Unleash sur GKE Autopilot — Guide de lab

📖 Guide de configuration

Vue d'ensemble

Durée estimée : 45–90 minutes

Unleash est une plateforme open source de gestion de feature flags et de bascules (toggles) pour la livraison progressive, les tests A/B et les déploiements graduels, pilotée par une API REST et une interface d'administration. Ce lab vous fait parcourir l'intégralité du cycle de vie opérationnel du module Unleash on GKE Autopilot sur Google Cloud : le déployer, y accéder et le vérifier, créer et évaluer un feature flag, 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 les fonctionnalités du produit Unleash. 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.
• Créer un feature flag et l'évaluer via l'API Unleash à l'aide d'un jeton.
• 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, 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 utilisez votre propre projet ? Avant le premier déploiement dans celui-ci, 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.
• 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.
• 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]

1. Dans la barre de navigation supérieure de la plateforme RAD, ouvrez Solutions → Solution Catalog → RAD modules, ouvrez Unleash (GKE) depuis 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), 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. 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.

2. La plateforme déploie la charge de travail dans le cluster GKE Autopilot, provisionne une base de données Cloud SQL (PostgreSQL 15) avec ses secrets Secret Manager (le jeton d'API administrateur d'amorçage et le mot de passe de la base de données), construit l'image du conteneur et exécute un job ponctuel d'initialisation de la base de données qui crée la base de données et l'utilisateur unleash. Les premiers déploiements prennent environ 20–35 minutes (la création de Cloud SQL en représente l'essentiel).

3. Connectez-vous au cluster et découvrez l'espace de noms avec des 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 unleash | head -1 | cut -d/ -f2)
   echo "Cluster: $CLUSTER   Namespace: $NS"
   kubectl get all -n "$NS"

---

Tâche 2 — Accéder et vérifier [Manuel]

1. Vérifiez que la charge de travail est en cours d'exécution et trouvez son adresse externe :

   kubectl get pods,svc -n "$NS"
   EXTERNAL_IP=$(kubectl get svc -n "$NS" \
     -o jsonpath='{.items[?(@.spec.type=="LoadBalancer")].status.loadBalancer.ingress[0].ip}')
   export SERVICE_URL="http://${EXTERNAL_IP}:4242"
   echo "URL: $SERVICE_URL"

   Unleash écoute sur le port 4242 ; le Service LoadBalancer l'expose. Adaptez le port si vous avez placé la charge de travail derrière un domaine personnalisé / un Ingress.

2. Vérifiez que le service est en bonne santé. Unleash expose un point de terminaison de santé public qui ne renvoie 200 que lorsque le serveur est entièrement initialisé et que PostgreSQL est joignable :

   curl -s -o /dev/null -w "%{http_code}\n" "$SERVICE_URL/health"   # expect 200

3. Ouvrez $SERVICE_URL dans un navigateur. Connectez-vous à l'interface d'administration avec les identifiants de premier lancement bien connus admin / unleash4all et changez immédiatement le mot de passe sous Admin → Users.

---

Tâche 3 — Exemple guidé : créer et évaluer un feature flag [Manuel]

Unleash stocke chaque flag dans PostgreSQL et l'évalue via son API. Cette tâche crée un flag et l'évalue avec un jeton d'API — le même flux que celui qu'utilise un SDK applicatif.

1. Récupérez le jeton d'API administrateur d'amorçage que le module a placé dans Secret Manager. Il dispose de droits administrateur complets (*:*) :

   ADMIN_SECRET=$(gcloud secrets list --project="$PROJECT" \
     --filter="name~admin-token" --format="value(name)" --limit=1)
   ADMIN_TOKEN=$(gcloud secrets versions access latest --secret="$ADMIN_SECRET" --project="$PROJECT")
   echo "Admin token: $ADMIN_TOKEN"

2. Créez un feature flag dans le projet default via l'API Admin (ou faites-le dans l'interface sous Projects → default → New feature flag) :

   curl -s -X POST "$SERVICE_URL/api/admin/projects/default/features" \
     -H "Authorization: $ADMIN_TOKEN" -H "Content-Type: application/json" \
     -d '{"name":"welcome-banner","type":"release"}'

3. Activez le flag dans l'environnement development :

   curl -s -X POST \
     "$SERVICE_URL/api/admin/projects/default/features/welcome-banner/environments/development/on" \
     -H "Authorization: $ADMIN_TOKEN"

4. Créez un jeton d'API client limité à l'environnement development — c'est l'identifiant qu'utiliserait un SDK (ne distribuez jamais le jeton administrateur aux clients) :

   curl -s -X POST "$SERVICE_URL/api/admin/api-tokens" \
     -H "Authorization: $ADMIN_TOKEN" -H "Content-Type: application/json" \
     -d '{"tokenName":"lab-client","type":"client","environment":"development","projects":["default"]}'
   # copy the "secret" field from the response into CLIENT_TOKEN:
   export CLIENT_TOKEN="<secret-from-response>"

5. Évaluez le flag via l'API à l'aide du jeton client — la Client API renvoie les définitions de flags qu'un SDK évalue par rapport à son contexte :

   curl -s "$SERVICE_URL/api/client/features" -H "Authorization: $CLIENT_TOKEN" \
     | python3 -c "import sys,json; [print(f['name'], f['enabled']) for f in json.load(sys.stdin)['features']]"
   # expect: welcome-banner True

   Vous avez maintenant créé un flag et l'avez évalué par le même chemin d'API que celui qu'utiliseront vos applications.

