SparkyFitness sur GKE Autopilot
SparkyFitness est un outil auto-hébergé, assisté par l'IA, de suivi familial de
l'alimentation, de la forme physique, de l'eau et de la santé, construit avec un
backend Node.js/Express (codewithcj/sparkyfitness_server) et un frontend React
séparé servi par nginx (codewithcj/sparkyfitness). Ce module déploie
SparkyFitness sur GKE Autopilot au-dessus de la fondation
App_GKE, qui provisionne et gère l'infrastructure partagée de
Google Cloud et Kubernetes.
Ce guide se concentre sur les services cloud utilisés par SparkyFitness et sur la manière de les explorer et de les opérer depuis la console Google Cloud et la ligne de commande. Pour les mécanismes communs à chaque application GKE — modèle espace de noms/Service, mise à l'échelle, CI/CD, IAP, Binary Authorization, VPC Service Controls, sauvegardes et cycle de vie du déploiement — reportez-vous au guide de la fondation App_GKE plutôt que de les répéter ici.
Ce que coûte SparkyFitness sur RAD, et comment cela se compare
L'exécution de SparkyFitness dans votre propre projet GCP coûte environ 142,62 $/mois en frais Google Cloud ; les frais de module de RAD sont de 300 crédits uniques (ou 270 crédits dans un projet géré par RAD), couvrant la configuration et le support — pas la facture cloud continue, que Google vous facture directement dans votre propre projet ou que RAD mesure à l'heure en crédits dans un projet géré par RAD. Si un coût d'exécution inférieur est plus important que la cible de déploiement, consultez le guide Cloud Run pour l'option à moindre coût ; sinon, si vous déployez dans un projet géré par RAD, vous pouvez tout mettre en pause gratuitement lorsque vous ne l'utilisez pas — voir Mettre en pause gratuitement ci-dessous.
Ce que vous payez sur RAD
| Votre propre projet | Projet géré par RAD | |
|---|---|---|
| Frais de module | 300 crédits, une fois | 270 crédits, une fois (10 % de moins) |
| Builds | Inclus dans le prix : pas de frais de build pour la création, 5 mises à jour par mois (mois calendaire UTC) gratuites puis 2 crédits chacune, et rien pour la suppression ou pour un build échoué, dans la limite de 10 builds échoués par jour (UTC). Les sessions de lab et les projets clients sont l'exception : ils sont toujours facturés au temps de build à la minute | Idem |
| Coût d'exécution Google Cloud | ~142,62 $/mois, facturé à votre propre compte de facturation au prix catalogue de Google | ~143 crédits/jour, mesuré à l'heure par RAD au prix catalogue plus marge |
Coût d'exécution par défaut dans votre propre projet
| Ressource | US$/mois (prix catalogue Google, us-central1) |
|---|---|
| Pod GKE Autopilot, 2x vCPU / 2 GiB | 72,16 $ |
| Cloud SQL pour PostgreSQL, 1 vCPU / 3,75 Go, zonal, 10 Go SSD | 51,02 $ |
| Serveur de fichiers NFS/cache (petite VM) | 13,43 $ |
| Cloud NAT et réseau | 5,00 $ |
| Cloud Storage (modules complémentaires, sauvegardes) | 1,00 $ |
| Frais de gestion de cluster GKE | partagés entre toutes les applications GKE du projet ; 0 $ si c'est votre seul cluster, sinon ~73 $ |
| Total | 142,62 $ |
Comment cela se compare
- L'exécuter vous-même sur un VPS nu reste l'option la moins chère en espèces — Hetzner CPX22 (2 vCPU/4 Go) coûte environ 24 $/mois, un Droplet DigitalOcean 2 vCPU/4 Go est également à 24 $/mois, et un GCP Compute Engine e2-standard-2 (2 vCPU/8 Go) est à environ 49 $/mois — plus le temps de l'administrateur pour les sauvegardes, les correctifs de sécurité et les mises à niveau, que le Cloud SQL géré par RAD, Secret Manager et la surveillance couvrent pour vous — mais le prix de RAD n'est jamais destiné à battre un VPS, seulement à remplacer le temps d'administration qu'un VPS nécessite encore.
