Runtime Analytics — Diagnostico y Correccion de Metricas

El AI-LAB Command Center (/ops/) mostraba metricas incorrectas:

• Health Score en 20/critical en vez de ~70/good
• 0/2 GPUs y 0/2 nodos online cuando ambos nodos GPU estaban operativos
• “Gateway down” y “High latency” como razones del health score

El fichero cluster_state.json contiene dos listas distintas de nodos:

• nodes[] — usada por el heartbeat/exponential backoff. Los nodos se marcan como online: false y status: "backoff_skip" tras fallos consecutivos, incluso cuando ya estan operativos de nuevo.
• discovered_nodes[] — generada por el descubrimiento periodico. Contiene el estado real de cada nodo con latencia, modelos y capacidades.

health_score.py y runtime_analytics.py leian de nodes[], obteniendo siempre 0 nodos online.

Ambos modulos ahora leen de discovered_nodes[] con fallback a nodes[]:

discovered = state.get("discovered_nodes", [])
nodes = discovered if discovered else state.get("nodes", [])

health_score.py verificaba el gateway con:

curl http://localhost:8008/health  # -> HTTP 404

El gateway OpenAI-compatible no tiene endpoint /health. La raiz / tambien devuelve 404. El chequeo fallaba siempre, restando -15 puntos con la razon “Gateway down”.

Cambiado a /metrics que es un endpoint real del gateway:

curl http://localhost:8008/metrics  # -> HTTP 200

El get_aggregated() en runtime_analytics.py usaba state.get("nodes", []) (mismo problema que Bug 1), por lo que el dashboard mostraba “Nodos Online: 0” y “Total: 0”.

Misma correccion que Bug 1: usar discovered_nodes prioritariamente.

• runtime/analytics/health_score.py — corregido acceso a nodos + endpoint health check
• runtime/analytics/runtime_analytics.py — corregido acceso a nodos
• runtime/state/live_api.py — anadido handler CORS do_OPTIONS para peticiones cross-origin

Health Score: 70/good (antes 20/critical) GPUs online: 2/2 Nodos online: 2/3 (1 nodo 1.250 offline por configuracion) Razones: ninguna