Formation Certification GCP Professional Cloud DevOps Engineer

Programme de formation GCP Professional Cloud DevOps Engineer

[Jour 1 – Matin]

Concevoir et maintenir une organisation Google Cloud pour le DevOps

• Structurer les organisations, dossiers et projets pour isoler les environnements et répartir les responsabilités.
• Définir les rôles IAM, les comptes de service et les politiques d’organisation selon le principe du moindre privilège.
• Choisir une architecture réseau partagée : Shared VPC, VPC Network Peering et Private Service Connect.
• Organiser la supervision et la journalisation multiprojets ; intégrer les contraintes de résidence des données.
• Préparer des environnements de développement sécurisés avec Cloud Workstations ou Cloud Shell et un outillage reproductible.
• Atelier pratique : corriger une architecture comportant des accès excessifs et une mauvaise isolation entre préproduction et production ; justifier les choix retenus.

Industrialiser la gestion de l’infrastructure et des environnements

• Structurer des configurations Terraform réutilisables et gérer l’état, les versions et la séparation des environnements.
• Intégrer la validation, la revue du plan et l’approbation des changements d’infrastructure dans une chaîne CI/CD.
• Détecter les dérives de configuration et traiter les modifications réalisées hors du processus automatisé.
• Comparer les usages de Infrastructure Manager, Config Connector, Helm et GitOps.
• Planifier les environnements éphémères et les mises à niveau de clusters GKE en limitant les interruptions.
• Atelier pratique : modifier une infrastructure existante par pipeline, examiner le plan et corriger une dérive avant application.

[Jour 1 – Après-midi]

Construire une chaîne d’intégration continue avec tests automatisés

• Concevoir des pipelines Cloud Build : déclencheurs Git, étapes de build, dépendances et paramètres par environnement.
• Intégrer les tests unitaires, d’intégration et les contrôles de qualité ; définir les critères bloquant une livraison.
• Gérer les artefacts dans Artifact Registry : droits d’accès, identification immuable des versions et politiques de nettoyage.
• Appliquer les pratiques CI/CD aux applications, aux infrastructures et aux workloads de machine learning.
• Étudier les tests et critères de promotion d’un modèle ML : validation des données, performances du modèle et télémétrie du service.
• Choisir les points d’intégration avec des outils tiers et des environnements hybrides ou multicloud.
• Atelier pratique : compléter un pipeline de build, de tests et de publication ; diagnostiquer un échec de test et un refus d’accès au registre.

Sécuriser la chaîne de livraison logicielle

• Séparer les identités de build, de déploiement et d’exécution ; appliquer des permissions adaptées à chaque environnement.
• Protéger les secrets avec Secret Manager et distinguer leur injection pendant le build ou à l’exécution.
• Choisir les usages de Cloud KMS, Certificate Manager, Parameter Manager et Workload Identity Federation.
• Analyser les vulnérabilités des artefacts avec Artifact Analysis.
• Exploiter la provenance des builds et les principes SLSA ; contrôler les déploiements avec Binary Authorization.
• Atelier pratique : supprimer un secret exposé dans une configuration et bloquer le déploiement d’un artefact ne respectant pas la politique de sécurité.

[Jour 2 – Matin]

Orchestrer et fiabiliser les déploiements applicatifs

• Configurer Cloud Deploy pour promouvoir une version entre plusieurs environnements, avec approbations et vérifications.
• Utiliser Skaffold et Kustomize pour gérer les configurations de déploiement.
• Comparer les stratégies rolling, blue/green et canary, la répartition du trafic et les feature flags.
• Définir les critères de réussite d’une livraison à partir des erreurs, de la latence et des indicateurs applicatifs.
• Déployer sur Cloud Run et GKE ; identifier les contraintes propres à chaque cible.
• Assurer la traçabilité des changements et diagnostiquer les échecs de promotion, de vérification ou de déploiement.
• Atelier pratique : réaliser un déploiement canary, détecter une régression puis exécuter un rollback contrôlé.

