SRE / exploitation telco cloud (NOC, astreinte)
Éditoriale
Rédigée à partir de sources publiques (spécifications, documentations, textes officiels). Aucune analyse d'offres d'emploi : l'indicateur de demande n'est pas renseigné.
Source : Rédaction éditoriale à partir des roadmaps « Ingénieur CaaS telco » et « Intégrateur NF, domaine 5GC » et des pratiques SRE ; elle ne s'appuie pas sur une analyse d'offres d'emploi. Le champ 'demande' n'est donc pas renseigné. Les références juridiques et techniques sont à vérifier dans leur version en vigueur.
Cette roadmap s'adresse aux équipes d'exploitation et de fiabilité d'une plateforme télécom : objectifs de service, observabilité, gestion des incidents et de l'astreinte, résilience, changements maîtrisés et sécurité opérationnelle.
Fondations
- Linux avancé (RHEL/CentOS) · Fondamental
Systemd, processus, namespaces/cgroups, SELinux, diagnostic système. Base de tout le reste.
- Réseau IP, VLAN, routage, VPN · Fondamental
Adressage, VLAN, trunk, routage statique/BGP, MTU, VRF, tunnels. Exigé pour supporter le plan d'IP des projets.
- Git et CI/CD · Fondamental
Branches, revues, pipelines GitLab CI, artefacts.
- Conteneurs (OCI, Podman, CRI-O) · Fondamental
Images, registries, runtime, différences Docker/Podman/CRI-O.
- Télécoms 101 (4G/5G, cœur de réseau) · Fondamental
RAN, cœur, plan usager/plan de contrôle, vocabulaire opérateur. Distingue un ingénieur telco d'un ingénieur K8s généraliste.
- Fondamentaux SRE : SLI, SLO et budget d'erreur · Fondamental
Définir ce que l'on mesure (SLI), l'objectif (SLO) et le budget d'erreur, et s'en servir pour arbitrer entre changement et stabilité. Application aux services télécoms : disponibilité, taux de succès des procédures.
Kubernetes en exploitation
- Architecture Kubernetes · Fondamental
Control plane, etcd, kubelet, scheduler, API server, contrôleurs.
- Workloads : Pods, Deployments, StatefulSets, Jobs · Fondamental
Cycle de vie, probes, ressources, affinités, PodDisruptionBudgets.
- Services, Ingress, DNS · Fondamental
ClusterIP, NodePort, LoadBalancer, Ingress/Route, CoreDNS.
- Stockage Kubernetes : PV, PVC, StorageClass · Fondamental
Provisionnement dynamique, modes d'accès, snapshots.
- RBAC, quotas, multi-tenance · Intermédiaire
Rôles, namespaces, ResourceQuota, LimitRange, isolation entre équipes et projets.
- Dépannage Kubernetes avancé et RCA · Avancé
Démarche d'analyse, événements, logs, nœuds NotReady, etcd, rédaction d'un rapport d'analyse de cause racine.
- Gestion des nœuds : drain, maintenance et configuration · Intermédiaire
Cordon et drain sans violer les budgets de disruption, redémarrages contrôlés, évolution de la configuration des nœuds, remplacement d'un nœud en panne.
Plateforme CaaS
- Operators et OLM · Intermédiaire
Cluster Operators, Operator Lifecycle Manager, catalogues, installation et mises à jour d'opérateurs.
- Cycle de vie et upgrades de cluster · Avancé
Canaux, chemins de mise à jour, MachineConfig, impact sur les CNF, fenêtres de maintenance.
Réseau de la plateforme
- CNI et OVN-Kubernetes · Intermédiaire
Réseau de pods, OVN-Kubernetes, Open vSwitch, NetworkPolicy, egress.
- Multus et réseaux secondaires · Intermédiaire
NetworkAttachmentDefinition, macvlan, ipvlan, séparation plan de contrôle / usager / gestion.
- Dépannage réseau d'une plateforme telco (MTU, VLAN, SR-IOV, multi-interfaces) · Avancé
Isoler une panne réseau : interface, VLAN, MTU, route, politique réseau, capture de paquets au bon endroit. Spécificités des réseaux secondaires et de l'accélération matérielle.
Observabilité et alerting
- Prometheus, Alertmanager, Thanos · Intermédiaire
Métriques, règles d'alerte, rétention longue, alerting basé sur les SLO.
- Grafana et tableaux de bord · Fondamental
Tableaux de bord de plateforme et de CNF.
