Corrija as configurações dos seus workloads, escolha nós melhores e escale com confiança usando ajuste autônomo.
Você está escalando seus nós do Kubernetes com eficiência?
Autoscalers de nós, como o Karpenter e o Cluster Autoscaler, são ferramentas poderosas para aumentar e reduzir o número de nós conforme a demanda. Eles melhoram a disponibilidade dos clusters e reduzem os custos com recursos ociosos. Porém, mesmo com o autoscaling bem configurado, as equipes costumam enfrentar os seguintes desafios:
Containers superprovisionados
Desperdiçam capacidade e forçam o autoscaler a provisionar mais nós do que o necessário.
Containers subprovisionados
Causam problemas de confiabilidade, como pod evictions, pressão sobre os nós e instabilidade dos workloads.
Bin-packing ineficiente
Reduz a eficiência ao deixar recursos subutilizados e disparar eventos de escalonamento desnecessários.
potencialize o autoscaling com right-sizing autônomo de workloads e visibilidade de performance
Corrija erros de configuração de forma proativa
Com a análise contínua dos seus workloads,
identifique e corrija erros de configuração,
como CPU Request Not Set,
Memory Request Not Set
e Memory Limit Not Set,
para evitar evictions imprevisíveis,
sobrecarga de nós
e autoscaling ineficiente.
Faça right-sizing dos workloads de forma autônoma
Ajuste instantaneamente os recursos dos workloads com base na utilização real e melhore o bin-packing dos pods
para aumentar a eficiência do autoscaling — tudo sem intervenção manual.
Maximize a eficiência do autoscaling no K8s
Tenha visibilidade excepcional dos custos e da utilização dos seus grupos de autoscaling e node pools,
identifique ineficiências
e selecione os tipos de nós ideais para melhorar a utilização,
alcançar uma distribuição precisa de recursos
e maximizar a eficiência de custos.
Reduza custos de nuvem sem abrir mão da performance
Instale em minutos e receba insights de otimização autônoma.
Frequently asked
questions
O que é autoscaling no Kubernetes?
O autoscaling no Kubernetes é um conjunto de ferramentas poderosas, como Karpenter, Cluster Autoscaler, HPA, PerfectScale, entre outras, que ajustam automaticamente os recursos do cluster com base na demanda real. Essas ferramentas escalam os recursos dinamicamente, para mais ou para menos, mantendo performance, disponibilidade e eficiência de custos.
Quais tipos de nós se encaixam melhor nos requisitos específicos do meu workload?
Os melhores tipos de nós dependem dos requisitos de CPU, memória, GPU etc. do seu workload. Workloads intensivos em CPU, com alto consumo de memória ou baseados em GPU exigem famílias de instâncias diferentes. Combinar as características dos workloads com os tipos de nós certos pode melhorar significativamente a performance, o bin-packing e a eficiência geral de toda a sua stack K8s.
Minha configuração atual de autoscaling no Kubernetes está entregando o melhor desempenho possível?
Uma configuração eficaz de autoscaling deve responder dinamicamente às mudanças e evitar desperdício de recursos e instabilidade. Combinar a otimização no nível dos nós com o right-sizing no nível dos pods melhora significativamente a eficiência do autoscaling, permitindo melhor bin-packing, decisões de escalonamento mais rápidas, performance aprimorada e menos gastos com nuvem.