- SparkyFitness est utilisé par une poignée de personnes quelques fois par jour, ce n'est pas un service continuellement chargé, donc le coût d'exécution ci-dessous est ce qui génère réellement la facture — pas les frais de module.
Mettre en pause gratuitement : supprimer un projet géré par RAD, le restaurer quand vous en avez besoin
C'est le titre pour un projet géré par RAD. La suppression d'un projet géré par RAD délie d'abord sa facturation, puis demande à Google de supprimer le projet purement et simplement — une suppression logique récupérable de 30 jours de Google. Contrairement à la suppression d'un module, cela ne détruit pas Cloud SQL, aucune VM ou la ressource de calcul une par une : l'ensemble du projet s'arrête simplement, et rien n'est facturé pendant qu'il attend, car la facturation est déjà déliée.
Une restauration n'est pas garantie — conservez vos propres sauvegardes. Les conditions de Google Cloud ne garantissent pas qu'un projet restauré, ou les ressources qu'il contient, seront utilisables après sa restauration, de sorte que la restauration ne peut pas être utilisée comme moyen de récupérer un projet supprimé. Avant de supprimer, assurez-vous d'avoir effectué des sauvegardes appropriées des données et de la configuration de l'application et de les avoir stockées en dehors du projet. Si une restauration échoue, ou si le projet restauré ne fonctionne pas, la solution de repli consiste à redéployer l'application (voir la section suivante) et à restaurer sa configuration et ses données à partir de ces sauvegardes.
La restauration, dans les 30 jours et uniquement par le propriétaire du projet, demande à Google de récupérer le projet et de rattacher son compte de facturation, puis vous demande d'exécuter une mise à jour sur chaque déploiement pour confirmer que tout est revenu. Parce que rien n'a été détruit individuellement, cette mise à jour trouve les mêmes ressources déjà présentes — c'est une vérification, pas une reconstruction, et une mise à jour ne facture jamais les frais de module à nouveau. Les mises à jour sont incluses dans le prix (5 par mois pour chaque déploiement), donc une restauration ne coûte normalement aucun crédit.
Ce que cela nécessite : vous devez être propriétaire du projet (pas un projet que RAD gère uniquement pour la facturation), vous devez le restaurer vous-même dans les 30 jours — après cela, Google le supprime définitivement — et la restauration est admise comme la création d'un nouveau projet, de sorte que votre solde de crédits achetés doit toujours dépasser le seuil du palier (100 crédits pour le palier sandbox qui convient à la plupart des utilisations d'étude/démo). Google indique que la plupart des services sont à nouveau entièrement fonctionnels dans les 36 heures suivant une restauration.
Un véritable manque : les sauvegardes nocturnes sont écrites dans un bucket à l'intérieur du projet, et ce bucket a la suppression logique de Cloud Storage explicitement désactivée, il est donc très probable qu'il disparaisse dès que vous supprimez le projet — même si le projet lui-même est récupérable pendant 30 jours. Si vous avez personnalisé l'application et que vous souhaitez conserver ce travail, copiez une sauvegarde (vers Google Drive ou un bucket en dehors du projet) avant de supprimer. Pour une installation par défaut sans rien d'irremplaçable, cela n'a pas d'importance.
Payer uniquement pendant l'utilisation, l'autre méthode : supprimer et redéployer
Dans votre propre projet (ou une fois que vous avez dépassé la fenêtre de restauration de 30 jours ci-dessus), l'alternative est de supprimer SparkyFitness purement et simplement et de le redéployer plus tard. Un redéploiement coûte à nouveau les frais de module (les builds sont inclus) — 300 crédits.
