Projet local

Nous allons travailler avec un projet NodeJS, contenant la base d'un API. Vous trouverez le projet ici :

devops-sample-main.zip

Téléchargez, décompressez, et ouvrez le projet dans VSCode, et relancez votre projet dans un Dev Container (avec Docker). Suivez les instructions dans le README.md afin de lancer une version fonctionnelle de l'api.

Lancez votre api en local :

npm install

npm run server

If all goes well you can query the endpoint /info on this api (use Postman or curl) :

curl http://127.0.0.1:5050/info

# Resultat :
{"title":"DevOps Code Samples API","host":"4c320d7f5a06","platform":"linux","type":"Linux"}

Jetez un coup d'œil au fichier docker-compose.dev.yml. Il s'agit de l'environnement de développement qui crée deux conteneurs, un pour VSCode (basé sur l'image node:18), et un autre pour faire tourner une base de données MariaDB.

version: '3.9'

services:
  vscode_api:
    image: rg.fr-par.scw.cloud/devops-code-samples-vscode/vscode_api:1.0.0
    command: /bin/bash -c "while sleep 1000; do :; done"
    working_dir: /home/dev
    networks:
      - api-network
    volumes:
      - ./:/home/dev:cached
    labels:
      api_logging: "true"      
    
  dbms:
    image: mariadb
    restart: always
    ports:
      - "3379:3306"
    environment: 
      - MYSQL_ALLOW_EMPTY_PASSWORD=false
      - MYSQL_ROOT_PASSWORD=rootpassword
    command: [
      "--character-set-server=utf8mb4",
      "--collation-server=utf8mb4_unicode_ci",
    ]
    volumes:
      - ./dbms/dbms-data:/var/lib/mysql
      - ./dbms/mariadb.cnf:/etc/mysql/mariadb.cnf
    networks:
      - api-network

networks:
  api-network:
    driver: bridge
    name: api-network

Nous allons construire une image Docker similaire à vscode_api que nous allons déployer dans un cluster Kubernetes !

Si vous avez suivi le cours API, vous avez déployé manuellement votre application sur un serveur, en téléchargeant votre source sur Git, puis en vous connectant à votre serveur, en construisant et en déployant un conteneur Docker sur le serveur.

C'était un peu lent et répétitif. En utilisant Docker et Kubernetes, nous pouvons automatiser ce processus !