Aller au contenu

Guide de Déploiement — Atelier

Ce document décrit la procédure de build, d'intégration continue (CI/CD) et de déploiement d'Atelier sur un cluster Kubernetes.

1. Architecture des Images Container (GHCR)

Toutes les images Docker d'Atelier sont construites et publiées automatiquement sur le registre GitHub Packages (GHCR) sous l'organisation / utilisateur GitHub : ghcr.io/philippevienne/atelier-<composant>.

Composant Image GHCR Description
API Server ghcr.io/philippevienne/atelier-api-server:latest API REST & Gateway WebSocket Axum
Controller ghcr.io/philippevienne/atelier-controller:latest Opérateur Kubernetes (Reconciler du CRD Workshop)
Dashboard ghcr.io/philippevienne/atelier-dashboard:latest Web UI Next.js 16
VM Supervisor ghcr.io/philippevienne/atelier-vm-supervisor:latest Superviseur Firecracker au sein du Pod
Net Proxy ghcr.io/philippevienne/atelier-net-proxy:latest Egress & DNS proxy avec allowlist
Identity Proxy ghcr.io/philippevienne/atelier-identity-proxy:latest Reverse proxy d'injection de secrets OpenBao
MCP Gateway ghcr.io/philippevienne/atelier-mcp-gateway:latest Passerelle Model Context Protocol (AI Agents)
Image Builder ghcr.io/philippevienne/atelier-image-builder:latest Builder de rootfs Firecracker depuis devcontainer.json
Builder VM Init ghcr.io/philippevienne/atelier-builder-vm-init:latest Daemon d'init pour la VM de build d'image
KVM Device Plugin ghcr.io/philippevienne/atelier-kvm-device-plugin:latest Kubernetes Device Plugin pour /dev/kvm
PM Engine ghcr.io/philippevienne/atelier-pm-engine:latest Moteur DevFactory autonome (LangGraph, Python)

crates/guest-init n'apparaît volontairement pas dans ce tableau : il n'est jamais déployé comme conteneur Kubernetes, mais posé comme /sbin/init dans le rootfs des devcontainers par image-builder lui-même.

2. CI/CD GitHub Actions

Le projet intègre 2 workflows automatisés dans .github/workflows/ :

  1. ci.yml :
  2. Vérifie le formatage (cargo fmt --check).
  3. Analyse le code via Clippy (cargo clippy --workspace --all-targets -- -D warnings).
  4. Exécute les tests unitaires et d'intégration Rust (cargo test --workspace).

  5. Vérifie le lint et la compilation du dashboard Next.js (npm ci && npm run build).

  6. docker-ghcr.yml :

  7. Se déclenche automatiquement lors d'un push sur la branche principale (main/master) ou la création d'un tag de version (v*).
  8. Construit les 11 images conteneurisées avec mise en cache GHA (type=gha).
  9. Publie chaque image sur GHCR sous les tags :latest, :sha-<commit> et :vX.Y.Z.

3. Prérequis Kubernetes & Matériel

  1. Support KVM : Les nœuds Kubernetes hébergeant les Pods micro-VMs doivent avoir l'extension de virtualisation matérielle activée (/dev/kvm).
  2. Kubernetes v1.26+ avec kubectl configuré.
  3. Le plugin d'accès KVM appliqué sur le cluster (disponible via crates/kvm-device-plugin).

4. Déploiement Étape par Étape

Voie recommandée en production : le chart Helm charts/atelier

Les manifestes bruts ci-dessous couvrent le control plane minimal (CRD, controller, api-server, dashboard) mais pas les dépendances (PostgreSQL, Keycloak, OpenBao, S3, Redis, LiteLLM) ni les Jobs d'initialisation. Pour un déploiement complet, préférer le chart Helm monolithique charts/atelier (Jalon M6) — voir le Guide Administrateur pour la procédure détaillée (domaines, identités cloud natives, séquencement, dépannage). Les étapes manuelles restent utiles pour un environnement minimal où ces dépendances sont déjà gérées ailleurs.

Étape 1 : Appliquer la Définition CRD Workshop

kubectl apply -f crds/workshop.yaml

Étape 2 : Créer le Namespace atelier-system

kubectl apply -f deploy/manifests/00-namespace.yaml

Étape 3 : Déployer le Controller Kubernetes

kubectl apply -f deploy/manifests/01-controller.yaml

Étape 4 : Déployer l'API Server

kubectl apply -f deploy/manifests/02-api-server.yaml

Étape 5 : Déployer l'Interface Dashboard

kubectl apply -f deploy/manifests/04-dashboard.yaml

5. Vérification du Déploiement

Pour vérifier que tous les composants sont opérationnels : 

kubectl get pods -n atelier-system

Créer un premier environnement de test Workshop : 

apiVersion: atelier.dev/v1alpha1
kind: Workshop
metadata:
  name: demo-python
  namespace: default
spec:
  desiredState: Running
  devcontainer:
    repo: https://github.com/microsoft/vscode-remote-try-python
    configPath: .devcontainer/devcontainer.json
  resources:
    cpu: "2"
    memory: "2Gi"

Appliquer le fichier : 

kubectl apply -f demo-workshop.yaml
kubectl get workshops -w