La suppression ne permet d'économiser de l'argent que si SparkyFitness restait inutilisé suffisamment longtemps pour compenser ce coût de redéploiement par rapport à son propre coût d'exécution quotidien — par rapport au total du projet ci-dessus, cela représente environ 6 jours ou plus. La majeure partie du coût d'exécution ici est généralement la base de données et la VM NFS/cache ; elles ne s'arrêtent que si rien d'autre dans le projet ne les utilise, donc la suppression de cette application alors que quelque chose d'autre partage le projet n'économise que la partie calcul de cette application.
Conserver les données en premier : les sauvegardes nocturnes vont dans un bucket à l'intérieur du déploiement et sont supprimées avec lui, alors copiez la dernière sauvegarde avant de supprimer si vous voulez la conserver.
Sessions de lab et environnements gérés
- Sessions de lab, pour la formation : un formateur anime une session pour une classe. Chaque participant reçoit l'application dans son propre projet Google Cloud pendant 15 minutes à 24 heures, dans la limite d'une allocation définie par le formateur. Le formateur peut aussi créer un seul environnement partagé pour toute la classe, et chacun utilise alors la même application et ses données. Soit le formateur finance toutes les places, soit chaque participant paie la sienne. Tout est supprimé à la fin de la session et les crédits inutilisés sont reversés au formateur.
- Environnements gérés, pour les cabinets de conseil : un partenaire exécute l'application pour un client à partir d'un portefeuille cloisonné qu'il finance, et règle directement avec le client. Si le portefeuille est faible, la facturation est mise en pause et les données sont conservées, de sorte que personne ne reçoit de frais inattendus. À la fin, le partenaire transfère le projet et les déploiements deviennent la propriété du client.
- Les crédits peuvent être achetés dans plus de 20 devises, y compris XAF, XOF, NGN, GHS, KES et ZAR, par carte, virement bancaire ou argent mobile.
Sources (8 octobre 2026) : Prix catalogue de l'API Google Cloud Billing Catalog ; radmodules.dev/pricing pour les propres frais de RAD et les estimations de crédits quotidiens ; https://cloud.google.com/resource-manager/docs/delete-restore-projects pour les mécanismes de pause/restauration.
1. Vue d'ensemble
Contrairement à la variante Cloud Run (qui doit exécuter les deux conteneurs dans un seul service multi-conteneurs en raison d'une contrainte de la plateforme Cloud Run — voir SparkyFitness_CloudRun), GKE n'a pas d'exigence HTTPS-only entre les Services intra-cluster, donc SparkyFitness se déploie en tant que deux déploiements/services séparés, correspondant exactement au modèle docker-compose du fournisseur :
- Le backend (
codewithcj/sparkyfitness_server, port 3010) est l'application principale — le câblage standard Déploiement/Service/job d'initialisation de la Fondation. - Le frontend (
codewithcj/sparkyfitness, port 80) est une entréeadditional_services: son propre Déploiement+Service, avec une adresse IP externe de LoadBalancer statique réservée, atteignant le backend à son nom DNS interne au cluster via HTTP simple.
| Capacité | Service Google Cloud | Notes |
|---|---|---|
| Calcul | GKE Autopilot (2 déploiements) | Backend (principal, 2 vCPU/2Gi par défaut) + frontend (additional_services, 0,5 vCPU/512Mi) |
| Base de données | Cloud SQL pour PostgreSQL 15 | Obligatoire — aucun autre moteur n'est pris en charge |
| Secrets | Secret Manager → Secret K8s | SPARKY_FITNESS_API_ENCRYPTION_KEY, BETTER_AUTH_SECRET, SPARKY_FITNESS_APP_DB_PASSWORD auto-générés ; mot de passe de la base de données |
| Ingress | IP de LoadBalancer externe réservée (frontend) | Déterministe à travers les redéploiements — connue au moment de la planification |
Valeurs par défaut judicieuses à connaître à l'avance :
- PostgreSQL 15 est obligatoire. Aucun autre moteur n'est pris en charge.
