
-      - targets: ["minio:9000"]
+      - targets:
+          - http://minio:9000/minio/health/live
+    relabel_configs: *blackbox_relabel
 
-  - job_name: umami
+  - job_name: blackbox-umami
-    metrics_path: /api/heartbeat
+    metrics_path: /probe
+    params:
+      module: [http_2xx]
     static_configs:
-      - targets: ["umami:3000"]
+      - targets:
+          - http://umami:3000/api/heartbeat
+    relabel_configs: *blackbox_relabel
 
-  - job_name: chatbot
+  - job_name: blackbox-chatbot
-    metrics_path: /chat/healthz
+    metrics_path: /probe
+    params:
+      module: [http_2xx]
     static_configs:
-      - targets: ["chatbot:8000"]
+      - targets:
+          - http://chatbot:8000/chat/healthz
+    relabel_configs: *blackbox_relabel
 
   # پروب بیرون‌نگر — سلامت واقعی /api/health (بخش عمق: DB و MinIO را می‌آزماید)
   # و در تولید، آدرس عمومی سایت (SITE_URL از .env — پشتیبانی متغیر محیطی Prometheus)
@@ -69,13 +92,7 @@ scrape_configs:
     static_configs:
       - targets:
           - http://backend:8000/api/health
-    relabel_configs: &blackbox_relabel
+    relabel_configs: *blackbox_relabel
-      - source_labels: [__address__]
-        target_label: __param_target
-      - source_labels: [__param_target]
-        target_label: instance
-      - target_label: __address__
-        replacement: blackbox-exporter:9115
 
   - job_name: blackbox-public
     metrics_path: /probe
@@ -83,5 +100,7 @@ scrape_configs:
       module: [http_2xx]
     static_configs:
       - targets:
-          - ${SITE_URL:-http://frontend/}
+          # مقدار پیش‌فرض در docker-compose.monitoring.yml تنظیم می‌شود
+          # (Prometheus سینتکس ${VAR:-default} را پشتیبانی نمی‌کند)
+          - ${SITE_URL}
     relabel_configs: *blackbox_relabel