- Logs centralisés (EFK/ELK, Loki) · Intermédiaire
Collecte, indexation, rétention, corrélation avec les alertes.
- Télémétrie en streaming (gRPC, OpenTelemetry) · Avancé
Évolution du SNMP vers la télémétrie en continu.
- Alerting utile : symptômes, seuils et réduction du bruit · Intermédiaire
Alerter sur ce qui touche le service plutôt que sur les causes, régler les seuils, regrouper et router les alertes, mesurer le bruit et le réduire.
- Sondes et supervision de bout en bout · Intermédiaire
Mesurer ce que voit l'utilisateur : sondes HTTP, TCP et ICMP, tests synthétiques, vérification des chemins complets entre sites et fonctions.
Incidents et astreinte
- Gestion d'incident et astreinte · Intermédiaire
Runbooks, escalade, communication, post-mortem sans recherche de coupable.
- Niveaux de support et escalade (N1, N2, N3) · Intermédiaire
Qui traite quoi, critères d'escalade, passage de relais, interface avec l'éditeur et les équipes réseau, astreinte soutenable.
- Runbooks et automatisation des remédiations · Intermédiaire
Écrire des runbooks utilisables à trois heures du matin, puis automatiser les étapes sûres et répétitives.
- Analyse de cause racine et post-mortem sans culpabilité · Avancé
Reconstituer la chronologie, distinguer cause racine et facteurs contributifs, rédiger des actions correctives suivies et vérifiables.
Fiabilité et résilience
- Haute disponibilité et géo-redondance · Avancé
Zones de défaillance, absence de point de défaillance unique, architecture bi-site, arbitrage coût/risque.
- Ceph / Rook / ODF · Intermédiaire
Architecture Ceph, pools, réplication, performance, dépannage d'un cluster dégradé.
- Sauvegarde et réplication inter-sites · Avancé
Snapshots, réplication asynchrone, RPO/RTO, impact sur la géo-redondance.
- Tests de résilience et chaos engineering · Avancé
Provoquer des pannes contrôlées (nœud, pod, réseau) pour vérifier que les SLO tiennent et que les alertes et runbooks fonctionnent.
- Planification de capacité et tendances · Intermédiaire
Suivre l'utilisation CPU, mémoire, stockage et réseau, prévoir la saturation, déclencher les extensions assez tôt, relier la capacité aux tests de charge.
Exploitation des NF et du 5G Core
- Comprendre les procédures 5G pour diagnostiquer · Intermédiaire
Enregistrement, authentification, session PDU : savoir quelles fonctions interviennent et où chercher quand une procédure échoue.
- Exploitation de CNF : scaling, upgrade, panne · Avancé
Mise à l'échelle, mises à jour sans coupure, analyse du comportement du CNF lors d'une défaillance de plateforme.
Changement et automatisation
- Helm et packaging de CNF · Intermédiaire
Charts, values, hooks, gestion de versions. Les CNF sont livrés en charts.
- GitOps (ArgoCD / Flux) · Intermédiaire
État désiré dans Git, synchronisation, gestion multi-environnements.
- Ansible et Python pour l'exploitation · Intermédiaire
Playbooks, inventaires, rôles, scripts d'automatisation des tâches récurrentes.
- Gestion du changement : fenêtres, revues et retour arrière · Intermédiaire
Classer les changements par risque, préparer fenêtre et plan de retour arrière, déployer progressivement, mesurer l'effet sur les SLO.
- Réduire le toil : automatiser le travail répétitif · Intermédiaire
Repérer et mesurer le travail manuel répétitif, décider quoi automatiser, éviter l'automatisation fragile.
Sécurité et conformité d'exploitation
- Durcissement du cluster et des nœuds · Intermédiaire
Politiques de sécurité des pods, SELinux, SCC, référentiels CIS.
- Journalisation de sécurité et détection · Intermédiaire
Audit Kubernetes et des nœuds, journaux de sécurité, intégration à un SIEM, détection d'anomalies à l'exécution (Falco), conservation des traces utile aux enquêtes et aux audits.
- Gestion des vulnérabilités et des correctifs · Intermédiaire
Suivre les vulnérabilités des images et des nœuds, prioriser, tester et déployer les correctifs dans les fenêtres de maintenance.
- Directive NIS 2 et sa transposition française · Intermédiaire
Entités essentielles et importantes, mesures de gestion des risques, notification des incidents significatifs, responsabilité de la direction. Suivre le texte français de transposition dans sa version en vigueur.