Plateforme CI/CD Multi-Langages avec Déploiement Automatisé

Plateforme CI/CD Multi-Langages avec Déploiement Automatisé (Whanos)

Contexte technique :

Conception et déploiement d'une infrastructure DevOps complète combinant CI/CD, conteneurisation et orchestration pour automatiser le cycle de vie d'applications multi-langages, du commit Git au déploiement en production sur cluster Kubernetes.

Pipeline d'automatisation :

• Détection intelligente : Analyse automatique du repository (Makefile, pom.xml, package.json, requirements.txt, *.bf)
• Build multi-stage : Images Docker optimisées avec compilation et suppression des artefacts inutiles
• Registry privé : Stockage sécurisé des images avec versioning
• Déploiement conditionnel : Parsing du fichier whanos.yml pour orchestration Kubernetes

Stack technique complète :

• Conteneurisation : Docker (images multi-stage, base images + standalone images)
• CI/CD : Jenkins (freestyle jobs, parametrized builds, polling SCM, triggers)
• Orchestration : Kubernetes cluster multi-nodes (Deployments, Services, Resources, Replicas)
• IaC : Ansible avec Kubespray pour provisionning du cluster
• Registry : Docker Registry privé pour stockage d'images

Langages supportés :

• C : GCC 13.2, compilation Make, détection via Makefile
• Java : Java SE 21, Maven, packaging JAR
• JavaScript : Node.js 20.9, npm, exécution native
• Python : 3.12, pip, module execution
• Befunge : Befunge-93 (langage ésotérique)

Architecture Jenkins :

• Job link-project : création dynamique de pipelines par repository
• Jobs de build d'images de base par langage
• Polling SCM automatique (vérification minutée des changements Git)
• Support des repositories privés avec credentials

Fonctionnalités Kubernetes :

• Configuration déclarative via whanos.yml (replicas, resources, ports)
• Exposition des services vers l'extérieur
• Cluster multi-nodes (minimum 2 nodes) pour haute disponibilité
• Gestion des ressources (CPU, RAM) par application

Points techniques notables :

• Images Docker optimisées multi-stage pour réduire la taille finale
• Séparation base images / standalone images pour flexibilité
• Idempotence des playbooks Ansible pour redeployabilité
• Infrastructure as Code pour déploiement reproductible
• Système de détection automatique du langage par analyse du repository

Ce projet démontre une maîtrise avancée de l'écosystème DevOps moderne et la capacité à concevoir des systèmes d'automatisation complexes et scalables.