Aller au contenu principal

Ollama sur GKE Autopilot

Ollama sur GKE Autopilot

Ollama est un serveur d'inférence de LLM open source qui sert de grands modèles de langage — Llama, Mistral, Gemma, Phi et d'autres — via une API REST. Ce module déploie Ollama sur GKE Autopilot au-dessus du socle App_GKE, qui provisionne et gère l'infrastructure Google Cloud et Kubernetes partagée.

Ce guide se concentre sur les services cloud qu'utilise Ollama et sur la manière de les explorer et de les exploiter depuis la console Google Cloud et la ligne de commande. Pour les mécanismes communs à toute application GKE — Workload Identity, entrée, autoscaling, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC Service Controls, sauvegardes et cycle de vie du déploiement — consultez le guide du socle App_GKE plutôt que de les répéter ici.

1. Vue d'ensemble​

Ollama s'exécute comme un serveur d'inférence conteneurisé. Le déploiement assemble un ensemble ciblé de services Google Cloud :

FonctionnalitéService Google CloudRemarques
CalculGKE AutopilotPods Ollama, 8 vCPU / 16 GiB par défaut (modèles 7B), autoscaling horizontal
Stockage des modèlesCloud Storage + GCS Fuse CSIBucket des modèles monté sur /mnt/gcs ; les poids persistent à travers les redémarrages de pods
SecretsSecret ManagerAucun secret géré par l'application — Ollama ne requiert aucun identifiant
EntréeKubernetes ClusterIPInterne uniquement par défaut ; n'utilisez LoadBalancer que lorsqu'un accès externe est nécessaire

Valeurs par défaut judicieuses à connaître d'emblée :

  • Pas de base de données, pas de Redis. Ollama est sans état au-delà de son cache de modèles adossé à GCS. Ni Cloud SQL ni Redis ne sont provisionnés.
  • GCS Fuse est la couche de persistance. Les poids des modèles sont stockés dans un bucket GCS dédié et montés dans le pod sur /mnt/gcs. Au redémarrage, le pod charge les modèles depuis GCS au lieu de les retélécharger.
  • ClusterIP par défaut. Ollama est conçu comme un point de terminaison d'inférence partagé au sein du cluster. Tout pod du même cluster l'atteint à l'adresse http://<service-name>.<namespace>.svc.cluster.local:11434. Définir service_type = "LoadBalancer" expose publiquement l'API non authentifiée — ne le faites pas sans IAP ou Cloud Armor.
  • Téléchargement automatique du modèle. Lorsque default_model est défini et qu'aucun initialization_jobs personnalisé n'est fourni, un Job Kubernetes nommé model-pull est créé lors du premier déploiement et stocke le modèle dans le bucket GCS.
  • Trois variables d'environnement sont toujours injectées : OLLAMA_MODELS, OLLAMA_HOST et OLLAMA_KEEP_ALIVE. Ne remplacez pas OLLAMA_MODELS ni OLLAMA_HOST dans environment_variables.

2. Services Google Cloud et comment les explorer​

Toutes les commandes supposent que vous avez exécuté gcloud container clusters get-credentials <cluster> --region <region> --project <project> et que PROJECT, REGION et NAMESPACE sont définis. L'espace de noms et les autres identifiants sont indiqués dans les sorties du déploiement.

A. GKE Autopilot — la charge de travail Ollama​

Les pods Ollama sont planifiés sur Autopilot, qui facture le CPU et la mémoire réellement demandés par les pods. L'autoscaling horizontal des pods fait varier le déploiement entre le nombre minimal et le nombre maximal de réplicas.

  • Console : Kubernetes Engine → Workloads → sélectionnez la charge de travail Ollama pour voir les pods et les événements. Kubernetes Engine → Services & Ingress affiche le ClusterIP (ou l'IP externe lorsque service_type = "LoadBalancer").
  • CLI : 
    kubectl get pods,svc,hpa -n "$NAMESPACE"
    kubectl logs -n "$NAMESPACE" deploy/<service-name> --tail=100
    kubectl describe hpa -n "$NAMESPACE"          # current vs target utilisation
    # Verify Ollama is responding inside the cluster:
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- \
      curl -s http://localhost:11434/api/tags | jq '.models[].name'

Consultez App_GKE pour la gestion d'Autopilot, de la mise à l'échelle et du type de charge de travail (Deployment ou StatefulSet).

