Opis projektu
PrzetłumaczoneUruchamiamy produkcyjną aplikację internetową na jednym VPS-ie, a ta konfiguracja stała się stałym źródłem problemów. Każde wydanie oznacza logowanie się przez SSH, ręczne aktualizowanie kodu, ręczne uruchamianie usług i nadzieję, że nic się nie zepsuje; nie ma izolacji aplikacji od zależności, nie ma możliwości skalowania pod obciążeniem, a pojedynczy restart wyłącza cały serwis. Chcemy to zrobić w odpowiedni sposób. Zadanie polega na konteneryzacji istniejącej aplikacji przy użyciu Dockera, a następnie migracji obciążenia do klastra Kubernetes, aby w końcu uzyskać powtarzalne kompilacje, poziome skalowanie, samonaprawianie i wdrożenia, przy których nie musimy siedzieć w nocy.
Praca zaczyna się od napisania czystych, gotowych do produkcji plików Dockerfile dla każdej usługi, z wieloetapowymi kompilacjami, aby obrazy były lekkie i nie zawierały zbędnych narzędzi. Następnie musimy ująć wdrożenie jako zestaw wykresów Helm obejmujących samą aplikację, jej konfigurację, sekrety i usługi wspierające, z oddzielnymi plikami wartości dla każdego środowiska. Po stronie klastra potrzebujemy reguł Autoskalera Podów w poziomie opartych na CPU i pamięci, rozsądnych żądań i limitów oraz poprawnych sond żywotności i gotowości, aby Kubernetes restartował niezdrowe pody i kierował ruch tylko do naprawdę gotowych instancji. Trwałe dane i konfiguracja muszą być umieszczone w wolumenach, mapach konfiguracji i sekretach, a nie wbudowane w obrazy.
Na koniec wszystko to powinno integrować się w zautomatyzowany pipeline CI/CD, który buduje obrazy, przesyła je do rejestru i wdraża do klastra po scaleniu. Wydanie produkcyjne musi odbywać się bez przestojów — z użyciem strategii rolling lub blue-green z udokumentowaną ścieżką wycofania. Proszę o podanie odpowiedniego doświadczenia w Kubernetes oraz krótkiego planu przed rozpoczęciem.
— Dockerfile dla wszystkich usług z wieloetapowymi kompilacjami
— Wykresy Helm z wartościami środowiskowymi, mapami konfiguracji i sekretami
— Autoskalowanie HPA, plus żądania, limity, sondy żywotności/gotowości
— Pipeline CI/CD, który automatycznie buduje, przesyła i wdraża obrazy
— Wdrożenie bez przestojów (rolling lub blue-green) z planem wycofania
— Krótkie instrukcje migracji i przekazanie dokumentacji
Praca zaczyna się od napisania czystych, gotowych do produkcji plików Dockerfile dla każdej usługi, z wieloetapowymi kompilacjami, aby obrazy były lekkie i nie zawierały zbędnych narzędzi. Następnie musimy ująć wdrożenie jako zestaw wykresów Helm obejmujących samą aplikację, jej konfigurację, sekrety i usługi wspierające, z oddzielnymi plikami wartości dla każdego środowiska. Po stronie klastra potrzebujemy reguł Autoskalera Podów w poziomie opartych na CPU i pamięci, rozsądnych żądań i limitów oraz poprawnych sond żywotności i gotowości, aby Kubernetes restartował niezdrowe pody i kierował ruch tylko do naprawdę gotowych instancji. Trwałe dane i konfiguracja muszą być umieszczone w wolumenach, mapach konfiguracji i sekretach, a nie wbudowane w obrazy.
Na koniec wszystko to powinno integrować się w zautomatyzowany pipeline CI/CD, który buduje obrazy, przesyła je do rejestru i wdraża do klastra po scaleniu. Wydanie produkcyjne musi odbywać się bez przestojów — z użyciem strategii rolling lub blue-green z udokumentowaną ścieżką wycofania. Proszę o podanie odpowiedniego doświadczenia w Kubernetes oraz krótkiego planu przed rozpoczęciem.
— Dockerfile dla wszystkich usług z wieloetapowymi kompilacjami
— Wykresy Helm z wartościami środowiskowymi, mapami konfiguracji i sekretami
— Autoskalowanie HPA, plus żądania, limity, sondy żywotności/gotowości
— Pipeline CI/CD, który automatycznie buduje, przesyła i wdraża obrazy
— Wdrożenie bez przestojów (rolling lub blue-green) z planem wycofania
— Krótkie instrukcje migracji i przekazanie dokumentacji
Administracja Gotówka, Przelew bankowy
