App GKE — Guide de lab

Vue d'ensemble

Durée estimée : 45–90 minutes

App GKE est le moteur de déploiement de base de tous les modules d'application GKE Autopilot de cette plateforme. Il provisionne une charge de travail Kubernetes prête pour la production (Deployment ou StatefulSet) sur GKE Autopilot pour n'importe quelle application conteneurisée — avec, en option, Cloud SQL (PostgreSQL, MySQL ou SQL Server), Cloud Filestore NFS, le stockage GCS, Secret Manager via Workload Identity, la CI/CD Cloud Build, Cloud Monitoring et, en option, le WAF Cloud Armor. Les modules d'application tels que Django_GKE et Ghost_GKE appellent ce moteur en interne ; vous pouvez aussi le déployer directement pour une charge de travail générique. Ce lab vous accompagne tout au long du cycle de vie opérationnel du module App GKE sur Google Cloud : le déployer, y accéder et le vérifier, l'exploiter au quotidien, l'observer, diagnostiquer les problèmes courants et le démanteler.

Le lab porte sur l'exploitation du module GKE et de la plateforme Google Cloud, et non sur la charge de travail qui s'exécute dans le conteneur. Pour la liste complète des services provisionnés et de chaque paramètre de configuration (organisé par groupe), consultez le Guide de configuration — ce lab ne reprend volontairement pas ce détail afin de rester exact dans la durée.

Ce lab se déploie sur une fondation Services_GCP. Utilisez le même tenant_id que votre déploiement Services_GCP afin qu'App GKE se déploie dans le cluster GKE Autopilot partagé et se rattache au VPC partagé, à l'instance Cloud SQL, au serveur NFS et à Artifact Registry, au lieu de provisionner son propre cluster et sa propre infrastructure intégrés. (Le mode autonome — require_services_gcp_module = false — crée un cluster GKE intégré et prend beaucoup plus de temps ; l'objet de ce lab est de mettre en œuvre la fondation.)

Les paramètres sont validés au moment du plan. Le module rejette les valeurs et combinaisons invalides — stateful_pvc_enabled avec workload_type = "Deployment", IAP sans client OAuth, une source d'image prebuilt sans image, un job mount_nfs avec enable_nfs = false, une valeur de mémoire de ResourceQuota exprimée par un entier nu — avant que quoi que ce soit ne soit créé, avec un message d'erreur clair qui nomme la variable. Le tableau Configuration Pitfalls du Guide de configuration indique quelles combinaisons sont détectées de cette manière.

Objectifs

À la fin de ce lab, vous saurez :

Déployer le module depuis la plateforme RAD et repérer les ressources qu'il provisionne.
Vous connecter au cluster GKE et accéder à la charge de travail en cours d'exécution.
Effectuer les opérations du jour 2 — inspecter, mettre à l'échelle, mettre à jour, et gérer les secrets, les jobs et le stockage.
Observer la charge de travail avec Cloud Logging et Cloud Monitoring.
Diagnostiquer et résoudre les problèmes de déploiement et d'exécution les plus courants.
Démanteler proprement le déploiement.

Prérequis

Services_GCP (fournit le VPC, le cluster GKE Autopilot, Cloud SQL, Artifact Registry et les comptes de service partagés dont dépend ce module). Vous n'avez pas besoin de le déployer vous-même au préalable — la plateforme détecte automatiquement s'il existe déjà dans le projet cible et, sinon, le provisionne avant ce module (voir la tâche 1).
Un projet Google Cloud avec la facturation activée.
gcloud CLI et kubectl installés ; gcloud auth login et gcloud auth application-default login effectués.
Le rôle IAM Project Owner (ou équivalent) sur le projet.
Vous apportez votre propre projet ? Avant le premier déploiement dans ce projet, la boîte de dialogue de confirmation du déploiement vous demande de prouver que vous le contrôlez (Get verification code, exécutez les commandes affichées en tant qu'Owner du projet, puis Verify) et d'attribuer le rôle Owner au compte de service de déploiement RAD. Un projet que RAD crée pour vous ne requiert ni l'un ni l'autre.
Le mode avancé pour les modifications ultérieures. Le formulaire de création ne demande que la première page de paramètres (et, dans un projet que RAD crée pour vous, guère plus que le nom du tenant et la région). Tous les autres paramètres du Guide de configuration — y compris les paramètres de mise à l'échelle et de version des tâches du jour 2 — se modifient ensuite avec Update sur la page du déploiement après avoir coché Enable advanced mode, ce qui exige un solde de crédits couvrant le coût de build estimé de la mise à jour (les mises à jour ne comportent jamais de frais de module). Dans un environnement de lab, seul un administrateur peut utiliser le mode avancé.
Un accès à la plateforme RAD avec l'autorisation de déployer des modules dans le projet.

