PerfectScale
PerfectScale presenta el right-sizing In-Place para workloads de K8s
PerfectScale ahora permite el right-sizing In-Place de pods en K8s sin reinicios, con más automatización y clústeres más eficientes
Esta página también está disponible en English, Deutsch, Français, Italiano, 日本語 y Português.
A diferencia del redimensionamiento tradicional de pods, el redimensionamiento In-Place permite ajustar las asignaciones de CPU y memoria de los contenedores sin reiniciar el pod. Con esta actualización, la automatización activa el redimensionamiento del pod de manera fluida, actualizando la CPU y la memoria deseadas cuando los requests o limits recomendados no coinciden con los recursos asignados en ese momento.
"El redimensionamiento tradicional de pods exige reiniciar los workloads, lo que puede interrumpir servicios y afectar la estabilidad", señaló Eli Birger, CTO de PerfectScale by DoiT. "Lo que observamos es que los equipos suelen preferir mantenerse sobreaprovisionados, asignando más recursos para evitar reinicios y garantizar que sus servicios funcionen sin problemas. Este enfoque suele derivar en recursos subutilizados e ineficiencias, sin garantías sólidas de estabilidad. El redimensionamiento In-Place ayuda a los Engineers a superar este desafío al redimensionar pods sin reinicios, lo que permite a los equipos optimizar los recursos de forma continua para cualquier tipo de pod, manteniendo clústeres estables y confiables."
En el día a día de tu operación, In-Place te aporta:
**✅ Mayor confiabilidad
**Reduce los riesgos operativos de los reinicios de pods al aplicar cambios de configuración críticos, manteniendo un K8s estable y confiable.
**✅ Uso eficiente de los recursos
**Elimina la fricción entre la eficiencia de costos y la resiliencia, y haz right-sizing de tus pods de forma segura, con una optimización rápida y sin interrupciones del servicio.
**✅ Productividad operativa
**Implementa cambios de forma instantánea y automática, ampliando o reduciendo los servicios según la demanda real de recursos, sin la carga que implican los reinicios.
Nos entusiasma anunciar que PerfectScale ahora es compatible con el right-sizing In-Place de pods de Kubernetes, lo que hace que tu proceso de optimización sea aún más flexible, predecible y alineado con tus objetivos de negocio.
¡Veamos en detalle por qué es importante para tus workloads de K8s y cómo sacarle provecho a esta actualización!
Cómo empezar a aprovechar la actualización
Para empezar a aprovechar las nuevas capacidades con PerfectScale, el único requisito es contar con un clúster compatible con cambios In-Place, lo que requiere Kubernetes versión 1.33 o posterior con el feature gate beta habilitado.
💡¡No se necesita configuración adicional! PerfectScale aplica los cambios In-Place de forma automática y entrega resultados de inmediato.
Para profundizar en cómo se implementan los cambios In-Place, consulta la documentación oficial de Kubernetes.
Right-sizing In-Place con PerfectScale Automation
El redimensionamiento In-Place de pods, combinado con PerfectScale Automation, ofrece una solución completa para hacer right-sizing de workloads de forma segura y efectiva.
En lugar de lidiar con el esfuerzo manual de identificar y eliminar ineficiencias, y de depender de decisiones riesgosas basadas en estimaciones, PerfectScale analiza los workloads automáticamente y aplica recomendaciones basadas en datos en tiempo real, de modo que los recursos se optimizan de forma continua. Esto no solo elimina la carga operativa para los equipos, sino que también genera una reducción de costos segura y sostenida, sin comprometer el rendimiento ni la estabilidad.
