patterns-de-deploiement

Patterns de Déploiement

Workflows de déploiement en production et bonnes pratiques CI/CD.

Quand Activer

• Mise en place de pipelines CI/CD
• Conteneurisation d'une application
• Planification d'une stratégie de déploiement (blue-green, canary, roulant)
• Implémentation de vérifications de santé et de sondes de préparation
• Préparation d'une mise en production
• Configuration de paramètres spécifiques à l'environnement

Stratégies de Déploiement

Déploiement Roulant (Par défaut)

Remplacez les instances progressivement — les anciennes et nouvelles versions fonctionnent simultanément pendant le déploiement.

Instance 1 : v1 → v2  (mise à jour en premier)
Instance 2 : v1        (exécute toujours v1)
Instance 3 : v1        (exécute toujours v1)

Instance 1 : v2
Instance 2 : v1 → v2  (mise à jour en second)
Instance 3 : v1

Instance 1 : v2
Instance 2 : v2
Instance 3 : v1 → v2  (mise à jour en dernier)

Avantages : Zéro temps d'arrêt, déploiement progressif Inconvénients : Deux versions s'exécutent simultanément — nécessite des modifications rétrocompatibles Utiliser quand : Déploiements standards, modifications rétrocompatibles

Déploiement Blue-Green

Exécutez deux environnements identiques. Basculez le trafic de manière atomique.

Bleu (v1) ← trafic
Vert (v2)   inactif, exécute la nouvelle version

# Après vérification :
Bleu (v1)   inactif (devient la sauvegarde)
Vert (v2) ← trafic

Avantages : Rollback instantané (revenir au bleu), transition propre Inconvénients : Nécessite 2x l'infrastructure pendant le déploiement Utiliser quand : Services critiques, tolérance zéro aux problèmes

Déploiement Canary

Acheminez d'abord un petit pourcentage de trafic vers la nouvelle version.

v1 : 95 % du trafic
v2 :  5 % du trafic (canary)

# Si les métriques sont bonnes :
v1 : 50 % du trafic
v2 : 50 % du trafic

# Final :
v2 : 100 % du trafic

Avantages : Détecte les problèmes avec le trafic réel avant le déploiement complet Inconvénients : Nécessite une infrastructure de répartition de trafic, une surveillance Utiliser quand : Services à fort trafic, modifications risquées, feature flags

Docker

Dockerfile Multi-étapes (Node.js)

# Étape 1 : Installer les dépendances
FROM node:22-alpine AS deps
WORKDIR /app
COPY package.json package-lock.json ./
RUN npm ci --production=false

# Étape 2 : Construire
FROM node:22-alpine AS builder
WORKDIR /app
COPY --from=deps /app/node_modules ./node_modules
COPY . .
RUN npm run build
RUN npm prune --production

# Étape 3 : Image de production
FROM node:22-alpine AS runner
WORKDIR /app

RUN addgroup -g 1001 -S appgroup && adduser -S appuser -u 1001
USER appuser

COPY --from=builder --chown=appuser:appgroup /app/node_modules ./node_modules
COPY --from=builder --chown=appuser:appgroup /app/dist ./dist
COPY --from=builder --chown=appuser:appgroup /app/package.json ./

ENV NODE_ENV=production
EXPOSE 3000

HEALTHCHECK --interval=30s --timeout=3s --start-period=5s --retries=3 \
  CMD wget --no-verbose --tries=1 --spider http://localhost:3000/health || exit 1

CMD ["node", "dist/server.js"]

Dockerfile Multi-étapes (Go)

FROM golang:1.22-alpine AS builder
WORKDIR /app
COPY go.mod go.sum ./
RUN go mod download
COPY . .
RUN CGO_ENABLED=0 GOOS=linux go build -ldflags="-s -w" -o /server ./cmd/server

FROM alpine:3.19 AS runner
RUN apk --no-cache add ca-certificates
RUN adduser -D -u 1001 appuser
USER appuser

COPY --from=builder /server /server

EXPOSE 8080
HEALTHCHECK --interval=30s --timeout=3s CMD wget -qO- http://localhost:8080/health || exit 1
CMD ["/server"]

Dockerfile Multi-étapes (Python/Django)

FROM python:3.12-slim AS builder
WORKDIR /app
RUN pip install --no-cache-dir uv
COPY requirements.txt .
RUN uv pip install --system --no-cache -r requirements.txt

FROM python:3.12-slim AS runner
WORKDIR /app

RUN useradd -r -u 1001 appuser
USER appuser

COPY --from=builder /usr/local/lib/python3.12/site-packages /usr/local/lib/python3.12/site-packages
COPY --from=builder /usr/local/bin /usr/local/bin
COPY . .

