Kubernetes v1.37 HPA Beta: Escalabilidade a Zero Réplicas para Otimização de Custos

A chegada do recurso de escalabilidade a zero réplicas para o Horizontal Pod Autoscaler (HPA) no Kubernetes v1.37, agora em Beta e ativado por padrão, é um marco significativo para a otimização de infraestrutura. Essencialmente, o HPA pode agora desativar completamente um workload que não está em uso e reativá-lo sob demanda. Esta funcionalidade é particularmente valiosa para processadores de fila ou tarefas em lote, onde a atividade pode ser intermitente.

Para operar com sucesso, o HPA precisa de métricas de objeto ou externas, como o tamanho de uma fila. Isso porque, quando não há pods ativos, métricas tradicionais como CPU ou memória não existem. Um ponto de atenção é o 'cold-start', o tempo que o sistema leva para iniciar os pods e processar a carga. Essa latência é aceitável para cargas de trabalho que podem esperar, como aquelas que usam filas duráveis, mas não para requisições HTTP sensíveis ao tempo sem uma camada de buffer externa. A novidade é gerenciada pela condição ScaledToZero, que distingue um desligamento automático de uma pausa manual, garantindo que o HPA continue monitorando e reagindo às métricas mesmo com zero réplicas.

Esta funcionalidade representa uma evolução importante dentro do ecossistema Kubernetes. Anteriormente, a escalabilidade a zero réplicas para o HPA exigia a ativação de feature gates Alfa ou a integração de soluções de terceiros, como o KEDA (Kubernetes Event-driven Autoscaling). Em nossa cobertura de 3 de agosto de 2026, por exemplo, discutimos como o KEDA já possibilitava o dimensionamento de pods com base na profundidade de filas do Amazon SQS.

Com a promoção deste recurso para Beta e sua ativação padrão no v1.37, a capacidade de escalar a zero se torna nativa e mais acessível. Isso simplifica a gestão de custos e recursos ao eliminar a dependência de componentes adicionais para muitos casos de uso. O que antes era uma capacidade complementar, agora é parte integral do HPA, tornando a otimização de custos para workloads intermitentes muito mais intrínseca ao Kubernetes.

Para engenheiros de plataforma e equipes de DevOps, a escalabilidade a zero réplicas é um recurso que impacta diretamente a otimização de custos e a sustentabilidade das operações. Ambientes de nuvem frequentemente cobram por recursos provisionados, mesmo que ociosos. Ao permitir que workloads sejam completamente desativados quando não há demanda, é possível reduzir significativamente o desperdício de recursos e, consequentemente, os custos da infraestrutura.

Além da economia, a funcionalidade promove uma maior eficiência no uso dos recursos. Ela é um passo adiante na maturidade do Kubernetes para lidar com cargas de trabalho dinâmicas e imprevisíveis, alinhando a alocação de recursos com a demanda real. Isso fortalece o conceito de elasticidade da nuvem, permitindo que as empresas paguem apenas pelo que realmente usam, sem a necessidade de manter capacidade ociosa para picos eventuais.