B. Cloud Storage — persistance des poids des modèles​

Les poids des modèles Ollama sont stockés dans un bucket GCS dédié (nommé <resource_prefix>-models) et montés dans chaque pod via le pilote CSI GCS Fuse sur /mnt/gcs. La variable d'environnement OLLAMA_MODELS vaut /mnt/gcs/ollama/models, de sorte qu'Ollama y découvre et y met en cache les modèles.

  • Console : Cloud Storage → Buckets → sélectionnez le bucket des modèles pour parcourir les fichiers de modèles téléchargés.
  • CLI : 
    # Bucket name is in the Outputs (models_bucket)
    gcloud storage ls gs://<models-bucket>/ollama/models/
    gcloud storage buckets describe gs://<models-bucket> --project "$PROJECT"
    # Confirm the GCS volume is mounted inside a running pod:
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- ls /mnt/gcs/ollama/models/

Le nom du bucket est indiqué dans la sortie models_bucket. Consultez App_GKE pour GCS Fuse, les options CMEK et les règles de cycle de vie des buckets.

C. Secret Manager​

Ollama ne requiert aucun identifiant géré par l'application — il n'y a ni mot de passe administrateur ni mot de passe de base de données. Secret Manager reste disponible pour tout secret personnalisé que vous injectez via secret_environment_variables.

  • Console : Security → Secret Manager.
  • CLI : 
    gcloud secrets list --project "$PROJECT"
    gcloud secrets versions access latest --secret=<secret-name> --project "$PROJECT"

Consultez App_GKE pour l'intégration du Secret Store CSI et la rotation.

D. Réseau et entrée​

Par défaut, le service Ollama n'est exposé qu'au sein du cluster (ClusterIP). Lorsque service_type = "LoadBalancer" est défini, une IP Cloud Load Balancing externe est provisionnée. Un domaine personnalisé, le WAF Cloud Armor et IAP peuvent être ajoutés pour les scénarios d'accès externe.

  • Console : Kubernetes Engine → Services & Ingress ; Network services → Load balancing ; VPC network → IP addresses.
  • CLI : 
    kubectl get svc -n "$NAMESPACE"
    # Internal cluster URL (printed as ollama_cluster_url output):
    echo "http://<service-name>.$NAMESPACE.svc.cluster.local:11434"
    gcloud compute addresses list --project "$PROJECT"

Consultez App_GKE pour les domaines personnalisés, Cloud CDN et les détails sur les IP statiques.

E. Cloud Logging et Monitoring​

Les sorties stdout/stderr des pods sont envoyées à Cloud Logging ; les métriques GKE à Cloud Monitoring. Des tests de disponibilité et des règles d'alerte facultatifs sont disponibles.

  • Console : Logging → Logs Explorer ; Monitoring → Dashboards / Alerting.
  • CLI : 
    gcloud logging read \
      'resource.type="k8s_container" AND resource.labels.namespace_name="'"$NAMESPACE"'"' \
      --project "$PROJECT" --limit 50

