MQAnalyzer

Cosa fa

MQAnalyzer e' una piattaforma enterprise, web e multi-tenant, per gestire e
monitorare le infrastrutture di messaging IBM MQ da un'unica "single pane of
glass". Sostituisce i tool desktop mono-utente con una console accessibile da
browser, pensata per team che operano decine di Queue Manager su ambienti
DEV/TEST/PROD, con isolamento per organizzazione e controllo degli accessi
granulare.

Il suo differenziatore e' il Message Store + Resend: i messaggi vengono
persistiti con compressione automatica, resi ricercabili in full-text e
ri-iniettabili sulla coda originale. E' la funzione che abilita audit, debug e
analisi forensi, e che i tool concorrenti non offrono.

Funzionalita' chiave

• Monitoraggio in tempo reale di Queue Manager e code (profondita', throughput, eta' messaggi) con feed WebSocket.
• Message Store con compressione (zstd), ricerca full-text del payload e re-injection sulla coda originale.
• Analytics su serie temporali con trend, top code, heatmap di utilizzo e rilevamento automatico delle anomalie.
• Alerting proattivo con regole configurabili (queue depth, QM down, connection error, anomalie) e notifiche multi-canale.
• Motore di workflow per automatizzare operazioni ricorrenti (es. retry notturno dei messaggi falliti) con trigger cron o webhook.
• Amministrazione IBM MQ (creazione/modifica di code, canali, listener) con configuration history e audit trail.
• Integrazione nativa con Spazio Primeur: monitoraggio trasferimenti file, work queue e correlazione end-to-end con i messaggi MQ.
• Multi-tenancy nativa con RBAC a quattro ruoli (superadmin, tenant-admin, operator, viewer) e audit log per ogni azione.
• Autenticazione federata via Keycloak (OIDC/SAML, AD/LDAP/Okta) con MFA e API key.
• Integrazioni con N8N, Zapier, Make.com e Power Automate tramite webhook inbound/outbound e REST API OpenAPI.

Architettura

Applicazione web moderna, async-first. Frontend Angular (SPA, standalone
components) con autenticazione OIDC PKCE e aggiornamenti real-time via WebSocket.
Backend FastAPI (Python 3.12, async) che espone REST /api/v1 e un layer di
astrazione a plugin per i provider broker (IBM MQ via pymqi in produzione;
RabbitMQ/Kafka/ActiveMQ in roadmap). Persistenza su un unico PostgreSQL 16 con
estensione TimescaleDB: le metriche vivono come hypertable time-series accanto ai
dati relazionali, per query SQL uniche e JOIN nativi. Redis 7 per cache e pub/sub
WebSocket; job in background con APScheduler in-process. Autenticazione delegata a
Keycloak (federazione AD/LDAP/Okta). Credenziali broker cifrate at-rest (Fernet),
audit log su ogni mutating action, observability integrata con OpenTelemetry.
Deploy on-prem via Docker Compose o in HA su Kubernetes (Helm chart), con immagini
firmate (cosign).

Requisiti

• OS host backend: Linux (Debian/RHEL) o Windows Server 2022; container-friendly (Docker Engine 24+ / Kubernetes).
• Runtime: Python 3.12+ (backend, gestito da uv); Node.js 20 LTS solo a build-time del frontend.
• Database: PostgreSQL 16.x con estensione TimescaleDB >= 2.13.
• Cache / pub-sub: Redis 7.x (o Memurai 4.x su Windows).
• Identity provider: Keycloak 24.x+ (consigliato 26.x) con realm dedicato, per OIDC/SAML e federazione AD/LDAP/Okta.
• Provider IBM MQ: IBM MQ Client libraries >= 9.2 (pymqi); accesso ai Queue Manager sulla porta 1414 (default).
• Risorse minime backend: 2 vCPU e 2 GB RAM per replica (4 GB consigliati); ~50 GB storage DB per ~1M messaggi nel Message Store.
• TLS obbligatorio in produzione (terminato dal reverse proxy nginx/Traefik/Caddy).