Appliquer les pratiques SRE aux décisions de livraison

• Définir des SLI de disponibilité et de latence représentatifs de l’expérience utilisateur.
• Construire des SLO mesurables et distinguer les objectifs internes des engagements SLA.
• Calculer un budget d’erreur et définir une politique de livraison liée à sa consommation.
• Arbitrer entre vitesse de changement, risque, coût et niveau de fiabilité.
• Préparer la mise en production, la maintenance et le retrait d’un service.
• Étude de cas : décider de poursuivre, ralentir ou suspendre les livraisons à partir des résultats du service et de son budget d’erreur.

[Jour 2 – Après-midi]

Instrumenter les services et exploiter leur télémétrie

• Collecter des logs structurés, métriques et traces avec OpenTelemetry et, pour les VM, Ops Agent.
• Exploiter les journaux applicatifs, Cloud Audit Logs et VPC Flow Logs dans Logs Explorer.
• Configurer le routage, la centralisation et la rétention des logs ; choisir entre buckets de logs, BigQuery, Cloud Storage et Pub/Sub.
• Réduire les volumes inutiles et protéger les données sensibles avant leur journalisation.
• Analyser les métriques avec Metrics Explorer et PromQL ; exploiter Managed Service for Prometheus.
• Analyser les spans et cascades de traces dans Cloud Trace ; corréler les traces avec les logs.
• Atelier pratique : suivre une requête entre plusieurs composants et identifier l’origine d’une hausse de latence.

Construire des alertes exploitables et diagnostiquer les incidents

• Construire des dashboards centrés sur la santé du service et les symptômes utilisateurs.
• Configurer des alertes sur les SLO et la vitesse de consommation du budget d’erreur.
• Mettre en place des contrôles synthétiques et des notifications associées à des procédures d’intervention.
• Diagnostiquer les problèmes d’infrastructure, d’application, de pipeline et de collecte de télémétrie.
• Évaluer les propositions de Gemini Cloud Assist et vérifier les conclusions à partir des données observées.
• Atelier pratique : détecter une dégradation injectée, confronter plusieurs hypothèses et documenter le diagnostic.

[Jour 3 – Matin]

Réduire l’impact des incidents et gérer la capacité

• Choisir une mesure de mitigation : rollback, redirection ou drainage du trafic, augmentation de capacité.
• Configurer et comparer l’autoscaling sur GKE, Cloud Run et les managed instance groups.
• Identifier les effets des quotas, limites, réservations et paramètres de dimensionnement.
• Planifier les besoins de capacité et les opérations de maintenance à partir des profils de charge.
• Organiser la réponse à incident, la communication opérationnelle et le post-mortem avec actions correctives.
• Atelier pratique : restaurer un service soumis à une surcharge, vérifier son rétablissement et proposer des mesures de prévention.

Optimiser les performances et les coûts

• Identifier les goulots d’étranglement et mesurer les résultats des optimisations.
• Ajuster les ressources et l’autoscaling aux besoins réels des workloads.
• Comparer les options de coût : VM Spot, remises d’usage et engagements, selon les contraintes de disponibilité.
• Analyser les coûts de Cloud Run, GKE, Compute Engine et des transferts réseau.
• Maîtriser les coûts d’observabilité par la collecte sélective, l’échantillonnage et la rétention adaptée.
• Évaluer les recommandations Active Assist et leurs conséquences sur la fiabilité.
• Étude de cas : proposer un plan d’optimisation chiffré en préservant les SLO du service.

[Jour 3 – Après-midi]

Mise en situation transversale et préparation à la certification

• Résoudre un scénario associant livraison défaillante, incident de production et contraintes de sécurité et de coût.
• Justifier les choix d’architecture, de déploiement et de mitigation à partir d’exigences opérationnelles.
• Relier les décisions prises aux cinq domaines du référentiel officiel.
• Traiter des questions à choix unique et multiple ; expliquer pourquoi les autres réponses conviennent moins au scénario.
• Évaluation : test blanc pédagogique chronométré de 60 minutes, suivi d’une correction argumentée.
• Construire un plan individuel de révision et de pratique complémentaire avant l’examen.

Positionnement : cette formation consolide des compétences existantes et prépare à la certification. Elle doit être complétée par une pratique autonome et des révisions ciblées selon le niveau initial.