3. Comportement de l'application Ollama​

  • Aucune initialisation de base de données au premier déploiement. Ollama n'a pas de base de données. Il n'y a ni job db-init ni instance Cloud SQL.
  • Téléchargement du modèle au premier déploiement. Lorsque default_model est défini et que initialization_jobs est vide, un Job Kubernetes nommé model-pull s'exécute une fois. Il démarre un serveur Ollama local en arrière-plan, télécharge le modèle indiqué, le stocke dans le bucket GCS, puis s'arrête. Le job monte le volume GCS ollama-models afin que les poids persistent. Le délai d'expiration est contrôlé par model_pull_timeout_seconds (3600 secondes par défaut) ; les grands modèles (7B et plus) peuvent prendre 20–30 minutes lors du premier téléchargement.
  • Chargement du modèle au démarrage à froid. À chaque démarrage de pod, Ollama charge les poids du modèle depuis GCS Fuse. Cela prend généralement 30–120 secondes selon la taille du modèle. La sonde de démarrage utilise un délai initial de 30 s avec 20 tentatives en échec (environ 5 minutes) pour en tenir compte. OLLAMA_KEEP_ALIVE vaut "24h" afin que les modèles chargés restent en mémoire entre les requêtes. Remplacez-la via environment_variables.
  • Variables injectées automatiquement. OLLAMA_MODELS (/mnt/gcs/ollama/models), OLLAMA_HOST (0.0.0.0:11434) et OLLAMA_KEEP_ALIVE (24h) sont injectées automatiquement. Ne remplacez pas les deux premières ; la troisième peut être remplacée.
  • Point de terminaison de santé. Le chemin racine d'Ollama (/) répond "Ollama is running" une fois le serveur prêt. Les sondes de disponibilité (readiness) et de vivacité ciblent ce chemin.
  • Réglages supplémentaires. Utilisez environment_variables pour définir OLLAMA_NUM_PARALLEL (par défaut 1, à augmenter pour des appelants simultanés), OLLAMA_ORIGINS (restreindre le CORS) et d'autres variables d'environnement Ollama.
  • Gestion manuelle des modèles. Téléchargez des modèles supplémentaires ou supprimez-en directement : 
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- ollama pull mistral
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- ollama list
    kubectl exec -n "$NAMESPACE" deploy/<service-name> -- ollama rm mistral

4. Variables de configuration​

Les variables sont regroupées exactement comme elles apparaissent sur la plateforme de déploiement. Seuls les paramètres propres à Ollama ou notables pour lui sont listés ; toutes les autres entrées sont héritées de App_GKE avec leur comportement et leurs valeurs par défaut standard.

Groupe 1 — Projet et identité​

VariableValeur par défautDescription
project_id(obligatoire)Projet Google Cloud cible.
regionus-central1Région de la charge de travail et des ressources régionales.

Groupe 2 — Environnement de déploiement​

VariableValeur par défautDescription
tenant_iddemoSuffixe court qui rend les noms de ressources uniques par environnement.
support_users[]Adresses e-mail recevant l'accès au projet et les alertes de surveillance.
resource_labels{}Libellés appliqués à toutes les ressources pour le suivi des coûts et de la propriété.

Groupe 3 — Identité de l'application​

VariableValeur par défautDescription
application_nameollamaNom de base des ressources. Ne le modifiez pas après le premier déploiement.
application_display_nameOllama LLM ServerNom convivial affiché dans la console.
application_description(définie)Annotation de description de la charge de travail.
application_versionlatestTag de l'image Ollama ; épinglez une version précise (par exemple 0.3.12) en production.

Groupe 4 — Exécution et mise à l'échelle​

VariableValeur par défautDescription
deploy_applicationtrueDéfinissez false pour provisionner le stockage et l'IAM sans déployer la charge de travail.
container_resources{ cpu_limit="8", memory_limit="16Gi", cpu_request="4", mem_request="8Gi" }CPU et mémoire du conteneur. Modèles 3B : cpu_limit="4", memory_limit="8Gi". Modèles 7B : cpu_limit="8", memory_limit="16Gi".
min_instance_count1Nombre minimal de réplicas. Conservez ≥ 1 pour éviter la latence de chargement du modèle au démarrage à froid à chaque requête.
max_instance_count3Nombre maximal de réplicas (plafond de l'autoscaler). Chaque pod charge le modèle en mémoire indépendamment — dimensionnez en conséquence.
timeout_seconds300Délai de grâce d'arrêt du pod. Augmentez-le pour les requêtes d'inférence longues.
termination_grace_period_seconds60Nombre de secondes pendant lesquelles Kubernetes attend avant d'arrêter de force le pod après SIGTERM.
service_typeClusterIPType de Service Kubernetes. ClusterIP garde l'API interne. LoadBalancer l'expose publiquement sans authentification.
session_affinityNoneAffinité de session du Service Kubernetes. ClientIP améliore la continuité du contexte sur plusieurs tours mais déséquilibre la répartition de la charge.
enable_image_mirroringtrueDuplique ollama/ollama dans Artifact Registry pour éviter les limites de débit de Docker Hub.
enable_vertical_pod_autoscalingfalseLaisse Autopilot ajuster automatiquement les demandes de ressources.
container_image_sourceprebuilt"prebuilt" utilise directement ollama/ollama ; "custom" déclenche un Cloud Build.
container_imageollama/ollamaURI complète de l'image lorsque container_image_source = "prebuilt".
enable_cloudsql_volumefalseInutile pour Ollama (pas de base de données).

