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出できるようになりました。これは実際の需要ではなく、ワークロード側に問題がある兆候です。設定したしきい値に達すると、自動化によるそれ以上のCPU増加は一時停止されます。 自動化YAMLで日次・週次の増加上限を設定し、ライトサイジングを安全かつ予測可能に保ちましょう。

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が適用されたネームスペース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。

PerfectScale for Kubernetes のノードレコメンデーション機能を大幅にアップグレードしました。従来の単一の「ベストピック」から複数の候補を提示する方式へと進化し、ユーザーがインフラストラクチャをより主体的に選択できるようになりました。