Forgejo sur GKE Autopilot — Guide de lab

Vue d'ensemble

Durée estimée : 45–90 minutes

Forgejo est un service Git auto-hébergé, léger et géré par sa communauté — un fork de Gitea — qui fournit l'hébergement de dépôts, le suivi des tickets, les pull requests, un exécuteur CI/CD intégré (Actions), la revue de code et un registre de paquets, le tout à partir d'un unique binaire Go. Ce lab vous fait parcourir l'ensemble du cycle de vie opérationnel du module Forgejo on GKE Autopilot sur Google Cloud : le déployer, y accéder et le vérifier, l'exploiter au quotidien, l'observer, diagnostiquer les problèmes courants, puis le démonter.

Le lab porte sur l'exploitation du module GKE et de la plateforme Google Cloud, et non sur les fonctionnalités du produit Forgejo. Pour la liste complète des services provisionnés et de chaque paramètre de configuration (organisés par groupe), consultez le Guide de configuration — ce lab ne reprend volontairement pas ce détail afin de rester exact dans le temps.

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.
Initialiser le premier compte administrateur Forgejo (aucun administrateur n'est créé automatiquement).
Effectuer les opérations du jour 2 — inspecter, mettre à l'échelle, mettre à jour, et gérer les secrets 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, Cloud Filestore (NFS), 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 exécutés.
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 que propriétaire (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 nécessite 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 n'entraînent 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]

Ouvrez Solutions → Solution Catalog → RAD modules dans la barre de navigation supérieure de la plateforme RAD, ouvrez Forgejo (GKE) dans la liste Platform Modules pour lancer la configuration, choisissez Configuration Form sous How would you like to configure this deployment? (le formulaire s'ouvre sur Conversational Assistant si vous détenez des crédits achetés ou si vous êtes partenaire ou administrateur), renseignez project_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. Laissez database_type à sa valeur par défaut POSTGRES_15 — c'est le seul moteur que prend en charge le script d'initialisation de la base de données du module, même si MySQL/NONE apparaissent dans la liste déroulante. 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 (PostgreSQL 15) accessible via un sidecar Cloud SQL Auth Proxy, monte Cloud Filestore (NFS) pour le stockage des dépôts, de LFS et des pièces jointes, génère les secrets SECRET_KEY et INTERNAL_TOKEN dans Secret Manager, construit l'image de conteneur et exécute un job ponctuel d'initialisation de la base de données. Les premiers déploiements prennent environ 20–35 minutes (la création de Cloud SQL représente l'essentiel de ce temps).

Connectez-vous au cluster et découvrez 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 forgejo | head -1 | cut -d/ -f2)
echo "Cluster: $CLUSTER   Namespace: $NS"
kubectl get all -n "$NS"

Tâche 2 — Accéder et vérifier [Manuel]