Groupe 5 — Accès et réseau​

VariableValeur par défautDescription
enable_iapfalseExige une connexion Google via Identity-Aware Proxy. Recommandé lorsque service_type = "LoadBalancer".
iap_authorized_users / iap_authorized_groups[]Qui peut accéder via IAP.
iap_oauth_client_id / iap_oauth_client_secret""Requis lorsque IAP est activé.
enable_cloud_armorfalseAssocie une règle Cloud Armor (WAF) au backend de l'Ingress.
application_domains[]Noms d'hôte personnalisés pour l'équilibreur de charge.
enable_custom_domaintrueConfigure un domaine personnalisé et un certificat géré.
reserve_static_iptrueRéserve une adresse IP externe stable.
enable_vpc_scfalseApplique un périmètre VPC-SC (requiert organization_id).
enable_audit_loggingfalseJournaux Cloud Audit Logs détaillés.

Groupe 6 — Variables d'environnement et secrets​

VariableValeur par défautDescription
environment_variables{}Paramètres non secrets supplémentaires. OLLAMA_MODELS, OLLAMA_HOST et OLLAMA_KEEP_ALIVE sont injectées automatiquement. Utilisez ici OLLAMA_NUM_PARALLEL, OLLAMA_ORIGINS, etc.
secret_environment_variables{}Correspondance variable d'environnement → nom du secret Secret Manager.

Groupe 7 — Sauvegarde et maintenance​

Sans objet pour Ollama — les poids des modèles sont stockés durablement dans GCS. Ces variables ne sont présentes que pour la compatibilité de l'interface. Consultez App_GKE.

Groupe 8 — CI/CD et intégration GitHub​

Intégration Cloud Build / Cloud Deploy standard d'App_GKE — consultez App_GKE. Entrées principales : enable_cicd_trigger, github_repository_url, github_token, enable_cloud_deploy, enable_binary_authorization.

Également dans ce groupe : enable_resource_quota, quota_cpu_requests, quota_cpu_limits, quota_memory_requests, quota_memory_limits, quota_max_pods, quota_max_services, quota_max_pvcs. Lorsque enable_resource_quota = true, les valeurs de mémoire doivent utiliser des suffixes d'unités binaires (4Gi, 8192Mi) — les entiers nus sont interprétés comme des octets par Kubernetes et bloquent toute planification de pods.

Groupe 9 — Jobs et tâches planifiées​

VariableValeur par défautDescription
initialization_jobs[]Laissez vide et définissez default_model pour utiliser le job model-pull généré automatiquement. Fournissez une liste non vide pour le remplacer entièrement.
cron_jobs[]CronJobs Kubernetes récurrents pour la gestion des modèles ou d'autres tâches.
additional_services[]Conteneurs supplémentaires déployés comme Deployments Kubernetes distincts (par exemple une base de données vectorielle Qdrant aux côtés d'Ollama).
enable_topology_spreadfalseRépartit les pods entre les zones pour une meilleure disponibilité.

Groupe 11 — Stockage et système de fichiers​

VariableValeur par défautDescription
create_cloud_storagetrueProvisionne les buckets GCS de storage_buckets. Le bucket des modèles est toujours créé, quoi qu'il arrive.
storage_buckets[]Buckets GCS supplémentaires en plus du bucket des modèles.
enable_nfsfalseNon requis pour Ollama (utilise GCS Fuse).
gcs_volumes[]Montages de volumes GCS Fuse supplémentaires. Le bucket ollama-models sur /mnt/gcs est toujours ajouté automatiquement.
manage_storage_kms_iam / enable_artifact_registry_cmekfalseOptions CMEK.

Groupe 12 — Backend de base de données​

Sans objet pour Ollama. database_type est fixé à "NONE" — aucune instance Cloud SQL n'est provisionnée. Ces variables ne sont présentes que pour la compatibilité de l'interface.

