Click here to load reader

Agile lille 2015 devops etapres

  • View
    1.777

  • Download
    0

Embed Size (px)

Text of Agile lille 2015 devops etapres

  1. 1. Agile Lille 2015:Agile Lille 2015: CI, DevOps et aprs Laurent Tardif
  2. 2. Agile Lille 2015:Agile Lille 2015: CI, DevOps et aprs
  3. 3. CI, DevOps et aprs
  4. 4. Pour qui ? Vous connaissez (un peu) Devops Vous connaissez (une partie au moins) de la Stack Devops
  5. 5. Quoi Un petit retour dans le pass pour comprendre ce qui ce passe aujourdhui On essaiera de voir les tendances actuelles
  6. 6. Le rapport Thery de 1994. Intitul Les autoroutes de linformation , il fut crit Toujours avoir un regard critique sur les prdictions .. autoroutes de linformation , il fut crit par Grard Thry, Alain Bonnaf, Michel Guieysse et adress au Premier ministre de lpoque, douard Balladur. Internet : Son mode de fonctionnement coopratif nest pas conu pour offrir des services commerciaux. Sa large ouverture tous types dutilisateurs et de services fait apparatre ses limites, notamment sonfait apparatre ses limites, notamment son inaptitude offrir des services de qualit en temps rel de voix ou dimages. Ce rseau est donc mal adapt la fourniture de services commerciaux.
  7. 7. Laurent Tardif Qui suis-je ? ~2005 Laurent Tardif ~2000 ~2005
  8. 8. 1995 : 35M dutilisateurs internet 2014 : 2.8 Milliards (~40%) Quelques changements rcents (~40%) 1995 : 80M de tlphones 2014 5.2 Milliards (~75%) La frquence (24/24) et lutilisation (vido,) des appareils changent. Gartner : en 2016, DevOps va passer dune niche une stratgie dentreprise pour 25 % des 2000 plus grandesstratgie dentreprise pour 25 % des 2000 plus grandes entreprises. En cours ou venir : IoT Ref : http://fr.slideshare.net/kleinerperkins/internet-trends-v1
  9. 9. Quelques dates pour les devs 2000 2004 2008 2012 2016 Agile 2000 2004 2008 2012 2016 Continuous Integration 2002 : Agile software development 2006 : Agile Project management 2007 : Entreprise Scrum 2006 : CI : Martin Fowler 2008 : JavaOne : Hudson/Jenkins 2012 : SAFe 1.0 Devops 2008 : JavaOne : Hudson/Jenkins 2013 : Docker 2009 : Chef v1.0 2005 : Puppet
  10. 10. LIntgration Continue ou la fusion du dev et du test
  11. 11. CI & Tools Build Maven, Gradle Plugin & qualit PMD, findbugs, sonar Tests Junit,mockito, selenium, Version control & CI Svn, Git, jenkins, artifactory,nexusartifactory,nexus Virtualisation Vmware, virtualbox, Xen,.
  12. 12. Les bases Points Cls Les bases Qualit du code du logiciel Robustesse du code Packaging volution des outils: nombreux, une fonctionnalit, distribus et utilisables dans le clouddistribus et utilisables dans le cloud
  13. 13. Tests unitaires : Karma + mocha (jasmine) + Chai.js + Sinon.js Exemple dvolution (Octo : http://fr.slideshare.net/OCTOTechnology/test-sur-tous-les-fronts) Sinon.js Tests fonctionnels : selenium + capybara Tests de scurit : skipfish Tests IHM multi-navigateur (Saas) : Saucelabs, browserstack Tests non rgression visuelles : phantom(js/css), Casper Tests de rfrencement : Woorank Tests de rfrencement : Woorank Tests de charges Performance : webpagetests, AgileLoad Stress test : Gremlinsjs
  14. 14. Devops ou la fusion du dev(+tests) et des ops
  15. 15. DevOps : Pourquoi ?
  16. 16. Des exemples de motivation F(x) = return
  17. 17. DevOps cest quoi ?
  18. 18. Devops par les techos 1re Dfinition : DevOps est principalement une automatisation de linfrastructure, du build, du processus de release, du monitoring, .
  19. 19. Devops Par le buisiness 2me Dfinition : une approche qui croit en lexprimentation, lchec rapide, au produit viable minimal, et une dcision prise sur des chiffres. Ex: http://blog.xebia.fr/2015/10/08/revue-de-presse-xebia-2015-41/#RevuedePresseXebia- ImportanceofCulturalShiftinContinuousDeliveryModel
  20. 20. 3me dfinition
  21. 21. OPS Delivery Flux Lead Time Dploiement continue Outils Automatisation Intgration continue Infrastructure as Un peu plus dtaill User Feedback A/B Testing Feature Flags UX Tests Buisiness OPS Run Provisionning Capacity Planning Dploiement continue QA TDD Qualit Inspection continue Infrastructure as code Virtualisation Les quipiers Capacits Feature Team Connaissance Responsabilits No Ops Mtriques Monitoring Docker.io Puppet,Chef, Fabric, {I|P|A}ASS Processus Kanban Amlioration continue Coopration Skills Monitoring Analyse des Logs Disponibilit Fiabilit Alertes Monitoring Time to market Frequent delivey
  22. 22. Les outils Version control & Build GitHub, jenkins, Rultor Configuration management Puppet : gestion de configuration (administrator based) Ansible : syntaxe YAML , agent less Chef : gestion de configuration Saltstack : gestion de configuration, Chef : gestion de configuration Saltstack : gestion de configuration, client => client(s) Augeas : diteur de configuration Monitoring New relic : Monitoring pour les applicatons (Saas solution) LogZ.io : ELK (Elasticsearch, logstash, Kibana) Infrastructure Vagrant : configuration pour les VM Vagrant : configuration pour les VM (intgration avec chef, puppet, docker,) Docker : automatisationde la gestion des containers Linux Applicatif Squid Cache Atlassian : Management de project management, et automatisation du Fgd
