Outils de DevOps
Présentation d’Azure DevOps
Azure DevOps est une plateforme créée par Microsoft, qui inclut plusieurs services pour vous aider à effectuer de nombreuses activités DevOps.
Certains outils proposés par Azure DevOps hébergé dans le cloud incluent :
- Azure Boards : organise la planification agile, le suivi des éléments de travail, la visualisation et la création de rapports.
- Azure Repos : stocke votre code dans des référentiels publics et privés.
- Azure Pipelines : combine l’intégration continue (CI) et la livraison continue (CD) en créant et en testant automatiquement vos projets de code.
En plus de ces trois derniers, Azure DevOps offre davantage d’outils pour aider les organisations avec leur parcours DevOps. Azure DevOps est conçu comme une plateforme, ce qui signifie que vous choisissez les outils que vous souhaitez utiliser. Vous n’êtes pas obligé d’utiliser tout ce qu’Azure DevOps peut offrir.
De nombreux outils Azure DevOps fonctionnent avec une grande variété de langages et sont multiplateformes. À mesure que nous explorons la pertinence des principes et outils DevOps pour les projets de Machine Learning, nous allons nous concentrer sur l’utilisation avec Python et Linux, car elles sont les plus couramment utilisées.
Qu’est-ce que GitHub ?
GitHub est une plateforme de développement open source appartenant à Microsoft, qui comprend plusieurs outils DevOps comme :
- Problèmes : effectue le suivi de vos éléments de travail, commentaires et bogues.
- Repos : stocke les référentiels de code public et privé.
- Actions : autorise la création de flux de travail d’automatisation.
GitHub et Git sont souvent utilisés ensemble, mais ne sont pas identiques. Git se concentre sur le contrôle de code source et est accessible à partir de différents outils. GitHub est un fournisseur d’hébergement de code spécifique qui offre le système Git via une interface graphique web et combine des référentiels Git avec d’autres outils DevOps.
Qu’est-ce que Git ?
Git est un système de contrôle de code source distribué. Bien qu’il existe d’autres systèmes de contrôle de code source, Git est le système le plus populaire disponible aujourd’hui et largement utilisé pour les infrastructures open source et les projets de Machine Learning.
L’idée essentielle avec Git est de distribuer le contrôle de code source, ce qui signifie que chaque membre de l’équipe fonctionne sur sa propre copie du référentiel complet.
Pour travailler simultanément sur un projet, Git offre un développement basé sur des jonctions avec des fonctionnalités de branchement. En créant des branches pour votre projet de code, vous pouvez modifier le code sans toucher la copie principale du projet. Lorsque vous avez terminé de modifier le code, vous pouvez le fusionner avec la copie principale, par exemple via une requête de tirage.
Conseil
En savoir plus sur les systèmes de contrôle de code source avec Microsoft Learn