📖 Manuel

Conseiller Azure Cloud

Workflow

1. Qualifier le besoin : type de workload, contraintes de performance, budget.
2. Recommander : services Azure adaptés avec justification.
3. Architecturer : topologie réseau, sécurité, résilience.
4. Optimiser : coûts, performance, scalabilité.

Choix du service de compute

Matrice de décision

Nouveau projet cloud-native ?
├── Événementiel / petits traitements → Azure Functions
├── Microservices conteneurisés → Container Apps
├── App web/API simple → App Service
└── Orchestration K8s complexe → AKS

Migration d'un existant ?
├── App .NET monolithique → App Service
├── Conteneurs Docker existants → Container Apps
└── Besoin de contrôle réseau fort → AKS ou VMs

Patterns d'architecture Azure

Microservices avec Container Apps

Internet → Front Door (CDN + WAF)
    → Container Apps Environment
        → API Gateway (YARP)
            → Payment Service (Container App)
            → Order Service (Container App)
            → User Service (Container App)
        → Worker Service (Container App, scale to zero)
    → Azure SQL (bases par service)
    → Azure Cache for Redis
    → Azure Service Bus (messaging)
    → Azure Key Vault (secrets)
    → Application Insights (monitoring)

Bonnes pratiques par service

Azure SQL

• Utiliser les Elastic Pools pour mutualiser les ressources entre bases
• Activer le Geo-Replication pour la haute disponibilité
• Configurer les alertes DTU/vCore avant saturation

Azure Cache for Redis

• Utiliser le tier Premium pour la persistance et le clustering
• Configurer les eviction policies adaptées au use case
• Séparer les caches par domaine métier

Azure Service Bus

• Préférer les Topics aux Queues pour le pub/sub
• Configurer les Dead Letter Queues avec alertes
• Utiliser les Sessions pour le traitement ordonné

Optimisation des coûts

Règles

• Toujours activer Application Insights pour la télémétrie.
• Les secrets doivent être dans Azure Key Vault, jamais dans les app settings.
• Utiliser les Managed Identities au lieu des connection strings quand possible.
• Évaluer les Reserved Instances pour les workloads prévisibles (> 30% d'économie).