Confirmez que la charge de travail s'exécute et trouvez son 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: $EXTERNAL_IP"
```
Le Service est exposé derrière une Gateway dotée d'une adresse IP statique réservée ; si aucun domaine personnalisé n'a été fourni, un nom d'hôte HTTPS nip.io provisionné automatiquement est également accessible (voir la sortie service_url).
Confirmez que le service est en bonne santé. Forgejo expose un point de terminaison de santé non authentifié qui ne répond correctement qu'une fois ses migrations de schéma du premier démarrage terminées :
```
curl -s "http://${EXTERNAL_IP}/api/healthz"   # a healthy instance returns {"status":"pass"}
```
Initialisez le premier administrateur. Contrairement à la variante Cloud Run, ce module ignore entièrement le programme d'installation web de Forgejo (GITEA__security__INSTALL_LOCK = "true") et aucun job d'initialisation ne crée de compte administrateur — rien ne crée à l'avance un utilisateur privilégié. L'inscription libre est ouverte par défaut (GITEA__service__DISABLE_REGISTRATION = "false") ; la démarche pratique consiste donc à : créer un compte ordinaire via l'interface à http://${EXTERNAL_IP}/, puis le promouvoir administrateur depuis le pod en cours d'exécution à l'aide de la CLI propre à Forgejo :
```
kubectl exec -n "$NS" deploy/<service-name> -- forgejo admin user create --help
# then, once the exact flags are confirmed against your deployed version:
kubectl exec -n "$NS" deploy/<service-name> -- forgejo admin user create \
  --username <admin-user> --email <admin-email> --password '<strong-password>' --admin
```
L'invocation exacte de la CLI, ainsi que la présence du binaire forgejo dans le PATH du conteneur, n'ont pas été revérifiées sur un pod réel pour ce guide — exécutez d'abord la variante --help pour confirmer avant de l'automatiser dans un script.
Définissez public_domain (et éventuellement public_url) sur le véritable nom d'hôte externe et appliquez via Update — tous deux valent localhost par défaut, ce qui produit des URL de clonage Git erronées et des liens cassés tant qu'ils ne sont pas remplacés. Une fois le compte administrateur créé, envisagez de définir GITEA__service__DISABLE_REGISTRATION = "true" (via environment_variables) si l'instance ne doit pas être ouverte aux inscriptions publiques.

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

Inspectez la charge de travail — le déploiement, les pods et les montages PVC/NFS :
```
kubectl get deploy,pods,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 est propriétaire de 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 de l'application suivante). max_instance_count vaut 3 par défaut, mais chaque réplica partage les mêmes données de dépôts sur NFS et la même base de données Postgres — la cohérence des écritures concurrentes entre réplicas n'est pas documentée pour ce module ; abordez donc toute mise à l'échelle au-delà d'un unique réplica en régime établi avec la même prudence que pour toute charge de travail sur système de fichiers partagé. L'affinité de session (ClientIP) est définie par défaut pour qu'un client reste dirigé vers le même pod.
Mettez à jour la version de l'application en modifiant le paramètre de version dans la plateforme RAD et en l'appliquant via Update. Comme Forgejo s'appuie par défaut sur NFS, le Deployment utilise la stratégie de déploiement Recreate plutôt qu'une mise à jour progressive : l'ancien pod est entièrement arrêté avant le démarrage du nouveau. Attendez-vous à une brève interruption de service pendant une mise à jour — c'est un comportement attendu et sûr (il empêche deux pods d'écrire simultanément dans les mêmes données de dépôts et la même base de données), et non un déploiement bloqué.

Gérez les secrets, le stockage et les jobs :

kubectl get secrets -n "$NS"
gcloud secrets list --project="$PROJECT" --filter="name~forgejo"
kubectl get jobs -n "$NS"          # db-init job

Ouvrez une session de base de données pour l'inspection ou la maintenance :

INSTANCE=$(gcloud sql instances list --project="$PROJECT" --format="value(name)" --limit=1)
# Role and database are tenant-prefixed (e.g. forgejodemo426161cf) — not the bare app name.
DB_USER=$(gcloud sql users list --instance="$INSTANCE" --project="$PROJECT" \
  --format="value(name)" --filter="name~^forgejo" --limit=1)
gcloud sql connect "$INSTANCE" --user="$DB_USER" --project="$PROJECT"

Mise en garde concernant Redis. enable_redis = true par défaut et REDIS_HOST/REDIS_PORT sont injectées dans le conteneur, mais Forgejo n'est pas configuré pour les utiliser (GITEA__cache__*/GITEA__session__* ne sont pas définies) — il se rabat dans tous les cas sur ses valeurs par défaut intégrées de cache et de session en mémoire. Si vous n'avez pas l'intention d'ajouter vous-même ce câblage via environment_variables, laisser Redis provisionné n'apporte aucun avantage fonctionnel.

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 processeur et de la mémoire des pods, le nombre de redémarrages et les métriques de requêtes. Le module peut provisionner 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 d'une version de Forgejo à l'autre.