Cómo se mantiene la consistencia de los recursos de los pods
En la práctica, el redimensionamiento In-Place te permite evitar la recreación de pods al actualizar recursos, lo que mejora significativamente la estabilidad del clúster y previene interrupciones por reinicios. Ahora bien, como consecuencia del redimensionamiento In-Place, varias réplicas de un pod podrían terminar con tamaños diferentes, generando inconsistencia. Esto puede ocurrir por políticas predefinidas de actualización de recursos, demoras del Kubelet, etc. Debido a esa inconsistencia, las réplicas de un mismo pod pueden competir por recursos compartidos de forma desequilibrada, lo que provoca degradación del rendimiento, comportamiento impredecible del servicio, distribución desbalanceada de la carga y, en última instancia, interrupciones del servicio.
Para abordar este desafío, PerfectScale adopta un enfoque único: al hacer right-sizing autónomo de workloads In-Place, garantiza que los recursos de los pods se mantengan consistentes. Así se asegura la consistencia, se preserva la uniformidad y se previene la degradación del rendimiento, permitiéndote maximizar los beneficios del redimensionamiento In-Place.
Aprovecha In-Place con control en tiempo real
La optimización In-Place reduce los riesgos asociados a los reinicios, pero no elimina la necesidad de control.
Gracias a los mecanismos de seguridad avanzados de PerfectScale, como la ventana de mantenimiento, la frecuencia de automatización, etc., puedes asegurarte de que los cambios se apliquen fuera de las horas pico de producción, mientras un algoritmo basado en políticas alinea la optimización con tus objetivos de negocio.
La combinación de In-Place y PerfectScale te permite mitigar la carga asociada a los riesgos de los reinicios, y a la vez te brinda flexibilidad, gobernanza y control en tiempo real sobre todo el proceso de dimensionamiento de workloads, para mantener operaciones seguras, minimizar los tiempos de inactividad y liberar a tu equipo para que se enfoque en tareas estratégicas.
Optimización continua con dimensionamiento híbrido de workloads
Cuando el request de recursos de un pod supera la capacidad disponible del nodo, Kubernetes no aplica el redimensionamiento In-Place. En su lugar, mantiene el pod en ejecución sin los recursos solicitados, lo que puede afectar la estabilidad de la aplicación y provocar degradación del rendimiento. Esto también impide que tu solución de autoescalado, como Karpenter, funcione de manera efectiva, generando ineficiencias, capacidad desaprovechada y riesgo de problemas de rendimiento.
Para evitarlo y garantizar que los workloads siempre cuenten con los recursos que necesitan, correctamente programados y funcionando sin problemas, el algoritmo avanzado de PerfectScale cambia automáticamente a un enfoque tradicional basado en mutating hooks cuando el redimensionamiento In-Place no es aplicable. Con una fuerte alineación con la configuración de tu autoescalador, como Karpenter, el mecanismo de escalado híbrido de PerfectScale te ayuda a mantener continuamente la estabilidad del clúster y a maximizar los resultados de la optimización.
Aplica In-Place cuando el escalado horizontal no es viable
Puede haber casos en los que no puedas escalar tus clústeres horizontalmente. Esto sucede cuando el número de réplicas es fijo debido a la arquitectura de la aplicación, workloads con estado, restricciones operativas, etc.
En esas situaciones, el escalado vertical se convierte en el camino a seguir, permitiendo que los pods obtengan los recursos que necesitan respetando esas limitaciones. Si bien tradicionalmente el escalado vertical trae consigo la preocupación por los reinicios, el redimensionamiento In-Place la elimina, permitiendo ampliar o reducir los workloads sin riesgo de tiempo de inactividad. Al automatizar el right-sizing de workloads, PerfectScale te permite aprovisionar tus servicios sin esfuerzo con los recursos que necesitan, garantizando operaciones seguras y eficientes, ¡todo sin trabajo manual!
En resumen
El redimensionamiento In-Place es una funcionalidad muy potente, pero también conlleva riesgos si no se gestiona adecuadamente. PerfectScale elimina esos riesgos y garantiza una optimización continua, sin comprometer la estabilidad ni el rendimiento.
¿Quieres verlo en acción? Conoce más en nuestra documentación o agenda una sesión técnica con nuestros expertos.
¿Es tu primera vez con PerfectScale by DoiT? ¡Comienza hoy gratis!