SATURDAY 28 NOV · 12:20 - 12:50Monviso
Un developer deve testare un workload intensivo — spesso legato ad AI o data processing — su un cluster Kubernetes (on-premise o su cloud provider). Il cluster è condiviso. Le risorse sono limitate. I pod restano in Pending. Aggiungere nuove risorse richiede tempo. Creare un altro cluster separato significa duplicare ambienti, il networking e le configurazioni. L'autoscaler non può funzionare in ambienti on-premise, mentre su cloud provider potrebbero essere terminate le risorse. La domanda diventa allora: è possibile estendere dinamicamente un cluster oltre il datacenter solo quando serve, mantenendo il controllo dei costi? In questo talk racconto un caso reale nato da questa esigenza concreta. Vedremo: - i limiti dell’autoscaling in ambienti on-prem - le complessità tecniche del cloud bursting (provisioning, networking, lifecycle dei nodi) - cosa significa confrontare dinamicamente risorse compute tra provider diversi - come introdurre il costo e le policy (ad esempio la preferenza per provider europei) come fattori decisionali runtime Il risultato è un modello pragmatico per ambienti ibridi: local-first, estendibili on-demand e cost-aware by design. Un talk per chi gestisce cluster reali e vuole flessibilità senza rivoluzionare l’architettura.
