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

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

Formats

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