HPA on Custom Metrics: When CPU Tells You Nothing Useful
A worker consuming a queue can run at 5% CPU while completely overwhelmed. HPA on a custom metric solves what CPU/memory structurally can't see.
A worker consuming a queue can run at 5% CPU while completely overwhelmed. HPA on a custom metric solves what CPU/memory structurally can't see.
Un worker qui consomme une file d'attente peut tourner à 5% de CPU tout en étant complètement submergé. Le HPA sur métrique custom résout ce que CPU/mémoire ne peuvent pas voir.
Le Cluster Autoscaler reste prisonnier des groupes de nœuds préconfigurés. Karpenter provisionne l'instance exacte dont le pod a besoin, sans ce détour.
Cluster Autoscaler stays locked into preconfigured node groups. Karpenter provisions the exact instance a pod needs, no detour through a group.
The VPA sizes CPU/memory requests from real consumption. Its Auto mode restarts pods to apply a new sizing, a cost that's easy to overlook.
Le VPA sert à dimensionner les requests CPU/mémoire à partir de la consommation réelle. Son mode Auto redémarre les pods à chaque ajustement.
Le Cluster Autoscaler ajoute des nœuds facilement. Le scale down casse en silence : PDB trop stricts, pods sans contrôleur, annotation oubliée.
The Cluster Autoscaler adds nodes easily. Scale down is where it silently breaks: overly strict PDBs, controller-less pods, and one forgotten annotation.
Pourquoi le Horizontal Pod Autoscaler ne fonctionne pas sans requests correctement posées, comment il décide de scaler, et le piège de l'oscillation.
Why the Horizontal Pod Autoscaler doesn't work without requests set correctly, how it decides to scale, and the flapping trap.