Formateur GitLab CI/CD : pipelines, runners et registre
Je forme vos équipes à écrire des fichiers .gitlab-ci.yml lisibles et rapides, et à exploiter les runners qui les exécutent.
Mon approche
Tout GitLab CI/CD tient dans un fichier YAML, et c'est là que les difficultés commencent : include, extends, rules, needs, variables à plusieurs niveaux. Je montre comment ces mécanismes se combinent, quand une configuration est fusionnée et quand elle est remplacée, et comment garder un pipeline court quand le projet grandit.
Je traite aussi la moitié souvent oubliée du sujet : l'infrastructure qui exécute les jobs. Choix d'un executor, runners de groupe et de projet, runners déployés sur Kubernetes avec Helm, cache partagé, puis suivi de leur charge dans Prometheus et Grafana pour les faire monter en charge seuls. J'anime cette formation en français comme en anglais.
Ce que je couvre
Premier pipeline et notions de base
- Jobs, stages et pipelines, et les stages implicites .pre et .post
- Choisir l'image Docker qui exécute les jobs
- Un premier pipeline Python avec lint Flake8 et tests unitaires
- Lire les logs et mesurer l'effet d'un petit changement de configuration
GitLab Container Registry
- S'authentifier sur le registre du projet
- Construire, pousser et tirer une image
- Politiques de nettoyage pour garder un registre propre
Configuration réutilisable
- Découper le pipeline en fichiers avec include
- Partager des sections communes avec extends
- Savoir ce qui est fusionné et ce qui est écrasé lors d'une surcharge
Variables et secrets
- Variables prédéfinies pour des pipelines qui s'adaptent au contexte
- Variables masquées et protégées, valeurs sur plusieurs lignes, variables de type fichier
- Portées, ordre de priorité et risques pour la chaîne d'approvisionnement
Rules, workflows et pipelines DAG
- Jobs conditionnels selon la branche, le tag, la merge request ou les fichiers modifiés
- Conditions sur le statut des jobs précédents et jobs manuels
- workflow:rules pour décider si un pipeline démarre
- needs et pipelines sans stages pour paralléliser ce qui peut l'être
Artefacts, environnements, releases et parallélisme
- Le principe d'isolation entre jobs, et les artefacts pour passer des fichiers
- Environnements GitLab pour suivre ce qui est déployé où
- Releases créées à partir des tags Git
- parallel pour répartir une suite de tests sur plusieurs instances d'un job
Runners et executors
- Shell, SSH, Docker, Docker Autoscaler, Kubernetes, Instance, Custom, VirtualBox et Parallels
- Quel executor choisir selon l'isolation, le coût et la charge
- Runners de groupe et de projet, enregistrement et tags
Runners cloud native sur Kubernetes
- Installer GitLab Runner avec son chart Helm, et le rôle du conteneur helper
- Cache distribué compatible S3 partagé entre runners
- Métriques des runners avec PodMonitor, Prometheus et Grafana
- Autoscaling horizontal sur une métrique métier, puis agrandissement du cluster lui-même
Exemples de travaux pratiques
- Construire l'image de l'application, la pousser dans le GitLab Container Registry, la supprimer en local puis la tirer à nouveau depuis le registre
- Découper un .gitlab-ci.yml en fichiers build, test et deploy reliés par include
- Écrire un pipeline à conditions : jobs limités aux branches dev/, job de sécurité manuel réservé à certaines adresses e-mail, rapport sur branches protégées, notification seulement en cas d'échec
- Transformer un pipeline séquentiel en DAG avec needs pour lancer sécurité, qualité et tests en même temps
- Déployer GitLab Runner sur un cluster K3s avec Helm et lui brancher un cache partagé
- Suivre l'activité des runners dans Grafana et les faire monter en charge selon la file des jobs
Pour qui
Cette formation s'adresse aux équipes qui ont choisi GitLab et veulent en tirer davantage : développeurs qui écrivent leurs pipelines, ingénieurs DevOps et plateforme qui gèrent les runners, responsables techniques qui veulent standardiser la CI de plusieurs projets.
Prérequis
- Les commandes Git courantes : clone, commit, push, branche
- Construire et lancer une image Docker
- Être à l'aise avec YAML et un terminal Linux
- Pour la partie runners sur Kubernetes : savoir ce que sont un Pod et un Deployment
Formats
- 1 jour pour les fondamentaux : registre, pipelines, réutilisation, variables, conditions et runners
- 3 jours pour une équipe qui veut aller plus loin
- Animation en français ou en anglais
- Infrastructure de lab créée avec Terraform, une machine par participant
Entreprises et organisations formées
Coyote System · Viadialog · Microsoft · Intel · Société Générale · Michelin · Ministère des Armées · Ministère de l'Éducation nationale · Ministère de l'Intérieur · Orange · EDF · Iliad / Free · Assurance Maladie · Ville de Strasbourg · Groupe Hospitalier du Havre · General Electric · Synechron · Sagemcom · Cryostar · Mediagenix · Config · Echosens · RS2i · Amphenol Socapex · 4JS · NTI · GPSEA · CentralPay · Lazeo · Kabia · Vademi · UOC
Questions fréquentes
Nos pipelines sont trop lents. La formation aide-t-elle sur ce point ?
Oui, c'est l'un des fils du programme. On remplace l'enchaînement strict des stages par needs, on passe les fichiers par artefacts au lieu de tout refaire, on répartit les tests avec parallel et on ajuste la capacité des runners. Chaque levier est mesuré sur le pipeline du lab.
Faut-il héberger nos propres runners ?
Les runners partagés suffisent pour démarrer. Des runners à vous deviennent utiles pour le matériel spécifique, les réseaux fermés, les projets sensibles ou le coût. En formation, chaque participant installe et enregistre les siens, puis en déploie sur Kubernetes.
Le programme couvre-t-il le déploiement sur Kubernetes ?
Oui, en prolongement. Je peux ajouter le déploiement de l'application sur un cluster avec Helm, chart publié dans le registre de paquets de GitLab. Pour une livraison pilotée depuis Git avec Argo CD, je propose une formation dédiée.
Formations proches
Organiser une formation
Décrivez votre équipe, son niveau et vos objectifs. Je vous réponds avec un programme adapté.
Me contacter