El pasado martes, Groundcover lanzó en fase beta Autonomous Infrastructure, una innovadora herramienta diseñada para ajustar de manera continua las peticiones de CPU y memoria de los despliegues en Kubernetes (K8s), utilizando datos recogidos directamente de entornos productivos.
Este producto se apoya en la tecnología de Wand, una plataforma de optimización de recursos para Kubernetes que Groundcover adquirió en septiembre de 2026. La beta aprovecha el sensor eBPF de Groundcover, que recopila datos en tiempo real sobre el uso de recursos para tomar decisiones informadas. De esta forma, los ingenieros pueden visualizar claramente cómo las modificaciones en las solicitudes podrían impactar tanto en los costes de infraestructura como en el rendimiento de las aplicaciones.
Shahar Azulay, CEO y cofundador de Groundcover, explicó a The New Stack que el verdadero objetivo de esta solución no es simplemente minimizar las solicitudes de recursos, sino encontrar un punto óptimo entre la eficiencia y la estabilidad en todo el entorno Kubernetes. Esto implica reducir solicitudes en cargas que consumen menos de lo asignado, pero también incrementarlas cuando una carga lo requiera para garantizar su funcionamiento estable. 
El desafío de dimensionar correctamente las cargas en Kubernetes
Dimensionar adecuadamente las cargas en Kubernetes es un reto que muchas organizaciones han intentado superar con diversos métodos. Algunos optan por ajustes programados y otros por redimensionar contenedores mientras están en ejecución, aunque algunos cambios implican reinicios. Incluso existen herramientas automáticas basadas en políticas establecidas por los ingenieros para aplicar recomendaciones.
Sin embargo, Azulay señala que una dificultad clave radica en equilibrar la eficiencia en costes con la estabilidad de las aplicaciones. Las solicitudes de recursos suelen establecerse durante el despliegue, cuando las cargas aún no han vivido tráfico real, y estas configuraciones luego permanecen fijas a pesar de que las cargas varían constantemente.
Esto conduce a que muchas cargas permanezcan sobreaprovisionadas para evitar problemas de rendimiento, lo que genera costes adicionales innecesarios. Un estudio de 2025 publicado en Applied Sciences mostró que optimizar las solicitudes de recursos en Kubernetes puede mejorar un 50% la relación entre rendimiento y coste respecto a configuraciones máximas por defecto.
Por otro lado, un subaprovisionamiento implica riesgos diferentes, como la falta de CPU o memoria, lo que puede provocar ralentizaciones, limitaciones o incluso fallos por agotamiento de memoria (OOM). Además, el redimensionamiento impacta en la infraestructura, ya que autoscalers como Karpenter ajustan la cantidad de nodos según recursos solicitados, pero no garantizan la precisión de esas solicitudes.
La clave está en aprovechar los datos reales de producción
Groundcover apuesta por utilizar los datos de producción recolectados con su sensor eBPF para que Autonomous Infrastructure analice el historial de uso y genere recomendaciones certeras para las solicitudes de CPU y memoria. Los nuevos despliegues entran en una fase inicial de aprendizaje hasta acumular datos suficientes.
Este enfoque es más proactivo que reactivo, pues en lugar de responder a un pico consumiendo recursos adicionales después de que ya haya ocurrido un impacto en el rendimiento, la plataforma predice patrones y prepara las cargas para los cambios de demanda. Esto resulta especialmente útil en entornos con picos recurrentes.
Los usuarios pueden ver con claridad la diferencia entre los recursos solicitados y los realmente utilizados, identificar cargas que están infra o sobreaprovisionadas y obtener una estimación del ahorro mensual potencial. Groundcover permite ajustar estos cálculos incorporando precios y descuentos propios, aunque advierte que el ahorro real depende de la capacidad de las organizaciones para reducir su infraestructura efectiva.
Dado que el sensor ya está recogiendo datos de los entornos de sus clientes, no es necesario desplegar agentes adicionales o realizar nuevas campañas de monitorización para evaluar y experimentar con las recomendaciones.
Entendiendo el contexto para optimizar correctamente
Una de las diferencias clave del enfoque de Groundcover radica en considerar el contexto completo del entorno. Azulay explica que las cargas en Kubernetes no operan en aislamiento, sino que comparten recursos y pueden afectar el rendimiento mutuamente. Así, ajustar una carga sin tener en cuenta la presión en los nodos puede llevar a desequilibrios.
Por ejemplo, reducir las solicitudes de CPU puede permitir que más cargas se ejecuten en un nodo, pero también puede modificar la forma en que la CPU se reparte bajo condiciones de contención, afectando el rendimiento. Dos aplicaciones con perfiles de consumo similares podrían necesitar asignaciones distintas según su patrón de tráfico y cargas vecinas.
Por ello, Autonomous Infrastructure evalúa la competencia por recursos y la carga a nivel de nodo, además de considerar procesos auxiliares como sidecars (por ejemplo Istio, Linkerd o agentes Vault) que suelen pasar inadvertidos pero consumen recursos importantes.
La integración con la plataforma de Groundcover permite a los ingenieros explorar los registros, métricas y trazas desde el mismo lugar donde se reciben las recomendaciones, facilitando la comprensión y la toma de decisiones fundamentadas.
La automatización con control humano
Aunque la automatización total del redimensionamiento parece una solución ideal para la falta de tiempo y recursos de los equipos, la mayoría de los profesionales aún prefieren mantener cierto control manual. Según una encuesta de 2025 de Kube.today, más de la mitad utilizan herramientas manuales como kubectl o dashboards para gestionar recursos.
Groundcover ha diseñado Autonomous Infrastructure para que la automatización sea opt-in en todo momento. La activación se realiza a nivel de cluster y de despliegue, y los ingenieros establecen límites mínimos y máximos para solicitudes de CPU y memoria. Así, se garantiza que las configuraciones no superen ciertos umbrales y que la plataforma nunca cambie los límites, solo las solicitudes.
Además, la beta mantiene un registro completo de cada cambio, quién lo hizo y cuándo, proporcionando transparencia y auditabilidad. La plataforma utiliza técnicas de redimensionamiento en situ cuando es posible, o implementa rollouts cuando es necesario, y respeta las solicitudes gestionadas por autoscalers basados en métricas.
Esta combinación de autonomía y control hace que los ingenieros no tengan que confiar en una «caja negra», sino que puedan revisar el razonamiento detrás de cada recomendación, visualizar su impacto esperado y decidir dónde aplicar las optimizaciones.
Disponibilidad y perspectivas futuras
Groundcover ofrece la beta de Autonomous Infrastructure sin coste adicional para sus clientes que ya utilizan el sensor con versiones compatibles. Actualmente, la herramienta soporta despliegues y sus sidecars, con planes de ampliar a otros tipos de cargas próximamente.
La empresa busca colaboradores para continuar el desarrollo y estará presentando demostraciones durante el evento KubeCon + CloudNativeCon Norteamérica, que se celebrará del 9 al 12 de noviembre de 2026 en Salt Lake City.
El futuro de la optimización en Kubernetes pasa por herramientas que no solo reduzcan solicitudes, sino que gestionen los recursos inteligentemente anticipando demandas y entendiendo el entorno completo, con automatización transparente y confiable. Groundcover apuesta por integrar la optimización y la observabilidad en una única plataforma capaz de mejorar continuamente el funcionamiento de la infraestructura.