Définissez une fois ces variables shell ; chaque tâche ci-dessous les réutilise :

export PROJECT="<your-gcp-project-id>"
export REGION="us-central1"           # the region you deploy into

Tâche 1 — Déployer le module [Automatisé]

Étape 1.0 — Choisir la configuration de votre lab

Choisissez un parcours selon la part du module que vous souhaitez mettre en œuvre. Les deux se rattachent à votre fondation Services_GCP via un tenant_id identique.

Parcours A — Minimal (le plus rapide). Valeurs par défaut : une charge de travail Deployment adossée à PostgreSQL (le Cloud SQL partagé), le NFS partagé et un job d'initialisation. Définissez uniquement project_id et tenant_id. Cela suffit pour parcourir les tâches 2 à 6.

Parcours B — Complet (recommandé pour ce lab). Met en œuvre l'étendue du moteur afin que chaque étape de vérification ait quelque chose à confirmer. Paramètres suggérés (tout le reste par défaut) :

project_id           = "<your-project-id>"
tenant_id = "demo"          # MUST match your Services_GCP deployment

application_name     = "labgke"
application_version  = "1.0.0"

# Database — uses the shared Cloud SQL from Services_GCP (no per-deploy instance)
database_type        = "POSTGRES"
enable_cloudsql_volume = true

# Shared storage & cache (auto-discovered from Services_GCP)
enable_nfs           = true
enable_redis         = true
create_cloud_storage = true
storage_buckets      = [{ name_suffix = "data" }]

# Workload shape & scaling
# (leave stateful_pvc_enabled unset for a stateless Deployment; set it true to
#  exercise a StatefulSet with per-pod PVCs — do NOT also set workload_type)
min_instance_count   = 1
max_instance_count   = 3
enable_pod_disruption_budget = true    # reliability: keep a pod during disruptions

# Observability
uptime_check_config  = { enabled = true, path = "/healthz" }

# Access control (safe): IAP on GKE needs an OAuth client + support email — enforced
enable_iap           = true
iap_oauth_client_id     = "<oauth-client-id>"
iap_oauth_client_secret = "<oauth-client-secret>"
iap_support_email       = "<your-email>"

Option avancée facultative — domaine personnalisé + WAF/CDN. enable_custom_domain = true (avec un domaine) provisionne un certificat géré par Google via la Gateway ; enable_cloud_armor = true et enable_cdn = true activent tous deux la Gateway et aucun des deux n'exige de domaine personnalisé — sans domaine, la Gateway obtient un certificat HTTPS <ip>.nip.io sans configuration. (La validation qui exigeait auparavant un domaine pour le CDN a été assouplie ; voir le commentaire 20 de App_GKE/validation.tf.) Ces options ajoutent un coût et une étape DNS après le déploiement — ne les activez que pour mettre en œuvre le chemin en périphérie.

Le parcours B conserve IAP renseigné (pas de verrouillage) et laisse Binary Authorization / VPC-SC à leurs valeurs par défaut sûres. Les étapes de déploiement ci-dessous supposent le parcours B et signalent les vérifications propres à une fonctionnalité afin que les utilisateurs du parcours A puissent les ignorer.