---

Tâche 4 — Exploiter et maintenir en service (jour 2) [Manuel]

1. Inspectez la charge de travail — le Deployment, les pods et l'autoscaler horizontal :

   kubectl get deploy,pods,hpa -n "$NS"
   kubectl describe deploy -n "$NS"

2. Mettez à l'échelle en modifiant les paramètres de nombre minimal/maximal d'instances puis en cliquant sur Update sur la page de détails du déploiement — le module possède 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 la prochaine application). Unleash est sans état (session_affinity = None) : n'importe quel pod peut traiter n'importe quelle requête — la mise à l'échelle horizontale ne nécessite ni Redis ni persistance de session.

3. Mettez à jour la version de l'application en modifiant le paramètre de version dans la plateforme RAD et en l'appliquant via Update ; une nouvelle image est construite et une mise à jour progressive remplace les pods. Unleash applique les éventuelles migrations de schéma au démarrage.

4. Gérez les secrets, le stockage et les jobs :

   kubectl get secrets -n "$NS"
   gcloud secrets list --project="$PROJECT" --filter="name~unleash"
   kubectl get jobs -n "$NS"          # DB-init and any scheduled jobs

5. 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. unleashdemo426161cf) — not the bare app name.
   DB_USER=$(gcloud sql users list --instance="$INSTANCE" --project="$PROJECT" \
     --format="value(name)" --filter="name~^unleash" --limit=1)
   gcloud sql connect "$INSTANCE" --user="$DB_USER" --project="$PROJECT"

---

Tâche 5 — Observer : journalisation et surveillance [Manuel]

1. 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>".

2. 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 peut provisionner un test de disponibilité (uptime check) ciblant /health (lorsqu'il est activé) ; consultez Monitoring → Uptime checks et Alerting → Policies.

---

Tâche 6 — Dépanner et déboguer [Manuel]

Des techniques durables pour les modes de défaillance que vous rencontrerez le plus probablement. Il s'agit de diagnostics au niveau de la plateforme, qui ne changent pas avec les versions d'Unleash.

• Pod non Ready / CrashLoopBackOff : inspectez les événements et les journaux. La sonde de vivacité cible /health ; 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, que le secret du mot de passe de la base a bien été matérialisé dans l'espace de noms et que le job d'initialisation s'est terminé.
• 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 / pas d'IP externe : consultez les événements de kubectl describe pod à la recherche de problèmes de ressources ou de quota, et vérifiez que le Service LoadBalancer dispose d'une IP attribuée.
• Erreurs de récupération d'image : vérifiez que l'image existe dans Artifact Registry et que le compte de service des nœuds peut la récupérer.

Consultez la section Configuration Pitfalls du Guide de configuration pour les pièges propres à chaque paramètre (notamment conserver les chemins des sondes sur /health et ne jamais activer IAP lorsque des clients SDK doivent atteindre l'API directement).

---

Tâche 7 — Démanteler [Automatisé]

Sur la page Deployments, ouvrez le déploiement et cliquez sur l'icône Trash (Delete). Delete 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) — cela supprime le déploiement des enregistrements de RAD sans détruire les ressources cloud (RAD oublie simplement le déploiement). Delete supprime tout ce que le module a créé — la charge de travail Kubernetes et l'espace de noms, la base de données Cloud SQL, les secrets Secret Manager 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 — Déployer	Automatisé	Le module déploie la charge de travail GKE, Cloud SQL (PostgreSQL 15), les secrets, et exécute l'initialisation de la base
2 — Accéder et vérifier	Manuel	Se connecter au cluster ; la vérification d'état réussit ; se connecter en tant que admin / unleash4all
3 — Exemple guidé	Manuel	Créer un feature flag et l'évaluer via l'API Unleash à l'aide d'un jeton
4 — Exploiter	Manuel	Inspecter la charge de travail, mettre à l'échelle, mettre à jour la version, gérer les secrets/le stockage, accéder à la base
5 — Observer	Manuel	Interroger Cloud Logging ; consulter les métriques Cloud Monitoring et le test de disponibilité
6 — Dépanner	Manuel	Diagnostiquer les problèmes de pod, de base de données, de job d'initialisation, de planification et de récupération d'image
7 — Démanteler	Automatisé	Delete (Trash) supprime toutes les ressources du module