ENV PYTHONUNBUFFERED=1
EXPOSE 8000

HEALTHCHECK --interval=30s --timeout=3s CMD python -c "import urllib.request; urllib.request.urlopen('http://localhost:8000/health/')" || exit 1
CMD ["gunicorn", "config.wsgi:application", "--bind", "0.0.0.0:8000", "--workers", "4"]

Bonnes Pratiques Docker

# BONNES pratiques
- Utiliser des tags de version spécifiques (node:22-alpine, pas node:latest)
- Constructions multi-étapes pour minimiser la taille de l'image
- Exécuter en tant qu'utilisateur non-root
- Copier d'abord les fichiers de dépendances (mise en cache des couches)
- Utiliser .dockerignore pour exclure node_modules, .git, tests
- Ajouter l'instruction HEALTHCHECK
- Définir des limites de ressources dans docker-compose ou k8s

# MAUVAISES pratiques
- Exécuter en tant que root
- Utiliser des tags :latest
- Copier l'intégralité du dépôt en une seule couche COPY
- Installer les dépendances de développement dans l'image de production
- Stocker des secrets dans l'image (utiliser des variables d'environnement ou un gestionnaire de secrets)

Pipeline CI/CD

GitHub Actions (Pipeline Standard)

name: CI/CD

on:
  push:
    branches: [main]
  pull_request:
    branches: [main]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 22
          cache: npm
      - run: npm ci
      - run: npm run lint
      - run: npm run typecheck
      - run: npm test -- --coverage
      - uses: actions/upload-artifact@v4
        if: always()
        with:
          name: coverage
          path: coverage/

  build:
    needs: test
    runs-on: ubuntu-latest
    if: github.ref == 'refs/heads/main'
    steps:
      - uses: actions/checkout@v4
      - uses: docker/setup-buildx-action@v3
      - uses: docker/login-action@v3
        with:
          registry: ghcr.io
          username: ${{ github.actor }}
          password: ${{ secrets.GITHUB_TOKEN }}
      - uses: docker/build-push-action@v5
        with:
          push: true
          tags: ghcr.io/${{ github.repository }}:${{ github.sha }}
          cache-from: type=gha
          cache-to: type=gha,mode=max

  deploy:
    needs: build
    runs-on: ubuntu-latest
    if: github.ref == 'refs/heads/main'
    environment: production
    steps:
      - name: Déploiement en production
        run: |
          # Commande de déploiement spécifique à la plateforme
          # Railway: railway up
          # Vercel: vercel --prod
          # K8s: kubectl set image deployment/app app=ghcr.io/${{ github.repository }}:${{ github.sha }}
          echo "Déploiement de ${{ github.sha }}"

Étapes du Pipeline

PR ouverte :
  lint → typecheck → tests unitaires → tests d'intégration → déploiement de prévisualisation

Fusionnée dans main :
  lint → typecheck → tests unitaires → tests d'intégration → construction image → déploiement staging → tests de fumée → déploiement production

Vérifications de Santé

Point de Terminaison de Vérification de Santé

// Vérification de santé simple
app.get("/health", (req, res) => {
  res.status(200).json({ status: "ok" });
});

// Vérification de santé détaillée (pour surveillance interne)
app.get("/health/detailed", async (req, res) => {
  const checks = {
    database: await checkDatabase(),
    redis: await checkRedis(),
    externalApi: await checkExternalApi(),
  };

  const allHealthy = Object.values(checks).every(c => c.status === "ok");

  res.status(allHealthy ? 200 : 503).json({
    status: allHealthy ? "ok" : "dégradé",
    timestamp: new Date().toISOString(),
    version: process.env.APP_VERSION || "inconnue",
    uptime: process.uptime(),
    checks,
  });
});

async function checkDatabase(): Promise<HealthCheck> {
  try {
    await db.query("SELECT 1");
    return { status: "ok", latency_ms: 2 };
  } catch (err) {
    return { status: "error", message: "Base de données inaccessible" };
  }
}

