Realized Savings(実現済み削減額)では、PerfectScaleの自動化によって組織全体で削減されたコスト、回収されたCPU・メモリ、解消されたレジリエンスの問題を確認できます(ベータ版で提供中)。

PerfectScale が、単一コンテナを対象とする HPA トリガーを認識できるようになり、コンテナ単位のオートスケーリングを使用する workloads に対してもライトサイジングの推奨値が正確に保たれます。推奨値は HPA が監視しているコンテナにのみ適用されるため、過大・過小な提案を防ぎます。 Podfit と Zoom-In では、Pod レベルのトリガーとコンテナレベルのトリガーが区別して表示されるようになり、画面上のデータがオートスケーラーの実際の挙動と一致します。

PerfectScaleの全機能がひと目でわかる、より明快なメニューになりました。組織ページとクラスタページをセクションで分け、どのクラスタにもすばやくアクセスできます。

PerfectScaleで、クラスターコスト、Podの無駄、削減可能額をEUR、GBP、JPY、ILS、CHFなどの通貨で表示できるようになりました。

PerfectScaleは、リソース逼迫が解消されないままCPU割り当てが増え続けるコンテナを検知できるようになりました。これは実際の需要ではなく、ワークロード側の問題を示すサインです。設定したしきい値に達すると、自動化がそれ以上のCPU増加を一時停止します。 自動化YAMLで日次・週次の増加上限を設定することで、ライトサイジングを安全かつ予測可能に保てます。

退避不可(unevictable)なPodはノードのスケールダウンやドレインを妨げ、クラスターの伸縮性とコスト削減効果を気づかないうちに損なっています。これをAPI経由で可視化し、修正できるようになりました。

ResourceQuotaが適用されたNamespaceでもリソースを最大限に活用

ノード使用率・効率データ・インフラ最適化インサイトを提供するPublic API

ラベル不要、ワンクリックでクラスタ内のJavaワークロードをすべて検出

PerfectScale の数値表示が、お住まいの国の表記に対応しました。

ノードのスケールダウンを妨げる設定を見つけて修正

PerfectScale by DoiTが、実際のworkloadsの稼働状況に合わせてKarpenter NodePoolの設定を最適化するための、具体的な改善提案を提供開始しました。

PerfectScaleがGPUメモリ使用率を可視化。これまでのブラインドスポットを解消し、AI/MLのworkloadsを安心して運用できます。

PerfectScale Operatorで運用負荷を削減し、エージェントを常に最新の状態に。すべてのPerfectScaleコンポーネントのインストールとアップグレードを管理するKubernetes operatorです。

ノードを稼働させ続け、スケールダウンを妨げているPodを正確に把握。PerfectScale InfraFitの新しいUnevictable Podsビューなら、ノードグループ全体でこれらのworkloadsを可視化し、ノードごとにCPU・メモリ・GPUのリソース内訳まで確認できます。 ノード推奨機能と組み合わせれば、bin-packingを最適化し、KarpenterやCluster Autoscalerの効果を最大限に引き出して、Kubernetesのコストを抑えられます。

クエリパラメータ「period」で、workloadsとそのコスト分析データの対象期間を柔軟に指定できます

メモリ推奨値の根拠がひと目で分かる。ZoomInチャート上で、Max Memoryメトリックラインの表示切替とOOM killイベントマーカーに対応しました。

PerfectScaleのWeb画面から、Kubernetesワークロードの自動化を直接有効化・管理

ワークロード自動化のステータスモデルを刷新し、使い勝手を向上させました。

最適化ポリシーを Kubernetes Custom Resources から直接管理できるようになりました。UIと併用、またはUIの代わりとして利用でき、PerfectScale がクラスター階層のあらゆるレベルでリソースを推奨する方法を、GitOpsスタイルで完全にコントロールできます。