O PerfectScale agora reconhece triggers de HPA que têm como alvo um único container, mantendo a precisão das recomendações de right-sizing para workloads que usam autoscaling com escopo de container. As recomendações se aplicam apenas ao container monitorado pelo HPA, evitando sugestões superdimensionadas ou subdimensionadas. O Podfit e o Zoom-In agora distinguem triggers no nível do pod de triggers no nível do container, para que os dados exibidos reflitam o comportamento real do seu autoscaler.

Um menu mais claro que exibe todo o conjunto de recursos do PerfectScale, com páginas de organização e de cluster em seções separadas e acesso rápido a qualquer cluster.

O PerfectScale agora mostra custos de cluster, desperdício em pods e potencial de economia em EUR, GBP, JPY, ILS, CHF e outras moedas.

O PerfectScale agora sinaliza containers cujas alocações de CPU não param de subir sem resolver a pressão de recursos — sinal de um problema no workload, e não de demanda real. A automação pausa novos aumentos de CPU assim que os limites que você configurou são atingidos. Defina limites de aumento diários e semanais no YAML de automação para manter o right-sizing seguro e previsível.

Pods unevictable bloqueiam o scale-down e o drain dos nós, limitando silenciosamente a elasticidade e a economia do cluster. Agora ficam visíveis e podem ser corrigidos via API.

Aproveite ao máximo os recursos em namespaces regidos por ResourceQuotas

API pública com dados de utilização de nós, eficiência e insights de otimização de infraestrutura

Encontre todos os workloads Java de um cluster em um clique, sem precisar de labels

Os números em todo o PerfectScale agora aparecem do jeito que o seu país escreve.

Encontre e corrija as configurações que impedem a redução de nós.

O PerfectScale by DoiT agora traz recomendações práticas para melhorar a configuração do seu NodePool do Karpenter, deixando-a totalmente alinhada ao comportamento real dos seus workloads.

O PerfectScale agora oferece visibilidade do uso da memória de GPU, eliminando um ponto cego e ajudando você a rodar workloads de IA/ML com confiança.

Reduza o trabalho de manutenção e mantenha seus agentes sempre atualizados com o PerfectScale Operator — um operador Kubernetes que cuida da instalação e das atualizações de todos os componentes do PerfectScale.

Veja exatamente quais pods estão mantendo seus nós ativos e bloqueando o scale-down. A nova visualização de Unevictable Pods no PerfectScale InfraFit destaca esses workloads em qualquer node group, com detalhamento de recursos por nó para CPU, memória e GPU. Combine com as recomendações de nós para melhorar o bin-packing, tirar mais proveito do Karpenter ou do Cluster Autoscaler e reduzir seus gastos com Kubernetes.

Agora dá para usar o parâmetro "period" na consulta e definir a janela de tempo dos workloads e dos dados de análise de custos

Entenda o porquê de cada recomendação de memória — agora com uma linha da métrica Max Memory que você pode ligar e desligar, além de marcadores de OOM kill direto no gráfico do ZoomIn.

Ative e gerencie a automação de workloads do Kubernetes direto pela interface web do PerfectScale

Atualizamos o modelo de status de automação de workloads e refinamos a experiência de uso.

As políticas de otimização agora podem ser gerenciadas diretamente via Custom Resources do Kubernetes — junto com ou no lugar da interface — dando às equipes controle total no estilo GitOps sobre como o PerfectScale recomenda recursos em todos os níveis da hierarquia do cluster.

Lançamos uma grande atualização nas recomendações de nós do PerfectScale para K8s — saindo de uma única "melhor escolha" para uma experiência com múltiplas sugestões, dando aos usuários controle real sobre sua infraestrutura.