Speaker Logan Hauspie https://twitter.com/lhauspie Aujourd'hui, que ce soit pour des services web ou des traitements répétitifs (cron), beaucoup d'entreprises utilisent des clusters Kubernetes pour faire tourner leurs applications. Étant donner qu'on souhaite tolérer des pics de charge sans réserver inutilement des ressources coûteuses, on configure assez souvent des HPAs (Horizontal Pod Autoscalers) pour augmenter ou réduire dynamiquement la puissance de calcul de l'application. Basiquement, on scrute la consommation CPU et/ou RAM pour ajouter ou retirer des Pods. Parfois, on se base sur des custom-metrics pour faire la même chose sur base de métriques applicatives. Mais peut-on faire encore mieux ? Peut-on utiliser d'autres indicateurs pour réussir une mise à l’échelle plus "intelligente" ? Spoiler Alert : C'est possible en utilisant Keda, outil qui ouvre le champ des possibles pour passer vos déploiements à l’échelle simplement et de manière intelligente.