Networking for Kubernetes

Kubernetes est une plateforme open source de planification et d’orchestration de conteneurs qui automatise le déploiement, la mise à l’échelle, la mise en réseau et la gestion du cycle de vie des applications conteneurisées. Elle fournit des abstractions telles que les pods, les services et les ingress pour dissocier les applications de l’infrastructure sous-jacente, permettant ainsi leur portabilité entre les environnements sur site, cloud et edge. Kubernetes est largement utilisé pour exécuter des microservices, des API et, de plus en plus, des charges de travail d’intelligence artificielle et d’apprentissage automatique (IA/ML), grâce à son évolutivité, à sa résilience et au soutien de son écosystème. Le projet Kubernetes est hébergé par la Cloud Native Computing Foundation (CNCF), une entité rattachée à la Linux Foundation, une organisation à but non lucratif. De nombreuses distributions de Kubernetes sont également proposées par différents éditeurs de logiciels et fournisseurs SaaS.

La maîtrise des coûts de Kubernetes passe d’abord par celle des charges opérationnelles. La priorité doit être de standardiser la mise en réseau, la gestion du trafic et la sécurité, plutôt que de multiplier les outils spécialisés pour chaque cluster ou cloud. Les entreprises réduisent leurs coûts opérationnels en réutilisant une architecture cohérente fondée sur Ingress et Gateway API, en s’appuyant sur des modèles de déploiement et en optimisant l’utilisation des ressources grâce à un équilibrage de charge intelligent et à l’observabilité. Les performances sont préservées grâce à une infrastructure réseau adaptée à la production, offrant un débit élevé, une faible latence et des capacités d’automatisation via les API natives de Kubernetes et les workflows GitOps.

F5 optimise la mise en réseau Kubernetes pour l’IA et le machine learning grâce à une gestion intelligente du trafic qui va au-delà du simple équilibrage de charge à tour de rôle. F5 prend en charge le routage tenant compte des modèles, le traitement à haut débit du trafic des couches L3 à L7 et les performances déterministes nécessaires aux charges de travail d’inférence et d’entraînement exécutées sur GPU.

À mesure que les entreprises étendent leur utilisation de Kubernetes, les clusters et les services cloud Kubernetes peuvent facilement proliférer. Il en résulte généralement une fragmentation du réseau, de la sécurité et de l’observabilité. La diversité des contrôleurs Ingress, des équilibreurs de charge cloud et des modèles de politiques entraîne des dérives de configuration, une application incohérente des mesures de sécurité et une visibilité de bout en bout limitée. La complexité opérationnelle augmente à mesure que les équipes gèrent plusieurs plans de contrôle et chaînes d’outils. Sans une couche de connectivité bien conçue, le déploiement à grande échelle de Kubernetes sur plusieurs clusters et clouds entraîne une hausse des coûts, un dépannage plus lent et une fiabilité moindre.

Le moyen le plus simple d’exécuter Kubernetes en périphérie consiste à utiliser une distribution Kubernetes légère et cohérente, associée à une gestion centralisée du réseau et de la sécurité. Les environnements en périphérie nécessitent des performances prévisibles, des composants légers, une charge d’exploitation minimale et une prise en charge de la connectivité intermittente. En standardisant la gestion du trafic entrant, le routage du trafic et les politiques de sécurité dans les environnements centraux, cloud et en périphérie, les équipes peuvent déployer Kubernetes à grande échelle tout en préservant la visibilité, l’isolation et l’automatisation, sans dépendre de services propres à un fournisseur cloud.