Étape 1.1 — Déployer

Ouvrez Solutions → Solution Catalog → RAD modules dans la navigation supérieure de la plateforme RAD, ouvrez App (GKE) dans la liste Platform Modules pour démarrer la configuration, choisissez Configuration Form sous How would you like to configure this deployment? (le formulaire s'ouvre sur le Conversational Assistant si vous détenez des crédits achetés ou si vous êtes partenaire ou administrateur), définissez project_id et tenant_id, et passez en revue les paramètres. Ne configurez que ce dont vous avez besoin — le Guide de configuration documente chaque paramètre par groupe, avec ses valeurs par défaut. Cliquez sur Deploy Module, vérifiez le coût estimé dans la boîte de dialogue Deployment Confirmation lorsqu'elle apparaît et cliquez sur Submit (si la boîte de dialogue ajoute ensuite une étape de confirmation, comme la vérification d'un projet que vous apportez, effectuez-la et cliquez sur Confirm), ce qui ouvre la page d'état du déploiement avec les journaux en temps réel.
La plateforme déploie la charge de travail dans le cluster GKE Autopilot, provisionne une base de données Cloud SQL facultative avec ses secrets Secret Manager, un stockage NFS/Redis/GCS facultatif, construit ou met en miroir l'image du conteneur et exécute les jobs d'initialisation configurés. Les premiers déploiements prennent environ 20–35 minutes lorsque la création de Cloud SQL est incluse.

Connectez-vous au cluster et repérez l'espace de noms à l'aide de filtres indépendants des noms :

CLUSTER=$(gcloud container clusters list --project="$PROJECT" --format="value(name)" --limit=1)
gcloud container clusters get-credentials "$CLUSTER" --region="$REGION" --project="$PROJECT"

NS=$(kubectl get ns -o name | grep gkeapp | head -1 | cut -d/ -f2)
echo "Cluster: $CLUSTER   Namespace: $NS"
kubectl get all -n "$NS"

Tâche 2 — Accéder et vérifier [Manuel]

Vérifiez que chaque fonctionnalité que vous avez activée est bien opérationnelle. Les étapes marquées d'un indicateur ne s'appliquent qu'au parcours B (ou aux fonctionnalités que vous avez activées).

Santé de la charge de travail. Vérifiez que les pods sont Running/Ready et trouvez l'adresse externe :

kubectl get pods,svc -n "$NS"
EXTERNAL_IP=$(kubectl get svc -n "$NS" \
  -o jsonpath='{.items[?(@.spec.type=="LoadBalancer")].status.loadBalancer.ingress[0].ip}')
echo "External IP: $EXTERNAL_IP"
curl -s -o /dev/null -w "%{http_code}\n" "http://${EXTERNAL_IP}/healthz"   # expect 200 (or 403 if IAP is on)

Forme de la charge de travail — vérifiez que vous avez obtenu un Deployment (parcours A) ou un StatefulSet (stateful_pvc_enabled = true), ainsi que les PVC dans le cas d'un StatefulSet :
```
kubectl get deploy,statefulset,pvc -n "$NS"
```

Base de données [database_type != NONE] — vérifiez la base de données et l'utilisateur propres à l'application dans le Cloud SQL partagé, et que le secret du mot de passe a été matérialisé dans l'espace de noms :

DB_SECRET=$(gcloud secrets list --project="$PROJECT" --filter="name~db-password" --format="value(name)" --limit=1)
gcloud secrets versions access latest --secret="$DB_SECRET" --project="$PROJECT"
INSTANCE=$(gcloud sql instances list --project="$PROJECT" --format="value(name)" --limit=1)
gcloud sql databases list --instance="$INSTANCE" --project="$PROJECT" --format="table(name)"
kubectl get secret -n "$NS" | grep -i db        # secret synced into the namespace

Raccordement base de données / Redis / NFS — vérifiez les variables d'environnement et les montages de volumes que la fondation a injectés dans le pod :

