Kubernetes


Cursus 28

Les architectures Big Data évoluent avec de nouveaux besoins, comme la scalabilité à la demande ou des déploiements d’applications dans des environnements hybrides (mélanges de clouds publics multiples et d’environnements on premises). Kubernetes est l’une des technologies à l’origine de cette transformation. Kubernetes (K8s) est un système open-source permettant d’automatiser le déploiement, la mise à l’échelle et la gestion des applications conteneurisées. Le cours amène donc sur la compréhension, l’installation, la gestion de cette infrastructure très puissante.

La formation s’adresse à une population technique (personnels de l’IT, architectes du SI) qui ont une expérience solide dans la gestion d’infrastrutures dans le SI et qui ont une expérience devops.

C’est la formation idéale pour comprendre les architectures de demain, qu’elles soient Big Data ou non.


Programme

Jour 1

Introduction

L’environnement Docker

  • Principes et architecture
  • Creation d’image
  • Docker Compose & Swarm

Les concepts

  • Principes et architecture
  • Relations avec un cluster
  • Terminologie
    • pods, maître, noeud, label, service, contrôleur de replication, les outils (kubeadm, kubelet, kubectl …)

Pod

  • Présentation
  • Création et exploitation d’un Pod

Workloads

  • Déploiements
  • DaemonSets
  • Jobs

Installation et configuration

  • Se familiariser avec kubctl
  • Créer un déploiement, un replica set, un pod

Comment administrer son cluster

Travaux pratiques

Jour 2

Stratégie de déploiement

  • Les différentes stratégies
  • Rolling update

Exposer ses applications

  • Communication entre pods
  • Exposer un service

Configurer ses applications

  • Via des fichiers
  • Via des variables d’environnements

Cas des applications statefull

  • Gestion des volumes
  • Applications en HA avec les StatefulSets

Comment sécuriser son cluster

Fonctionnalités de production

  • Gestion des ressources CPU / RAM
  • Auto-scaling applicatif
  • Gerer ses logs
  • Helm
  • L’arrivée des services mesh

Travaux pratiques

Conclusion et Key Take aways