PerfectScale lance le right-sizing in-place des workloads K8s

Comment profiter de cette mise à jour

Pour commencer à exploiter ces nouvelles capacités avec PerfectScale, le seul prérequis est un cluster prenant en charge les modifications in-place, ce qui nécessite Kubernetes version 1.33 ou ultérieure avec la feature gate bêta activée.

💡Aucune configuration supplémentaire n'est requise ! PerfectScale applique automatiquement les changements in-place, pour des résultats immédiats.

Pour approfondir la mise en œuvre des modifications in-place, consultez la documentation officielle de Kubernetes.

Le right-sizing in-place avec PerfectScale Automation

Le redimensionnement in-place des pods, combiné à PerfectScale Automation, offre une solution complète pour un right-sizing des workloads fluide et efficace.

Plutôt que d'identifier et d'éliminer manuellement les inefficacités en vous appuyant sur des décisions risquées et approximatives, PerfectScale analyse automatiquement les workloads et applique en temps réel des recommandations fondées sur les données, garantissant une optimisation continue des ressources. Cela supprime non seulement la charge opérationnelle pour les équipes, mais génère aussi une réduction des coûts sûre et durable, sans compromettre les performances ni la stabilité.

Maintenir la cohérence des ressources des pods

En pratique, le redimensionnement in-place des pods vous permet d'éviter la recréation des pods lors de la mise à jour des ressources, ce qui améliore considérablement la stabilité du cluster et prévient les interruptions dues aux redémarrages. Toutefois, à la suite d'un redimensionnement in-place, plusieurs réplicas d'un même pod peuvent se retrouver avec des tailles différentes, créant une incohérence. Cela peut se produire en raison de politiques de mise à jour des ressources prédéfinies, de délais du Kubelet, etc. Cette incohérence peut amener les réplicas d'un même pod à se disputer les ressources partagées de manière déséquilibrée, entraînant une dégradation des performances, un comportement imprévisible des services, une répartition inégale de la charge et, in fine, des interruptions de service.

Pour relever ce défi, PerfectScale adopte une approche unique : lors du right-sizing autonome des workloads in-place, il garantit que les ressources des pods restent cohérentes. Cela assure la cohérence, préserve l'uniformité et prévient toute dégradation des performances, vous permettant de tirer le meilleur parti du redimensionnement in-place.

Exploiter l'In-Place avec un contrôle en temps réel

L'optimisation in-place réduit les risques liés aux redémarrages, mais elle ne dispense pas de garder le contrôle.

Grâce aux mécanismes de sécurité avancés de PerfectScale, comme les fenêtres de maintenance ou la fréquence d'automatisation, vous pouvez vous assurer que les changements interviennent en dehors des heures de pointe en production, tandis qu'un algorithme piloté par des politiques aligne l'optimisation sur vos objectifs métier.

La combinaison de l'In-Place et de PerfectScale vous permet d'atténuer les contraintes liées aux risques de redémarrage, tout en vous offrant flexibilité, gouvernance et contrôle en temps réel sur l'ensemble du processus de dimensionnement des workloads, pour des opérations sûres, des interruptions réduites au minimum et une équipe libérée pour se concentrer sur les tâches stratégiques.

Optimiser en continu grâce au dimensionnement hybride des workloads

Lorsque la demande de ressources d'un pod dépasse la capacité disponible du nœud, Kubernetes n'applique pas le redimensionnement in-place. Le pod continue alors de fonctionner sans les ressources demandées, ce qui peut affecter la stabilité de l'application et entraîner une dégradation des performances. Cela empêche également votre solution d'autoscaling, comme Karpenter, de fonctionner efficacement, générant des inefficacités, de la capacité gaspillée et des risques de problèmes de performance.

Pour éviter cela et garantir que vos workloads disposent toujours des ressources nécessaires, correctement planifiés et fonctionnant sans accroc, l'algorithme avancé de PerfectScale bascule automatiquement vers une approche classique par mutating hook lorsque le redimensionnement in-place n'est pas applicable. Étroitement aligné sur la configuration de votre autoscaler, comme Karpenter, le mécanisme de scaling hybride de PerfectScale vous aide à maintenir en continu la stabilité de vos clusters et à maximiser les résultats de l'optimisation.

Appliquer l'In-Place quand le scaling horizontal ne suffit pas

Il peut arriver que vous ne puissiez pas faire évoluer vos clusters horizontalement, notamment lorsque le nombre de réplicas est fixe en raison de l'architecture applicative, de workloads stateful, de contraintes opérationnelles, etc.

Dans ces situations, le scaling vertical devient l'approche de référence, permettant aux pods d'obtenir les ressources dont ils ont besoin tout en respectant ces limitations. Si le scaling vertical s'accompagne traditionnellement d'un risque de redémarrage, le redimensionnement in-place l'élimine, permettant aux workloads d'évoluer à la hausse comme à la baisse sans risque d'interruption. En automatisant le right-sizing des workloads, PerfectScale vous permet de provisionner sans effort vos services avec les ressources nécessaires, pour des opérations sûres et efficaces, sans aucune intervention manuelle !