Sondes Kubernetes

livenessProbe:
  httpGet:
    path: /health
    port: 3000
  initialDelaySeconds: 10
  periodSeconds: 30
  failureThreshold: 3

readinessProbe:
  httpGet:
    path: /health
    port: 3000
  initialDelaySeconds: 5
  periodSeconds: 10
  failureThreshold: 2

startupProbe:
  httpGet:
    path: /health
    port: 3000
  initialDelaySeconds: 0
  periodSeconds: 5
  failureThreshold: 30    # 30 * 5s = 150s temps de démarrage maximum

Configuration de l'Environnement

Pattern Twelve-Factor App

# Toute configuration via des variables d'environnement — jamais dans le code
DATABASE_URL=postgres://user:pass@host:5432/db
REDIS_URL=redis://host:6379/0
API_KEY=${API_KEY}           # injecté par le gestionnaire de secrets
LOG_LEVEL=info
PORT=3000

# Comportement spécifique à l'environnement
NODE_ENV=production          # ou staging, development
APP_ENV=production           # environnement d'application explicite

Validation de la Configuration

import { z } from "zod";

const envSchema = z.object({
  NODE_ENV: z.enum(["development", "staging", "production"]),
  PORT: z.coerce.number().default(3000),
  DATABASE_URL: z.string().url(),
  REDIS_URL: z.string().url(),
  JWT_SECRET: z.string().min(32),
  LOG_LEVEL: z.enum(["debug", "info", "warn", "error"]).default("info"),
});

// Valider au démarrage — échouer rapidement si la configuration est erronée
export const env = envSchema.parse(process.env);

Stratégie de Rollback

Rollback Instantané

# Docker/Kubernetes : pointer vers l'image précédente
kubectl rollout undo deployment/app

# Vercel : promouvoir le déploiement précédent
vercel rollback

# Railway : redéployer le commit précédent
railway up --commit <previous-sha>

# Base de données : annuler la migration (si réversible)
npx prisma migrate resolve --rolled-back <nom-migration>

Liste de Contrôle de Rollback

• L'image/artefact précédent est disponible et étiqueté
• Les migrations de base de données sont rétrocompatibles (pas de modifications destructrices)
• Les feature flags peuvent désactiver les nouvelles fonctionnalités sans déploiement
• Les alertes de surveillance sont configurées pour les pics de taux d'erreur
• Le rollback a été testé dans l'environnement de staging avant la mise en production

Liste de Contrôle de Mise en Production

Avant tout déploiement en production :

Application

• Tous les tests passent (unitaires, intégration, E2E)
• Aucun secret codé en dur dans le code ou les fichiers de configuration
• La gestion des erreurs couvre tous les cas limites
• La journalisation est structurée (JSON) et ne contient pas de données personnelles
• Le point de terminaison de vérification de santé renvoie un état significatif

Infrastructure

• L'image Docker se construit de manière reproductible (versions épinglées)
• Les variables d'environnement sont documentées et validées au démarrage
• Les limites de ressources sont définies (CPU, mémoire)
• La mise à l'échelle horizontale est configurée (instances min/max)
• SSL/TLS activé sur tous les points de terminaison

Surveillance

• Les métriques de l'application sont exportées (taux de requêtes, latence, erreurs)
• Des alertes sont configurées pour un taux d'erreur > seuil
• L'agrégation des journaux est configurée (journaux structurés, consultables)
• Surveillance de la disponibilité sur le point de terminaison de vérification de santé

Sécurité

• Les dépendances sont analysées pour les CVE
• CORS configuré uniquement pour les origines autorisées
• La limitation du débit est activée sur les points de terminaison publics
• L'authentification et l'autorisation sont vérifiées
• Les en-têtes de sécurité sont définis (CSP, HSTS, X-Frame-Options)

Opérations

• Le plan de rollback est documenté et testé
• La migration de base de données est testée avec des données de taille de production
• Un runbook pour les scénarios de panne courants
• La rotation d'astreinte et la chaîne d'escalade sont définies