POD=$(kubectl get pods -n "$NS" -o jsonpath='{.items[0].metadata.name}')
kubectl get pod "$POD" -n "$NS" -o jsonpath='{.spec.containers[0].env[*].name}' | tr ' ' '\n' | grep -iE "DB_|REDIS_"   # DB_*/REDIS_* present
kubectl describe pod "$POD" -n "$NS" | grep -iA2 "Mounts:"   # NFS / GCS / Cloud SQL volume mounts

Job d'initialisation — vérifiez que le job d'initialisation s'est terminé :

kubectl get jobs -n "$NS"
kubectl get job -n "$NS" -o jsonpath='{range .items[*]}{.metadata.name}{"\t"}{.status.succeeded}{"\n"}{end}'   # succeeded=1

Contrôle d'accès IAP [enable_iap = true] — une requête non authentifiée est bloquée ; une requête autorisée aboutit :

curl -s -o /dev/null -w "anonymous: %{http_code}\n" "http://${EXTERNAL_IP}/"
curl -s -o /dev/null -w "authed:    %{http_code}\n" -H "Authorization: Bearer $(gcloud auth print-identity-token)" "http://${EXTERNAL_IP}/"

Test de disponibilité [uptime_check_config.enabled] — vérifiez que le test de disponibilité (uptime check) Cloud Monitoring existe (Monitoring → Uptime checks, ou gcloud monitoring uptime list-configs).

Tâche 3 — Exploiter et maintenir en service (jour 2) [Manuel]

Inspectez la charge de travail — le Deployment, les pods et (si activés) l'autoscaler horizontal et les volumes persistants :
```
kubectl get deploy,pods,hpa,pvc -n "$NS"
kubectl describe deploy -n "$NS"
```
Mettez à l'échelle en modifiant les paramètres de nombre minimal/maximal d'instances et en cliquant sur Update sur la page de détails du déploiement — le module gère la spécification de la charge de travail ; la mise à l'échelle est donc une modification de configuration, et non un kubectl scale manuel (une modification manuelle serait annulée lors du prochain apply).
Mettez à jour la version de l'application en modifiant le paramètre de version via Update sur la page de détails du déploiement ; une nouvelle image est construite ou mise en miroir et une mise à jour progressive remplace les pods.

Gérez les secrets, le stockage et les jobs :

kubectl get secrets -n "$NS"
gcloud secrets list --project="$PROJECT" --filter="name~gkeapp"
kubectl get jobs,cronjobs -n "$NS"          # init and any scheduled jobs
gcloud storage buckets list --project="$PROJECT" --filter="name~gkeapp"

Ouvrez une session de base de données pour l'inspection ou la maintenance (lorsqu'une base de données est provisionnée) :

INSTANCE=$(gcloud sql instances list --project="$PROJECT" --format="value(name)" --limit=1)
gcloud sql connect "$INSTANCE" --project="$PROJECT"

Tâche 4 — Observer : journalisation et surveillance [Manuel]

Journaux — depuis kubectl ou l'explorateur de journaux (Logs Explorer) :
```
kubectl logs -n "$NS" deploy/"$(kubectl get deploy -n "$NS" -o jsonpath='{.items[0].metadata.name}')" --tail=50
```
Filtre du Logs Explorer : resource.type="k8s_container" AND resource.labels.namespace_name="<namespace>".
Surveillance — ouvrez les tableaux de bord GKE / Kubernetes et examinez l'utilisation du CPU et de la mémoire des pods, le nombre de redémarrages et les métriques de requêtes. Le module provisionne également un test de disponibilité (uptime check) (lorsqu'il est activé) ; examinez Monitoring → Uptime checks et Alerting → Policies.

Tâche 5 — Dépanner et déboguer [Manuel]

Des techniques durables pour les modes de défaillance que vous êtes le plus susceptible de rencontrer. Il s'agit de diagnostics au niveau de la plateforme, qui ne changent pas selon la charge de travail déployée dans le conteneur.

