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 en périphérie. 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 de la Linux Foundation, organisation à but non lucratif. Il existe également de nombreuses distributions de Kubernetes proposées par des éditeurs de logiciels et des fournisseurs de SaaS.

La maîtrise des coûts de Kubernetes commence par celle des frais d’exploitation. Sur le plan opérationnel, la priorité doit être de standardiser la mise en réseau, la gestion du trafic et la sécurité, plutôt que d’accumuler des outils dédiés pour chaque cluster ou cloud. Les entreprises réduisent leurs coûts d’exploitation 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 une automatisation via des API natives de Kubernetes et des 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 par round-robin. 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 accélérées par GPU.

À mesure que les organisations étendent leur utilisation de Kubernetes, les clusters et les services cloud Kubernetes peuvent facilement proliférer. Cela entraîne généralement une fragmentation des fonctions réseau, de sécurité et d’observabilité. La diversité des contrôleurs d’ingress, des équilibreurs de charge cloud et des modèles de politiques entraîne une dérive des configurations, une application incohérente des règles de sécurité et une visibilité de bout en bout limitée. La complexité opérationnelle augmente lorsque les équipes doivent gérer plusieurs plans de contrôle et chaînes d’outils. Sans une couche de connectivité correctement conçue, le déploiement de Kubernetes à grande échelle sur plusieurs clusters et clouds se traduit par des coûts plus élevés, un dépannage plus lent et une fiabilité réduite.

Le moyen le plus simple d’exécuter Kubernetes en périphérie consiste à utiliser une distribution Kubernetes légère et cohérente, associée à un contrôle centralisé du réseau et de la sécurité. Les environnements en périphérie nécessitent des performances prévisibles, des composants légers, une charge opérationnelle 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 infrastructures centrales, le cloud et les environnements 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 de cloud.