스크립트
00:00:00Voici Kestra, une startup qui a récemment levé 25 millions de dollars avec une seule promesse :
00:00:06tuer Apache Airflow. Et leur astuce est presque insultante tant elle semble simple.
00:00:12Vous arrêtez d'écrire vos pipelines de données en Python pour les écrire en YAML.
00:00:17Restez avec moi, car c'est plus important qu'il n'y paraît.
00:00:21Laissez-moi vous montrer comment tout cela fonctionne dans les prochaines minutes.
00:00:29Imaginez maintenant une chaîne de tâches devant s'exécuter dans l'ordre. Récupérer des données, les nettoyer,
00:00:35les charger dans une base de données, puis appeler une API pour lancer l'étape suivante. Vous pourriez orchestrer cela avec
00:00:41Cron. Mais dès qu'une étape échoue, c'est la panique. Pas de nouvelle tentative, pas de journal, aucune idée de ce qui a cassé.
00:00:48C'est exactement ce genre de problème que les outils d'orchestration sont censés résoudre. Et Airflow a honnêtement
00:00:54été le roi dans ce domaine pendant des années. Le problème avec Airflow, c'est que chaque pipeline est un
00:00:58programme Python que vous devez écrire, maintenir et déboguer. Tout le système est lourd, et simplement
00:01:04le faire fonctionner sur votre propre machine n'est pas vraiment une partie de plaisir. Si vous aimez les outils de code
00:01:09pour accélérer votre flux de travail, assurez-vous de vous abonner. Nous publions des vidéos en permanence.
00:01:14Maintenant, le principe de Kestra est qu'un flux de travail ne devrait pas être un programme du tout. Ce devrait être
00:01:19juste une configuration. Laissez-moi vous montrer ce que cela signifie vraiment. Je suis dans l'éditeur de navigateur,
00:01:24et je vais écrire un petit flux en YAML. Quelques étapes. L'une exécute un script Python. L'autre exécute une commande
00:01:32shell. Je peux cliquer sur exécuter et regarder l'écran. Le diagramme s'illumine étape par étape en direct
00:01:41au fur et à mesure que chaque tâche s'exécute. Je peux passer à une vue chronologique pour voir combien de temps chaque pièce a pris et cliquer directement sur
00:01:47le journal de n'importe quelle étape. Ce pipeline entier vient de s'exécuter sans que j'aie jamais écrit une seule ligne
00:01:53de code d'orchestration. Voici comment tout cela fonctionne. Chaque flux de travail est ce qu'ils appellent
00:02:00un “flow”, et ce n'est vraiment que du YAML. Une liste de tâches et un déclencheur qui les lance. Les tâches sont agnostiques
00:02:08quant au langage, et c'est un atout majeur. Un flux peut exécuter du Python, du Node, puis du Bash, puis une requête SQL,
00:02:15et enfin lancer un conteneur, tout cela dans une seule séquence. Airflow veut vraiment que vous utilisiez Python. N8N veut
00:02:22vraiment que vous utilisiez JavaScript. Kestra ne se soucie absolument pas du langage de chaque étape, et les déclencheurs sont
00:02:27intégrés nativement. Lancez-le selon un calendrier comme Cron, déclenchez-le avec un webhook,
00:02:34ou lorsqu'un fichier arrive dans un compartiment, ou via l'API. Une dernière chose que j'apprécie : le code et le constructeur visuel
00:02:39restent synchronisés. Modifier l'un met donc automatiquement à jour l'autre. Pourquoi devriez-vous vous en soucier
00:02:46par rapport aux outils déjà utilisés, comme Airflow ? Avec Kestra, votre pipeline
00:02:53devient une configuration propre que quelqu'un ne maîtrisant pas Python pourrait lire et approuver lors des demandes de tirage (pull requests).
00:02:59Et les examinateurs disent que le moteur gère mieux le travail en parallèle que le planificateur d'Airflow.
00:03:05C'est bien, mais contrairement à Zapier et Make, il n'y a pas de SaaS et aucune facturation à la tâche.
00:03:12C'est conçu pour les développeurs et l'infrastructure réelle, et vous l'hébergez vous-même. Et par rapport à Cron,
00:03:19vous bénéficiez de nouvelles tentatives, de délais d'attente, d'une carte de dépendance réelle et d'une interface utilisateur prête à l'emploi. Maintenant,
00:03:26Kestra indique avoir exécuté 2 milliards de flux de travail en 2025. C'est 20 fois plus que l'année précédente. Et ils ont des
00:03:32clients comme Apple, JP Morgan, Toyota et Bloomberg. Ces chiffres de croissance viennent directement
00:03:38de l'entreprise, pas d'un audit externe. Prenez donc cela avec des pincettes. Mais de plus en plus
00:03:43de gens parient sur le fait que cette approche de configuration déclarative pour l'orchestration est l'avenir du domaine.
00:03:49Quelques bémols toutefois. D'abord, c'est une application Java. Et la JVM est gourmande. Il vous faut environ
00:03:584 Go de RAM et quelques cœurs juste pour faire tourner le serveur sereinement. Deuxièmement, le YAML est idéal pour
00:04:06les pipelines linéaires simples. Mais dès que vous avez besoin d'une logique de branchement dynamique complexe, cela devient
00:04:11compliqué. Honnêtement, les outils basés sur Python gèrent cela bien mieux. Enfin, Kestra est en “open core”.
00:04:18Le moteur lui-même est vraiment open source, mais l'authentification unique (SSO), le contrôle d'accès basé sur les rôles et les journaux d'audit,
00:04:24sont derrière un péage. La version gratuite ne vous offre qu'une seule connexion partagée. C'est tout.
00:04:31C'est parfait si vous travaillez seul. Mais c'est un problème dès que vous avez besoin d'un vrai système multi-utilisateurs
00:04:36sans vouloir payer. Alors devriez-vous l'utiliser ? Ce dernier point pourrait être déterminant.
00:04:42Si vous voulez que votre orchestration soit une configuration lisible plutôt que du Python, c'est honnêtement
00:04:47un outil sympa. Et il tourne nativement sur Apple Silicon. Le lancer sur Mac se fait en une seule
00:04:53commande “docker run” et le tableau de bord apparaît sur localhost. Essayez-le.
00:04:59Ou si vous l'avez déjà essayé, partagez vos réflexions ci-dessous. Si vous aimez les astuces de codage comme celle-ci, abonnez-vous.
00:05:03Nous publions des vidéos en permanence.
커뮤니티 글
아직 글이 없습니다. 이 영상에 대한 첫 번째 글을 작성해 보세요!
이 영상에 대해 글쓰기