Groupe 14 — Observabilité et santé​

VariableValeur par défautDescription
startup_probe{ type="HTTP", path="/", initial_delay_seconds=30, failure_threshold=20 }Le seuil de 20 tentatives laisse environ 5 minutes pour charger le modèle depuis GCS.
liveness_probe{ type="HTTP", path="/", initial_delay_seconds=60, failure_threshold=3 }Le délai de 60 s évite des redémarrages intempestifs pendant le chargement du modèle.
uptime_check_config{ enabled=false, path="/" }Test de disponibilité Cloud Monitoring ; désactivé par défaut, à activer explicitement.
alert_policies[]Règles d'alerte facultatives sur métriques.

Groupe 15 — Redis​

Sans objet pour Ollama. enable_redis est codé en dur à false, quelle que soit la valeur de ce paramètre.

Groupe 16 — Backend GKE et cluster​

VariableValeur par défautDescription
gke_cluster_name""Nom du cluster GKE ; laissez vide pour la découverte automatique depuis Services_GCP.
namespace_name""Espace de noms Kubernetes ; généré automatiquement à partir du nom de l'application s'il est vide.
enable_pod_disruption_budgettrueProtège la disponibilité pendant les mises à niveau des nœuds.
pdb_min_available1Assurez-vous que max_instance_count ≥ 2 lorsque vous utilisez un PDB, afin que les mises à niveau progressives puissent avancer.
deployment_timeout600Nombre de secondes pendant lesquelles Terraform attend le déploiement progressif du Deployment. Passez à 1200 pour les grands modèles (13B et plus).

Groupe 17 — StatefulSet​

Ne s'applique que lorsque workload_type = "StatefulSet". La charge de travail Deployment par défaut avec persistance GCS Fuse est recommandée ; ces paramètres ne sont pas nécessaires dans le cas courant.

VariableValeur par défautDescription
stateful_pvc_enablednullActive un PVC pour le stockage local des modèles. Non requis lorsque GCS Fuse est utilisé.
stateful_pvc_size50GiTaille du PVC (par exemple "100Gi" pour plusieurs grands modèles).
stateful_pvc_mount_path/mnt/dataChemin du PVC dans le conteneur.
stateful_pvc_storage_classstandard-rwoStorageClass Kubernetes.

Groupe 19 — Configuration des modèles Ollama​

VariableValeur par défautDescription
default_model""Modèle à télécharger lors du premier déploiement (par exemple "llama3.2:3b", "mistral", "phi3:mini"). Laissez vide pour ignorer le job de téléchargement automatique.
model_pull_timeout_seconds3600Délai d'expiration du Job Kubernetes model-pull. Les grands modèles (7B et plus) peuvent prendre 20–30 minutes. Plage valide : 300–7200.

5. Sorties​

Ces valeurs sont renvoyées lors d'un déploiement réussi et constituent le moyen le plus rapide de localiser et d'explorer les ressources en cours d'exécution.

SortieDescription
service_nameNom du Service Kubernetes.
namespaceEspace de noms dans lequel s'exécute la charge de travail.
ollama_cluster_urlURL Kubernetes interne : http://<service-name>.<namespace>.svc.cluster.local:11434. Utilisez-la dans d'autres pods pour appeler l'API Ollama.
service_cluster_ipClusterIP interne au cluster.
stage_service_cluster_ipsCorrespondance des ClusterIP des services propres à chaque étape (Cloud Deploy).
service_external_ipIP externe du LoadBalancer (lorsque service_type = "LoadBalancer" et qu'une IP statique est réservée).
api_urlURL du service.
models_bucketNom du bucket GCS dans lequel les poids des modèles Ollama sont conservés.
storage_bucketsTous les buckets Cloud Storage provisionnés.
network_name / network_exists / regionsRéseau VPC, présence, régions disponibles.
container_image / container_registryImage déployée et dépôt Artifact Registry.
monitoring_enabled / monitoring_notification_channelsÉtat de la surveillance et canaux.
initialization_jobsNoms des jobs d'initialisation (y compris model-pull lorsqu'il est déclenché).
deployment_id / tenant_id / resource_prefixIdentifiants de nommage.
project_id / project_numberIdentifiants du projet.
cicd_enabled / cicd_configurationÉtat et détails du CI/CD.
kubernetes_readytrue lorsque le point de terminaison du cluster est disponible et que les charges de travail sont déployées. false lors du premier apply d'un nouveau cluster inline — relancez l'apply pour terminer.
vpc_sc_enabled / vpc_sc_perimeter_name / vpc_sc_dry_run_modeÉtat de VPC-SC.
audit_logging_enabled / artifact_registry_cmek_enabledÉtat des journaux d'audit et de CMEK.

