Définir une stratégie de limites de ressources Kubernetes
Dimensionner correctement les ressources Kubernetes
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Concevez une stratégie de requêtes et de limites de ressources pour un cluster Kubernetes exécutant [DÉCRIRE_CHARGES_TRAVAIL]. Définissez les cibles de classes QoS par type de charge (Garantie/Burstable/BestEffort), les valeurs par défaut de LimitRange par espace de noms, les ResourceQuota par équipe, ainsi que les recommandations VPA vs HPA par type de charge. Fournissez les manifestes.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour éviter les disruptions, commencez par déployer VPA en mode `Off` (recommandations seules) pendant 48h, ajustez vos requests, puis passez en `Auto`. Pour les charges non critiques, privilégiez Burstable avec des limites 2x les requests – cela optimise le packing sans impacter la QoS.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Mise en œuvre de la validation des entrées
Valider et désinfecter les entrées
Prompt Mistral pour générer du code Python
Mistral, le modèle d'intelligence artificielle développé par la startup française Mistral AI, s'est imposé comme une référence incontournable pour la génération de code. Grâce à son architecture optimisée et son entraînement sur des corpus massifs de code open source, Mistral excelle particulièrement dans la production de code Python propre, fonctionnel et bien structuré. Que vous soyez développeur cherchant à accélérer votre workflow, data scientist souhaitant automatiser des scripts d'analyse, ou débutant apprenant les bases de la programmation, un prompt bien formulé fait toute la différence entre un snippet inutilisable et un code production-ready. La clé réside dans la précision de vos instructions : spécifier le contexte, les contraintes techniques, le style de code attendu et les cas limites à gérer. Dans ce guide, nous vous proposons des prompts optimisés pour tirer le meilleur parti de Mistral dans la génération de code Python, avec des variantes adaptées à chaque niveau d'expertise et à chaque cas d'usage, du simple script utilitaire à l'architecture logicielle complexe.
Prompt Mistral pour générer des requêtes SQL
Mistral, le modèle de langage développé par la startup française Mistral AI, excelle dans la génération de requêtes SQL grâce à sa compréhension fine des structures de données et de la syntaxe des bases de données relationnelles. Que vous travailliez avec MySQL, PostgreSQL, SQL Server ou SQLite, un prompt bien formulé permet d'obtenir des requêtes optimisées, correctement indexées et adaptées à votre schéma. L'enjeu principal réside dans la transmission précise du contexte : structure des tables, relations entre entités, types de données et contraintes métier. Sans ces informations, même le meilleur modèle produira des requêtes génériques et potentiellement inefficaces. En fournissant à Mistral un schéma clair et des objectifs précis, vous transformez un processus souvent fastidieux en une génération quasi instantanée de requêtes fonctionnelles. Ce guide vous propose des prompts testés et affinés pour tirer le meilleur parti de Mistral dans vos tâches SQL quotidiennes, du simple SELECT aux requêtes analytiques complexes avec sous-requêtes, jointures multiples et fonctions de fenêtrage.
Implémenter des politiques réseau Kubernetes
Sécuriser le réseau Kubernetes