Pod non Ready / CrashLoopBackOff : inspectez les événements et les journaux :

kubectl describe pod -n "$NS" <pod>          # Events section shows scheduling/probe/mount errors
kubectl logs -n "$NS" <pod> --previous       # logs from the crashed container

Erreurs de connexion à la base de données : vérifiez que l'instance Cloud SQL est RUNNABLE, que le secret du mot de passe de la base a bien été matérialisé dans l'espace de noms et que les éventuelles jobs d'initialisation se sont terminés.
Échec du job d'initialisation : inspectez le job et les journaux de son pod :
```
kubectl get jobs -n "$NS"
kubectl logs -n "$NS" job/<job-name>
```
Pod en attente (Pending) / pas d'IP externe : consultez les événements de kubectl describe pod à la recherche de problèmes de ressources ou de quotas, et vérifiez que le Service LoadBalancer dispose d'une IP attribuée.
Échec du build ou de la mise en miroir de l'image : consultez l'historique Cloud Build pour lire le journal du build en échec, sous Cloud Build → History.
Erreurs 403 / d'autorisation : vérifiez la liaison Workload Identity et que le compte de service de la charge de travail dispose des rôles IAM Secret Manager et Cloud SQL requis.

Consultez la section Configuration Pitfalls du Guide de configuration pour les pièges propres à chaque paramètre.

Tâche 6 — Démanteler [Automatisé]

Sur la page Deployments, ouvrez le déploiement et cliquez sur l'icône Trash (Delete). La suppression exécute terraform destroy et est irréversible (l'enregistrement du déploiement est conservé pour l'historique). Si un déploiement est bloqué et que la plateforme RAD ne peut plus le gérer (par exemple après des modifications manuelles en conflit avec l'état Terraform), utilisez plutôt Purge (depuis la même boîte de dialogue Delete) — cette action retire le déploiement des enregistrements de RAD sans détruire les ressources cloud (elle fait oublier le déploiement à RAD). La suppression retire tout ce que le module a créé — la charge de travail Kubernetes et l'espace de noms, la base de données Cloud SQL facultative, les secrets Secret Manager, les buckets GCS, les Jobs Kubernetes et les images Artifact Registry. Les ressources appartenant à Services_GCP (le VPC, le cluster GKE, le Cloud SQL partagé, le registre) sont gérées séparément et ne sont pas supprimées ici.

Récapitulatif

Tâche	Type	Résultat
1 — Choisir la configuration et déployer	Automatisé	Choisir Minimal ou Complet ; le module se déploie dans le cluster GKE Autopilot partagé, se rattache au Cloud SQL/NFS/registre de la fondation, provisionne secrets/stockage et exécute les jobs d'initialisation
2 — Accéder et vérifier	Manuel	Connexion au cluster ; vérifier la santé et la forme de la charge de travail, la base de données + la synchronisation du secret, le raccordement base de données/Redis/NFS, la réussite du job d'initialisation, l'application d'IAP et le test de disponibilité
3 — Exploiter	Manuel	Inspecter la charge de travail, mettre à l'échelle, mettre à jour la version, gérer secrets/jobs/stockage, accès à la base
4 — Observer	Manuel	Interroger Cloud Logging ; examiner les métriques Cloud Monitoring et le test de disponibilité
5 — Dépanner	Manuel	Diagnostiquer les problèmes de pod, de base de données, de job d'initialisation, de planification, de récupération d'image et d'IAM
6 — Démanteler	Automatisé	Delete (Trash) supprime toutes les ressources du module

Need RAD to do something it does not do yet? Request it on the roadmap, or vote on what is already there.

By Dr Shiyghan Emmanuel Navti · Google Cloud certified: ACE · PCA · PCD · PDE · PSE · CDL

Vue d'ensemble​

Objectifs​

Prérequis​

Tâche 1 — Déployer le module [Automatisé]​

Étape 1.0 — Choisir la configuration de votre lab​

Étape 1.1 — Déployer​

Tâche 2 — Accéder et vérifier [Manuel]​

Tâche 3 — Exploiter et maintenir en service (jour 2) [Manuel]​

Tâche 4 — Observer : journalisation et surveillance [Manuel]​

Tâche 5 — Dépanner et déboguer [Manuel]​

Tâche 6 — Démanteler [Automatisé]​

Récapitulatif​