Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 4 · Kubernetes

Kubernetes, son histoire et le choix d'un modèle

Kubernetes (du grec ancien, « timonier, homme de barre, maître de navigation ») est un orchestrateur de conteneurs qui s'impose progressivement comme la solution de référence. Il a été créé par des ingénieurs de Google et rendu open source en 2014.

DateÉvènement
2003création de Borg, outil de gestion de cluster
2013publication du papier présentant Omega
2014introduction d'une version allégée d'Omega sous le nom de Kubernetes
2015Kubernetes v1.0
2017Kubernetes 1.6, version de stabilisation, adoptée par de plus en plus d'entreprises

Vérifie que tu as compris

Quelle est la première étape de l'histoire racontée dans le cours ?

Standalone, Swarm ou Kubernetes ? (point de vue SNCF)

ModèleCaractéristiques
Docker standaloneplacement avec Ansible
Docker + Swarmorchestrateur simple, prise en main rapide, scalabilité semi-automatique
Docker + Kubernetes (CaaS)orchestrateur évolué, scalabilité automatique, complexe à prendre en main

Choix cible de l'entreprise : CaaS (Docker engine + Kubernetes), avec le maximum de solutions managées on Cloud, des infrastructures élastiques, des environnements mutualisés, des compétences rationalisées et des déploiements standardisés.

Exemple d'architecture applicative : un Load Balancer devant un service LoadBalancer, un pod Ingress controller, puis un service NodePort par API (api1, api2, api3...), chaque service pointant sur un pod. Le routage se fait par nom d'hôte.

Vérifie que tu as compris

Quel modèle est le plus simple à prendre en main selon le cours ?

Qui gère quoi ?

Dans le schéma « Demain dans le Cloud, ça PaaS ou ça CaaS » : en IaaS, le client gère de OS à Data ; en PaaS, il gère l'application et les données ; en CaaS, il gère le conteneur, l'orchestrateur étant du côté de la plateforme. Le cours distingue une partie « managée par le provider Cloud » et une partie « managée par la SNCF ».