- Deux rôles de base de données, un géré par Terraform.
db_user(par défautsparky) est le rôle d'administrateur/migration créé par le jobdb-init;app_db_user(par défautsparky_app) est un rôle à privilèges limités que le backend crée et maintient lui-même à chaque démarrage. - Pas de job de migration séparé. Le backend exécute ses propres migrations de base de données à chaque démarrage de conteneur.
- Le Service du backend est toujours exposé sur le port 80,
indépendamment de
container_port(3010) — c'est une convention générale App_GKE (le port du Service est fixe, targetPort mappe au port réel du conteneur). Le nginx du frontend est donc câblé pour proxifier vers:80, et non:3010. - Une IP statique est toujours réservée pour le LoadBalancer du frontend
afin que l'URL accessible par le navigateur (utilisée pour les vérifications
CORS
SPARKY_FITNESS_FRONTEND_URL) soit connue au moment de la planification et ne change jamais lors des redéploiements. - L'image du frontend est pré-construite ; le backend est une build
personnalisée légère. Le backend hérite du
SparkyFitness_Commondeimage_source = "custom"(un Dockerfile patchant ses constructeurspg.Poolpour SSL Cloud SQL), donc une étape Cloud Build est exécutée pour lui ;container_image_sourceest délibérément laissé vide ici afin que la configuration passe.
2. Services Google Cloud et comment les explorer
Toutes les commandes supposent que PROJECT, REGION et
NAMESPACE sont définis (le nom de l'espace de noms est dans les
Sorties du déploiement).
A. GKE Autopilot — les charges de travail SparkyFitness
Deux déploiements s'exécutent dans le même espace de noms : le backend
(application principale) et le frontend (additional_services).
- Console : Kubernetes Engine → Charges de travail → filtrer par espace de noms.
- CLI :
kubectl get deployments -n "$NAMESPACE"
kubectl get pods -n "$NAMESPACE"
kubectl get services -n "$NAMESPACE"
kubectl logs -n "$NAMESPACE" deployment/<backend-deployment> --tail=100
kubectl logs -n "$NAMESPACE" deployment/<frontend-deployment> --tail=100
Voir App_GKE pour la mise à l'échelle, les quotas de ressources et le comportement de déploiement.
B. Cloud SQL pour PostgreSQL 15
SparkyFitness stocke toutes les données de l'application dans une instance Cloud
SQL pour PostgreSQL 15 gérée. Le backend (application principale) se connecte
via le sidecar Cloud SQL Auth Proxy sur 127.0.0.1 lorsque
enable_cloudsql_volume = true (la valeur par défaut).
gcloud sql instances list --project "$PROJECT"
gcloud sql instances describe <instance-name> --project "$PROJECT"
gcloud sql connect <instance-name> --user=<db-user> --database=<db-name> --project "$PROJECT"
Le nom de l'instance, la base de données, l'utilisateur et le secret du mot de passe se trouvent dans les Sorties. Voir App_GKE pour le modèle de connexion, les sauvegardes et la rotation des mots de passe.
C. Secret Manager / Secrets Kubernetes
Trois secrets cryptographiques sont générés dans Secret Manager et matérialisés
en tant que Secret Kubernetes pour le pod backend : SPARKY_FITNESS_API_ENCRYPTION_KEY,
BETTER_AUTH_SECRET, SPARKY_FITNESS_APP_DB_PASSWORD.
gcloud secrets list --project "$PROJECT" --filter="name~sparkyfitness"
kubectl get secret -n "$NAMESPACE"
D. Réseau et LoadBalancer du frontend
Le Service du frontend est un LoadBalancer épinglé à une IP externe
statique réservée.