6. Pièges de configuration et valeurs par défaut judicieuses​

Risque : Critique (perte de données / panne / sécurité) — Élevé (service dégradé) — Moyen (coût ou dégradation partielle) — Faible (mineur).

ParamètreValeur judicieuseRisqueConséquence en cas d'erreur
service_typeClusterIPCritiqueLoadBalancer expose publiquement l'API Ollama non authentifiée sur le port 11434. Ollama n'a aucune authentification intégrée.
container_resources.memory_limit16Gi (7B) / 8Gi (3B)CritiqueUne mémoire insuffisante provoque un arrêt OOM en pleine inférence et fait redémarrer le pod en boucle. Allouez au moins 2× la taille des poids quantifiés du modèle.
quota_memory_requests / _limitsunités binaires (4Gi, 8Gi)CritiqueLes entiers nus (par exemple "4") sont interprétés comme des octets par Kubernetes et bloquent toute planification de pods dans l'espace de noms.
enable_iaptrue si service_type = "LoadBalancer"CritiqueSans IAP ni restriction VPC, l'API Ollama est non authentifiée et accessible publiquement.
container_resources.cpu_limit8 (7B) / 4 (3B)ÉlevéTrop peu de CPU rend la génération de tokens extrêmement lente. Pour une inférence 7B en production, 6–8 cœurs sont nécessaires.
min_instance_count1Élevé0 active la mise à l'échelle à zéro mais provoque des démarrages à froid de 60–120 s pendant le rechargement du modèle depuis GCS.
model_pull_timeout_seconds3600ÉlevéUn délai trop court fait échouer le job model-pull avant la fin du téléchargement pour les modèles de plus de 2 GB.
deployment_timeout600ÉlevéTrop court pour un grand modèle (13B et plus) chargé depuis GCS au premier démarrage. Passez à 1200.
max_instance_count3ÉlevéChaque pod charge indépendamment le modèle complet en mémoire. Trois réplicas 7B requièrent environ 48 GiB.
default_modelle modèle souhaitéMoyenLaisser vide est sans danger pour le déploiement initial, mais l'API renvoie une erreur sur toutes les requêtes d'inférence tant qu'aucun modèle n'a été téléchargé manuellement.
environment_variables.OLLAMA_NUM_PARALLEL2–4 pour un usage partagéMoyenLa valeur par défaut 1 sérialise toutes les requêtes. Augmentez-la pour les déploiements de cluster partagés avec des appelants simultanés.
environment_variables.OLLAMA_KEEP_ALIVE24h (injectée automatiquement)MoyenLa valeur par défaut propre à Ollama (5m) évince les modèles de la mémoire après une période d'inactivité, ce qui entraîne des délais de rechargement de 30–60 s. Le module injecte automatiquement 24h.
enable_pod_disruption_budgettrueMoyenAvec pdb_min_available = 1 et un seul réplica, les mises à niveau progressives des nœuds se bloquent. Assurez-vous que max_instance_count ≥ 2.
enable_resource_quotaà activer pour les clusters partagésMoyenSans ResourceQuota, un pod mal configuré peut consommer toutes les ressources du cluster.
options de montage de gcs_volumesinclure implicit-dirsMoyenSans implicit-dirs, les listages de répertoires GCS Fuse échouent et Ollama ne peut pas découvrir les modèles en cache.
enable_image_mirroringtrueMoyenLa désactivation entraîne des téléchargements depuis Docker Hub, soumis à des limites de débit. Conservez true en production.

Pour le comportement du socle évoqué tout au long de cette page — Workload Identity, autoscaling, entrée et certificats, CI/CD, Cloud Armor, IAP, Binary Authorization, VPC-SC, sauvegardes et mise en miroir des images — consultez App_GKE. La configuration applicative partagée propre à Ollama est décrite dans Ollama_Common.

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

By · Google Cloud certified: ACE · PCA · PCD · PDE · PSE · CDL

Dernière mise à jour le