PerfectScale ora riconosce i trigger HPA che puntano a un singolo container, mantenendo accurate le raccomandazioni di right-sizing per i workloads che utilizzano l'autoscaling a livello di container. Le raccomandazioni si applicano solo al container monitorato dall'HPA, evitando suggerimenti sovra- o sottodimensionati. Podfit e Zoom-In ora distinguono i trigger a livello di pod da quelli a livello di container, così i dati visualizzati rispecchiano il reale comportamento dell'autoscaler.

Un menu più chiaro che mostra tutte le funzionalità di PerfectScale, con le pagine dell'organizzazione e dei cluster in sezioni separate e l'accesso rapido a qualsiasi cluster.

PerfectScale ora mostra i costi dei cluster, gli sprechi dei pod e i risparmi potenziali in EUR, GBP, JPY, ILS, CHF e altre valute.

PerfectScale ora segnala i container le cui allocazioni di CPU continuano a crescere senza risolvere la pressione sulle risorse: un segnale che indica un problema del workload, non una reale esigenza di capacità. L'automazione sospende ulteriori incrementi di CPU al raggiungimento delle soglie configurate. Imposti limiti di incremento giornalieri e settimanali nello YAML di automazione per mantenere il right-sizing sicuro e prevedibile.

I pod unevictable bloccano lo scale-down e il drain dei nodi, limitando silenziosamente l'elasticità del cluster e i risparmi. Ora sono visibili e risolvibili via API.

Sfruttare appieno le risorse nei namespace regolati da ResourceQuota

API pubblica per l'utilizzo dei nodi, i dati di efficienza e gli insight sull'ottimizzazione dell'infrastruttura

Trovi tutti i workloads Java di un cluster con un solo clic, senza bisogno di label

I numeri in PerfectScale ora vengono visualizzati come si scrivono nel Suo Paese.

Individui e corregga le configurazioni che bloccano lo scale-down dei nodi.

PerfectScale by DoiT fornisce ora raccomandazioni concrete per ottimizzare la configurazione dei NodePool di Karpenter, allineandola pienamente al reale comportamento dei suoi workloads.

PerfectScale offre ora piena visibilità sull'utilizzo della memoria GPU, eliminando un punto cieco e permettendole di eseguire i workloads AI/ML in tutta tranquillità.

Riduca i costi di manutenzione e mantenga i suoi agent sempre aggiornati con PerfectScale Operator: un operator Kubernetes che gestisce installazione e aggiornamenti di tutti i componenti PerfectScale.

Scopra esattamente quali pod tengono in vita i nodi e bloccano lo scale-down. La nuova vista Unevictable Pods in PerfectScale InfraFit evidenzia questi workloads in qualsiasi node group, con un dettaglio per nodo del consumo di CPU, memoria e GPU. La affianchi ai suggerimenti sui nodi per migliorare il bin-packing, sfruttare al meglio Karpenter o Cluster Autoscaler e ridurre la spesa su Kubernetes.

Ora è possibile specificare il parametro di query "period" per restringere la finestra temporale dei workloads e dei relativi dati di analisi dei costi

Capisca il motivo alla base dei valori consigliati per la memoria: ora con una linea attivabile per la metrica Max Memory e indicatori degli eventi OOM kill direttamente sul grafico ZoomIn.

Attivi e gestisca l'automazione dei workloads Kubernetes direttamente dall'interfaccia web di PerfectScale

Abbiamo aggiornato il modello degli stati di automazione dei workloads e migliorato la relativa user experience.

Le policy di ottimizzazione possono ora essere gestite direttamente tramite Custom Resources di Kubernetes — in affiancamento o in sostituzione dell'interfaccia UI — offrendo ai team il pieno controllo in stile GitOps su come PerfectScale suggerisce le risorse a ogni livello della gerarchia del cluster.

Abbiamo rilasciato un importante aggiornamento alle raccomandazioni sui nodi in PerfectScale per K8s — passando da un'unica "scelta migliore" a un'esperienza con suggerimenti multipli che offre agli utenti un reale controllo sulla propria infrastruttura.