kubectl get service <frontend-service> -n "$NAMESPACE" -o wide
gcloud compute addresses list --project "$PROJECT" --filter="name~frontend-ip"
E. Cloud Logging et Monitoring
gcloud logging read 'resource.type="k8s_container" AND resource.labels.namespace_name="'"$NAMESPACE"'"' \
--project "$PROJECT" --limit 50
3. Comportement de l'application SparkyFitness
- Configuration de la base de données au premier déploiement. Un seul job
d'initialisation
db-initcrée uniquement le rôle administrateur (db_user) et la base de données (db_name). - Les migrations s'exécutent à chaque démarrage. Le backend applique ses
propres migrations de schéma au démarrage en utilisant les identifiants
administrateur
db_user. app_db_userest auto-réparateur. Le backend crée ou met à jour ce rôle à privilèges limités à chaque démarrage.- Création du compte au premier démarrage. Inscrivez-vous via l'URL du
frontend pour créer le premier compte utilisateur, puis définissez
admin_emailet redéployez pour accorder les privilèges d'administrateur. - Désactiver l'inscription après la première utilisation. Définissez
disable_signup = trueune fois que le compte administrateur existe. - Chemin de santé.
GET /api/healthsur le port 3010 (backend) — confirmé via la directiveHEALTHCHECKdu Dockerfile en amont. - IP de LB du frontend réservée.
public_uriremplace l'URLhttp://<reserved-ip>auto-dérivée par un domaine personnalisé — définissez à la fois cette variable et l'enregistrement DNS du domaine, puis redéployez. - Inspecter l'exécution du job :
kubectl get jobs -n "$NAMESPACE"
kubectl logs -n "$NAMESPACE" job/db-init
4. Variables de configuration
Les variables sont regroupées exactement comme elles apparaissent sur la plateforme de déploiement. Seuls les paramètres spécifiques ou notables pour SparkyFitness sont listés ; toutes les autres entrées sont héritées de App_GKE avec leur comportement standard.
Groupe 3 — Identité de l'application
| Variable | Valeur par défaut | Description |
|---|---|---|
application_name | sparkyfitness | Nom de base des ressources. Ne pas modifier après le premier déploiement. |
application_version | latest | Tag les DEUX images de manière identique. Utilisez latest ou un tag préfixé par v exactement tel que publié en amont (par exemple v0.17.3). |
Groupe 4 — Exécution et mise à l'échelle
| Variable | Valeur par défaut | Description |
|---|---|---|
cpu_limit / memory_limit | 2000m / 2Gi | Limites de ressources pour le backend (application principale). |
min_instance_count / max_instance_count | 1 / 3 | Bornes de mise à l'échelle des réplicas. |
container_port | 3010 | Port d'écoute du backend. |
Groupe 5 — Configuration de l'application SparkyFitness
| Variable | Valeur par défaut | Description |
|---|---|---|
public_uri | "" | Remplacement du domaine personnalisé pour l'URL du frontend. Laissez vide pour utiliser automatiquement l'IP statique réservée du LB. |
app_db_user | sparky_app | Rôle d'exécution à privilèges limités, auto-créé par le backend. |
disable_signup | false | Désactiver les nouvelles auto-inscriptions. |
admin_email | "" | Accorde l'administration à un utilisateur EXISTANT au démarrage. |
log_level / timezone | ERROR / Etc/UTC | Verbosite des logs du backend / Fuseau horaire. |
Groupe 7 — SMTP (facultatif)
| Variable | Valeur par défaut | Description |
|---|---|---|
smtp_enabled | false | Activer l'e-mail de réinitialisation de mot de passe/notification ; définissez tous les champs smtp_* ensemble. |
Groupe 11 — Jobs et Services
| Variable | Valeur par défaut | Description |
|---|---|---|
initialization_jobs | [] | Laissez vide pour utiliser le job db-init intégré. |
additional_services | [] | Le frontend est déjà inclus automatiquement ; utilisez ceci pour tout service SUPPLÉMENTAIRE. |
Groupe 14 — Observabilité et Santé
| Variable | Valeur par défaut | Description |
|---|---|---|
startup_probe / liveness_probe | HTTP /api/health, port 3010 | Cible le backend (application principale). |
