Plan du cours
Module 1 : Conception des Microservices
• Une bonne limite de microservice
• Utilisation du Design Orienté Domaine (DDD)
• Alternatives aux limites du domaine métier (Volatilité, Données, Technologie, Organisation)
• Découpage du monolithe
• Décomposition prématurée
• Décomposition par couche
• Utilisation de motifs de décomposition (Strangler, Exécution parallèle, Feature Toggle)
• Considérations relatives à la décomposition des données (Performance, Intégrité, Transactions)
Module 2 : Optimisation de Docker et du Runtime
• Choisir la bonne image de base
• Minimiser le nombre de couches
• Utiliser les builds multi-étapes
• Optimisation des images (tri des arguments multi-lignes, etc.)
• Exploitation du cache de construction
• Épinglage des versions d'image
• Affinage de l'allocation des ressources
• Pratiques de sécurité pour les conteneurs
• Configuration runtime pour la performance
Module 3 : Kubernetes & Stratégies de Release
Aperçu des Déploiements Kubernetes
• Création et exécution d'un déploiement initial
• Options de déploiement Kubernetes
Réalisation de déploiements avec mises à jour progressives (Rolling Updates)
• Compréhension des Rolling Updates
• Création et exécution d'un Rolling Update
• Annulation du déploiement
Réalisation de déploiements Canary
• Compréhension des déploiements Canary
• Création et exécution d'un déploiement Canary
Réalisation de déploiements Blue-Green
• Compréhension des déploiements Blue-Green
• Création et exécution d'un déploiement Blue-Green
Exécution de Jobs et CronJobs
• Création d'un Job et d'un CronJob
Réalisation de tâches de surveillance et de dépannage
• Techniques de dépannage avec kubectl
Module 4 : Automatisation & Efficacité Opérationnelle
Utilisation de Python pour automatiser des tâches courantes dans Kubernetes
• Utiliser Python pour effectuer des opérations administratives dans Kubernetes
• Utiliser Python pour définir des objets de configuration
• Utiliser Python pour créer des objets de déploiement
• Surveiller les événements Kubernetes avec Python
• Mettre à l'échelle un déploiement en utilisant Python
Compréhension des défis liés à l'automatisation des déploiements
• Configuration déclarative avec Kubernetes
• Gestion de l'intégrité de la configuration
Utilisation de l'approche GitOps pour automatiser les déploiements
• Principes de GitOps
• Introduction à Flux
• Installation de Flux sur un cluster Kubernetes
Configuration de Flux pour des déploiements automatisés
• Utilisation des notifications
• Structure du dépôt Source
Gestion des mises à jour d'applications avec l'automatisation des images
• Mise à jour d'un déploiement d'application avec Flux
• Analyse des référentiels d'images de conteneurs pour les tags
• Définition d'une politique de sélection de la dernière image
• Configuration de Flux pour effectuer des mises à jour automatiques d'images
Module 5 : Observabilité & Clarté des Causes Racines
Capacités de journalisation et de traçage dans Kubernetes
• Pourquoi la journalisation et le traçage sont importants
• Accès aux journaux Kubernetes
• Journaux des Pods et Conteneurs
• Journaux du plan de contrôle (Control Plane)
• Utilisation des ressources par les nœuds et les pods
Récupération et analyse des journaux
• Agrégation des journaux
• Visualisation des journaux
Traçage distribué dans Kubernetes
• Qu'est-ce que le traçage distribué
• Utilisation d'OpenTelemetry
• Outils de traçage distribué
• Instrumentation d'une application
• Utilisation du traçage pour identifier les problèmes de performance
Surveillance avec Prometheus et Grafana
• Concepts d'observabilité
• Outils de surveillance
• Utilisation de l'instrumentation Prometheus
Cas d'utilisation avancés pour la journalisation
• Traitement des journaux
• Filtrage et enrichissement des journaux
• Event Sourcing
Module 6 : Simulation de Crise de Cluster & Réponse aux Incidents
• Compréhension des différents types de pannes dans un environnement cluster
• Simulation de pannes de nœuds
• Scénario d'éviction des Pods & épuisement des ressources
• Problèmes réseau
• Pannes DNS et gestion des timeouts d'application
• Simulation d'une panne du serveur API
• Simulation de trafic élevé pour la stabilité du système
• Pannes de stockage
• Erreurs de configuration
• Compréhension des procédures de rapport d'incidents
Module 7 : IA au service du dépannage
• Avantages de l'IA générative pour Kubernetes
• Architecture de la CLI K8sGPT
• Installation de la CLI K8sGPT
• Commandes et utilisation de K8sGPT
• Utilisation des analyseurs K8sGPT (podAnalyzer, pvcAnalyzer, rsAnalyzer, etc.)
• Analyse du cluster avec K8sGPT
• Analyse des problèmes en temps réel avec K8sGPT
• Opérateur in-cluster pour K8sGPT
Pré requis
- Connaissances de base de la ligne de commande Linux
- Expérience en développement d'applications ou en administration système
- Familiarité avec les conteneurs (concepts Docker)
- Compréhension de base des concepts Kubernetes (pods, déploiements, services)
- Connaissance générale de l'architecture logicielle (par ex. API, microservices)
Audience cible :
- Ingénieurs DevOps
- Ingénieurs SRE (Site Reliability Engineering)
- Développeurs Backend / Logiciels travaillant avec des microservices
- Ingénieurs Cloud et Ingénieurs Plateforme
-
Administrateurs système évoluant vers des environnements Kubernetes
Nos clients témoignent (2)
Craig était très impliqué dans la formation, toujours en s'assurant que nous prêtions attention, en adaptant les exemples à nos activités quotidiennes et en fournissant une réponse chaque fois qu'on lui posait une question, même si l'information n'était pas incluse dans la présentation.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Formation - DevOps Foundation®
Traduction automatique
Niveau élevé d’engagement et de connaissances du formateur
Jacek - Softsystem
Formation - DevOps Engineering Foundation (DOEF)®
Traduction automatique
