ZB.
← Retour aux projets

PROJET PERSONNEL / INFRASTRUCTURE

Homelab & auto-hébergement.

Conception et administration de mon infrastructure personnelle autour d'un Raspberry Pi 5. Un environnement concret pour expérimenter Linux, les services réseau et l'auto-hébergement.

LinuxAdministration systèmeDockerCaddyTailscaleRaspberry Pi 5

01 / CONTEXTE

Présentation du projet

Passionné par Linux et l'administration système, j'ai mis en place mon propre homelab autour d'un Raspberry Pi 5 afin de disposer d'un environnement concret pour expérimenter et progresser.

Cette infrastructure me permet d'héberger plusieurs services à l'aide de Docker, d'administrer leur fonctionnement et d'approfondir mes connaissances en réseaux, en sécurité et en gestion de serveurs.

J'utilise notamment Caddy comme reverse proxy, Tailscale pour l'accès distant privé et une solution de supervision reposant sur Prometheus et Grafana pour suivre le fonctionnement de mes services.

02 / ARCHITECTURE

Architecture de l'infrastructure

Une vue logique des principaux composants de mon homelab : hébergement, accès distant, exposition des services et supervision.

HOMELAB / INFRASTRUCTURE

Raspberry Pi 5

Linux · Docker

Services et accès
Linux / systemd

Accès distant

Réseau privé pour accéder à mon infrastructure.

Tailscale

Service systemd · Système hôte

Détails techniques

Rôle : Permettre un accès distant privé au Raspberry Pi à travers un réseau VPN mesh.

Exécution : Agent tailscaled installé directement sur Linux et géré par systemd.

Démarrage : Service activé au démarrage du système.

Environnement Docker

Services web

Routage des requêtes HTTPS vers les services hébergés.

Caddy · HTTPS · TLS
Détails techniques

Rôle : Reverse proxy pour les services web hébergés sur mon infrastructure.

Exécution : Conteneur Docker nommé portfolio-caddy.

Ports : 80 (HTTP) et 443 (HTTPS).

Sécurité : Utilisation de HTTPS et TLS pour les connexions web.

Docker Compose

Supervision et observabilité

Collecte de métriques et visualisation de l'état de l'infrastructure.

Prometheus
Grafana
Détails techniques

Prometheus : Collecte et stocke les métriques permettant de superviser l'infrastructure.

Grafana : Permet de consulter et de visualiser les métriques à travers des tableaux de bord.

Déploiement : Services conteneurisés et gérés avec Docker Compose.

Ports configurés : 9090 pour Prometheus et 3000 pour Grafana.

VUE LOGIQUE SIMPLIFIÉE

03 / EXPLOITATION

Administration et exploitation

Au-delà du déploiement des services, ce homelab constitue un environnement pratique pour administrer Linux, superviser les conteneurs et comprendre le fonctionnement d'une infrastructure.

Gestion des conteneurs

Administration des services Docker, consultation des états et des journaux pour diagnostiquer les incidents.

docker ps

Supervision

Collecte de métriques avec Prometheus, Node Exporter et cAdvisor, visualisation avec Grafana et gestion des alertes avec Alertmanager.

docker logs prometheus

Services système

Vérification des services Linux avec systemd, notamment de l'agent Tailscale utilisé pour l'accès distant privé.

systemctl status tailscaled

INVENTAIRE DOCKER

10 conteneurs actifs

Vérifié le 11 novembre 2026

Applications hébergées

Nextcloud · Vaultwarden

Supervision et alertes

Prometheus · Grafana · Alertmanager · Node Exporter · cAdvisor

Infrastructure et dépendances

Caddy · MariaDB · Redis

04 / RÉSEAU & SÉCURITÉ

Exposition et accès aux services

Une partie de l'administration de mon homelab consiste à comprendre quels ports sont publiés sur le Raspberry Pi et sur quelles interfaces réseau les services sont accessibles.

Services web

Le conteneur Caddy publie ses ports HTTP et HTTPS sur les interfaces réseau du Raspberry Pi.

HTTP80/TCP
HTTPS443/TCP
HTTP/3443/UDP
Écoute : 0.0.0.0 / IPv6

Services liés à localhost

Plusieurs interfaces applicatives sont publiées uniquement sur l'adresse de boucle locale du système hôte.

Prometheus127.0.0.1:9090
Alertmanager127.0.0.1:9093
Grafana127.0.0.1:3000
Vaultwarden127.0.0.1:8085
Publication Docker : interface loopback

Pare-feu Linux

Filtrage réseau avec UFW

UFW est actif sur mon Raspberry Pi. Sa politique par défaut refuse les connexions entrantes et le trafic routé, tout en autorisant les connexions sortantes.

ENTRANT

Deny

SORTANT

Allow

ROUTÉ

Deny

Réseau privé Tailscale

Règles d'autorisation entrantes limitées à l'interface VPN tailscale0.

22 · 8080 · 445 · 139 / TCP

IPv4 et IPv6

Réseau local

Règles d'autorisation entrantes réservées au sous-réseau local 192.168.1.0/24.

22 · 8080 · 445 · 139 / TCP

Réseau IPv4

Ces règles décrivent la configuration UFW observée. Docker gère également ses propres règles de filtrage : la politique UFW ne garantit donc pas, à elle seule, que les ports publiés par les conteneurs sont bloqués.

Ces informations décrivent la publication des ports Docker, et non leur accessibilité réelle depuis Internet. Cette dernière dépend également du pare-feu, du routeur et des mécanismes d'accès distant.

05 / RÉSOLUTION DE PROBLÈMES

Diagnostiquer, comprendre, résoudre.

Administrer une infrastructure implique aussi de rencontrer des dysfonctionnements, d'en identifier les causes et de mettre en place des corrections durables. Voici un exemple concret rencontré sur mon homelab.

INCIDENT 01Résolu

Métriques mémoire Docker indisponibles

Les métriques de consommation mémoire des conteneurs remontaient à 0 B dans les outils de supervision, malgré la présence de services actifs.

LinuxDockercAdvisorGrafanacgroups

01 / SYMPTÔME

Métriques incorrectes

Les outils de supervision ne récupéraient pas correctement l'utilisation mémoire des conteneurs.

02 / DIAGNOSTIC

Configuration des cgroups

L'analyse de la configuration du noyau a révélé la désactivation du contrôleur mémoire des cgroups.

cgroup_disable=memory

03 / CORRECTION

Activation du suivi mémoire

Modification des paramètres de démarrage du noyau, puis redémarrage du Raspberry Pi pour appliquer la configuration.

cgroup_enable=memory cgroup_memory=1

Résultat : métriques fonctionnelles

Après redémarrage, la collecte des métriques mémoire a fonctionné et les valeurs réelles sont redevenues visibles dans la supervision.