Groupe 16 — Base de données
| Variable | Valeur par défaut | Description |
|---|---|---|
db_name | sparkyfitness_db | Nom de la base de données. Immuable après le premier déploiement. |
db_user | sparky | Rôle administrateur/migration. |
enable_cloudsql_volume | true | Sidecar Cloud SQL Auth Proxy — résout en boucle locale 127.0.0.1 (pas de TLS nécessaire). |
Groupe 21 — Redis (non utilisé nativement)
| Variable | Valeur par défaut | Description |
|---|---|---|
enable_redis | true | SparkyFitness n'utilise pas nativement Redis ; le câblage générique Redis de la Fondation est délibérément laissé activé comme une capacité pour les futures versions du backend. Définissez-le sur false pour éviter de provisionner un cache que rien ne lit. |
5. Sorties
| Sortie | Description |
|---|---|
service_name | Nom du Service Kubernetes du backend. |
namespace | Espace de noms Kubernetes. |
frontend_url | URL du frontend accessible par le navigateur — ouvrez ceci pour accéder à l'application. |
backend_cluster_url | URL interne au cluster de l'API backend. |
database_instance_name / database_name / database_user | Identifiants Cloud SQL. |
database_password_secret | Secret Manager contenant le mot de passe de la base de données administrateur. |
storage_buckets | Buckets Cloud Storage créés (aucun par défaut). |
deployment_id / tenant_id / resource_prefix | Identifiants de nommage. |
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).
| Paramètre | Valeur judicieuse | Risque | Conséquence en cas d'erreur |
|---|---|---|---|
BETTER_AUTH_SECRET (auto-généré) | Ne jamais faire pivoter après que les utilisateurs aient activé la 2FA | Critique | Le faire pivoter bloque tous les utilisateurs ayant activé la 2FA. |
SPARKY_FITNESS_API_ENCRYPTION_KEY (auto-généré) | Ne jamais faire pivoter après la première connexion | Critique | Le faire pivoter invalide toutes les informations d'identification de source de données externes stockées. |
db_name / db_user | Définir une fois | Critique | Immuable après le premier déploiement ; la modification recrée la base de données et détruit toutes les données. |
| Port cible du proxy frontend | 80 (fixé par App_GKE), pas container_port | Élevé | Pointer le SPARKY_FITNESS_SERVER_PORT du frontend vers 3010 atteint un écouteur de Service inexistant — chaque appel /api reste bloqué. |
application_version | Utiliser le tag exact de l'amont (v0.17.3) | Élevé | Un 0.17.3 nu (sans préfixe v) n'existe pas en amont — l'extraction échoue. |
admin_email | Définir uniquement après que le compte existe | Moyen | Le définir avant l'inscription n'a aucun effet. |
disable_signup | true après le premier administrateur | Moyen | Laisser l'inscription ouverte permet à quiconque ayant l'URL de créer un compte. |
public_uri | Définir avec un DNS réel lors de l'utilisation d'un domaine personnalisé | Moyen | Un public_uri inaccessible/non concordant rompt les vérifications CORS/d'origine de session. |
Pour le comportement de la fondation référencé tout au long — modèle d'espace de noms, mise à l'échelle, ingress, CI/CD, IAP, Binary Authorization, VPC-SC, sauvegardes et mise en miroir d'images — voir App_GKE. La configuration d'application spécifique à SparkyFitness partagée avec la variante Cloud Run est décrite dans SparkyFitness_Common.
Guides associés
- Lab pratique : SparkyFitness sur GKE Autopilot — déployez-le étape par étape, avec les écrans de console et les commandes à chaque étape.
- SparkyFitness sur Google Cloud Run — la même application sur Cloud Run, lorsque vous avez besoin de l'autre cible de déploiement.
- SparkyFitness Common — Configuration d'application partagée — la configuration partagée par les deux cibles de déploiement.
- Déployé aux côtés de Grocy sur GKE Autopilot, Mealie sur GKE Autopilot, Homebox sur GKE Autopilot, Wallos sur GKE Autopilot dans la solution Gestion de la maison et de la vie.
Need RAD to do something it does not do yet? Request it on the roadmap, or vote on what is already there.