  23. 23. Docker Swarm : mechanism de cluster Kitematic : gestion dimage docker via une UI Registry : gestion (stockage) dimages docker Registry : gestion (stockage) dimages docker Machine (beta) : create host + docker client
  24. 24. Monitoring
  25. 25. Optimizely Google Analytics Content Experiments User feedback Google Analytics Content Experiments Unbounce Wingify Visual Website Optimizer Genetify Convert Vanity Vanity
  26. 26. Quelques remarques sur la stack Cloud SAAS Principalement orient Ops et utilisateurs Principalement orient Ops et utilisateurs Pas encore de consolidation du march aura-t-elle lieu ?
  27. 27. Et donc fin 2015 ? et technique
  28. 28. 2015 Multi -Clouds Cloud public Machine MicroservicesOpen Source Cloud public Containers Machine Learning
  29. 29. LOpen source domine les changements technologiques. open source Dveloppement deco-systmes autours de projet far : Docker, Hadoop, OpenStack, . Le modle open source -- collaboratif, auto-organis, et distribu commence se propager en entreprise.distribu commence se propager en entreprise.
  30. 30. Le cloud public Moins de gros projets de cloud priv, principalement cause du cot et de la complexit maintenir la stack logicielle en interne. Ex : http://www.dell.com/learn/fr/fr/frbsdt1/campaigns/revueit-cloud-pourquoi- echec-cloud-priveechec-cloud-prive
  31. 31. Des outils permettent le dploiement ou la gestion de Management de clouds multiples Des outils permettent le dploiement ou la gestion de plusieurs clouds. Ex : CliQr, prtend tre capable de choisir dynamiquement quel cloud doit faire tourner tel ou tel processus. Ex : RightScale, permet de grer et doptimiser les ressources et les cots dun ensemble de clouds.ressources et les cots dun ensemble de clouds.
  32. 32. Transformer une application en 1 container est simple. La folie des Containers Grer une application multi containers est plus difficile. Lecosystem de Docker : Kubernetes(google), Mesos, et StackEngine; Google Cloud Platform et Amazon Web Services ont leur propre mcanisme depuis quelques mois. Google Cloud Platform et Amazon Web Services ont leur propre mcanisme depuis quelques mois.
  33. 33. Les architectures Microservices Aujourdhui les dveloppeurs dapplication Web et mobile app dev, tendent dvelopper/rutiliser des services plutt que tout rcrire Ces services sont des microservices une rsponsabilit simple, faite pour devenir des lments dapplications plus complexes.complexes. Docker a acclr le dveloppement des microservices en fournissant un moyen simple et efficace de les dployer.
  34. 34. Donner du sens vos donnes Machine learning La marche devient abordable, grce des projets comme Mahout , Spark/Mllib et Flink. Adaptation au comportement utilisateur en temps rel.rel.
  35. 35. Et aprs demain ?Et aprs demain ?
  36. 36. Flink en 3 slides Data sourcesource Data source Data source Operation Data Data Operation Data Data Data Stream Operation DataStream Data Operation Moteur doptimisation Excut sur un cluster
  37. 37. Flink
  38. 38. Flink Flink est optimis pour les traitements cycliques et itratifs Flink traite les donnes en batch ou en flux de manire natives. Les donnes sont mises dans un flux ds quelles sont disposition.ds quelles sont disposition. Optimiseur intgr
  39. 39. La Scurit (cf IoT) Les oublis de Devops La Scurit (cf IoT) Monitoring / alertes Le passage lchelle de lentreprise Le test en continu Le test en continu Les Valeurs
  40. 40. Nouvelles ides nouvelles organisations du travail comme par exemple l'intgration ennouvelles organisations du travail comme par exemple l'intgration en continu avec des quipes en parallle: une mise en production par semaine, mais quatre quipes qui travaillent sur des lots fonctionnels indpendants
  41. 41. Les containers mobiles Situations extrmes : coupure rseau Rduction des cots Utilisation de vos ressources
  42. 42. Posted by Benjamin Wootton (http://devops.com/2015/05/07/great-legacy-code-crisis-2016/) .. These modern approaches to software delivery such as DevOps, The Great Legacy Code Crisis Of 2016 These modern approaches to software delivery such as DevOps, Continuous Delivery, cloud, containers, infrastructure automation and polyglot MicroServices are exponentially better approaches than last generation technology. Those who are working on these modern platforms can move so quickly in comparison to more traditional enterprise environments that people working on older platforms dont stand a chance. Its at least a 5-1

Search related