Pod non Ready / CrashLoopBackOff : inspectez les événements et les journaux. La sonde de démarrage (GET /api/healthz, initial_delay_seconds=0, period_seconds=30, failure_threshold=10 — soit environ 5 minutes de tolérance) et la sonde de vivacité (initial_delay_seconds=60, period_seconds=30, failure_threshold=3) ciblent toutes deux le même point de terminaison de santé non authentifié ; un échec de connexion à PostgreSQL empêchera le pod de devenir Ready.
```
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. Forgejo y accède via un sidecar Cloud SQL Auth Proxy sur 127.0.0.1:5432 (SSL_MODE=disable pour ce saut) ; le point d'entrée de la plateforme journalise le câblage résolu (Forgejo DB wired: host=... sslmode=... name=... user=...) — vérifiez-le avec :
```
kubectl exec -n "$NS" deploy/<service-name> -- env | grep GITEA__
```
Échec du job d'initialisation : inspectez le job db-init et les journaux de son pod :
```
kubectl get jobs -n "$NS"
kubectl logs -n "$NS" job/<db-init-job-name>
```
Le déploiement d'une mise à jour semble bloqué : comme le Deployment utilise Recreate (stockage NFS), vous verrez brièvement zéro pod Ready entre l'arrêt de l'ancien pod et le démarrage du nouveau — c'est attendu et se résout dès que le nouveau pod réussit sa sonde de démarrage ; il ne s'agit pas d'un véritable blocage. Si la situation persiste bien au-delà de la tolérance d'environ 5 minutes de la sonde de démarrage, traitez-la comme une véritable défaillance et inspectez les événements et journaux du nouveau pod comme ci-dessus.
Pod en attente (Pending) / pas d'adresse IP externe : consultez les événements de kubectl describe pod pour repérer des problèmes de ressources ou de quota, et vérifiez que le Service LoadBalancer dispose d'une adresse IP attribuée (reserve_static_ip = true par défaut maintient l'adresse stable d'un redéploiement à l'autre).
Erreurs de récupération d'image : vérifiez que l'image existe dans Artifact Registry et que le compte de service des nœuds peut la récupérer.
Aucun utilisateur administrateur / tout le monde peut s'inscrire : comportement attendu par défaut — voir la tâche 2, étape 3, et envisagez de désactiver les inscriptions via GITEA__service__DISABLE_REGISTRATION une fois qu'un compte administrateur existe.

Consultez la section Configuration Pitfalls du Guide de configuration pour les pièges propres à chaque paramètre (notamment les règles essentielles : ne jamais faire tourner SECRET_KEY/INTERNAL_TOKEN après le premier démarrage, ne jamais modifier db_name/ db_user après le premier déploiement, et conserver database_type à POSTGRES_15).

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 (RAD oublie le déploiement). La suppression retire tout ce que le module a créé — la charge de travail Kubernetes et son espace de noms, la base de données Cloud SQL, les secrets Secret Manager (SECRET_KEY, INTERNAL_TOKEN et le mot de passe de la base de données), le bucket Cloud Storage inutilisé et les images Artifact Registry. Un job de nettoyage du volume applicatif NFS, exécutée lors de la destruction, supprime également les données de dépôts de Forgejo du volume Filestore partagé, dans la mesure du possible (elle est ignorée si l'espace de noms a déjà disparu). Les ressources appartenant à Services_GCP (le VPC, le cluster GKE, l'instance Cloud SQL partagée, le serveur NFS Filestore lui-même et le registre) sont gérées séparément et ne sont pas supprimées ici.

Récapitulatif

Tâche	Type	Résultat
1 — Déployer	Automatisé	Le module déploie la charge de travail GKE, Cloud SQL (PostgreSQL 15), le stockage NFS et les secrets, et exécute l'initialisation de la base de données
2 — Accéder et vérifier	Manuel	Se connecter au cluster ; le contrôle d'état réussit ; créer puis promouvoir le premier compte administrateur via la CLI
3 — Exploiter	Manuel	Inspecter la charge de travail, mettre à l'échelle, mettre à jour la version (déploiement Recreate), gérer les secrets et le stockage, accéder à la base de données
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 déploiement et de récupération d'image
6 — Démanteler	Automatisé	La suppression (Trash) retire toutes les ressources du module, y compris les données applicatives NFS (dans la mesure du possible)

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]​

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​