Aller au contenu

Certificats TLS

Deux sources de certificats : Traefik sur le LXC edge (ACME DNS-01, services publics) et cert-manager dans le cluster (ingress interne, ClusterIssuers ACME via webhook DNS).

Symptômes

  • CertExpiry (14 jours) et CertExpiryCritical (3 jours) : un certificat servi par Traefik approche de l'expiration.
  • CertManagerCertExpiry / CertManagerCertNotReady : un Certificate du cluster n'est pas renouvelé ou pas prêt.
  • Les navigateurs affichent une erreur de certificat sur un des sites.

Alertes concernées

Alerte Sévérité Durée Résumé
CertExpiry warning 1h Certificat TLS proche de l'expiration
CertExpiryCritical critical 10m Certificat TLS expirant sous 3 jours
CertManagerCertExpiry warning 1h Certificat cert-manager proche de l'expiration
CertManagerCertNotReady warning 15m Certificat <namespace>/<name> non prêt
Expressions PromQL
# CertExpiry
(traefik_tls_certs_not_after - time()) < 14 * 24 * 3600
# CertExpiryCritical
(traefik_tls_certs_not_after - time()) < 3 * 24 * 3600
# CertManagerCertExpiry
(certmanager_certificate_expiration_timestamp_seconds - time()) < 14 * 24 * 3600
# CertManagerCertNotReady
certmanager_certificate_ready_status{condition="False"} == 1

Diagnostic

# Edge (LXC vmid 210)
docker compose --project-directory /opt/pad/edge logs --since 24h traefik | grep -iE "acme|certificate|error"
echo | openssl s_client -connect ctf.example.net:443 -servername ctf.example.net 2>/dev/null | openssl x509 -noout -dates -subject

# Cluster
export KUBECONFIG="$PWD/.state/kubeconfig"
kubectl get certificate -A
kubectl get certificaterequest,order,challenge -A
kubectl describe certificate -n <ns> <nom> | sed -n '/Events/,$p'
kubectl -n cert-manager logs deploy/cert-manager --tail=50

Remédiation

  1. DNS-01 en échec : le jeton API DNS (OVH) a expiré ou perdu des droits. Créer un nouveau jeton, sops du secret concerné (secrets/edge.sops.yaml pour Traefik, gitops/platform/cert-manager/... pour cert-manager), redéployer (task ansible:services ou commit pour ArgoCD).
  2. Limite de débit de l'autorité ACME : attendre, ne pas boucler sur des retentatives ; utiliser le ClusterIssuer de test pour valider.
  3. Propagation DNS lente : les Challenge restent pending ; vérifier que la zone est bien celle du compte (acme.ovh_endpoint du contrat).
  4. Certificat NotReady : kubectl describe indique la cause (issuer inconnu, webhook indisponible). Supprimer le CertificateRequest bloqué fait relancer l'émission.
  5. Forcer un renouvellement cert-manager : kubectl -n <ns> delete secret <nom-du-secret-tls> (cert-manager le recrée).

Escalade

Un certificat expiré sur ctf ou auth rend la plateforme inaccessible aux joueurs : traiter en urgence. Un certificat interne expiré (Grafana, ArgoCD) ne touche que le staff.

Retour à l'index des runbooks.