
Google acaba de dar un paso interesante para los que viven peleando con el autoscaling en Kubernetes: GKE ahora procesa métricas de Prometheus de forma nativa, permitiendo que el Horizontal Pod Autoscaler (HPA) escale usando consultas PromQL directo, sin adapters de terceros.
El problema de siempre
A principios de año GKE ya había anunciado soporte nativo de custom metrics a nivel de pod, eliminando la necesidad de adapters externos y bajando la latencia de lectura de métricas a ~5 segundos. Pero las cargas de producción suelen necesitar escalar sobre métricas de infraestructura más complejas, como:
- Un pool de workers según la cantidad de mensajes sin procesar en un tópico de Pub/Sub.
- Un servicio de inferencia según QPS (consultas por segundo) guardado en Cloud Monitoring o Prometheus.
- Una granja de servidores web según el percentil 95 del tiempo de respuesta.
Hasta ahora, para eso había que montar el Stackdriver Custom Metrics Adapter o el Prometheus adapter, lo que traía fricción operacional: overhead de instalación y parcheo, puntos de falla en el loop de autoscaling, y complejidad de IAM con mapeo de service accounts.
Qué cambia
Extendiendo el objeto AutoscalingMetric, ahora el HPA puede leer métricas directamente desde Cloud Monitoring usando Google Managed Service for Prometheus, sin componentes intermedios. Los puntos clave:
- Sin mantenimiento de adapters: todo el ciclo de vida está gestionado dentro de GKE.
- Seguridad simplificada: el Kubernetes Default Node Service Agent ya tiene permisos de lectura sobre Cloud Monitoring y Google Managed Prometheus en el mismo proyecto. Nada de service accounts extra, keys ni federación.
- Baja latencia: el sistema de AutoscalingMetric consulta el backend cada 15 segundos.
- Consultas ricas: puedes usar todo el poder de PromQL (rates, promedios, percentiles) para traducir objetivos de negocio en reglas de escalado.
- Eficiencia de recursos: el controller corre en el control plane y solo despliega el pod del sistema cuando hay una métrica PromQL activa; si no hay métricas configuradas, se apaga y no consume nada.
Integración con scale-to-zero
Un detalle que amarra con el anuncio reciente de GKE: el soporte de métricas Prometheus se integra con la capacidad de scale-to-zero del HPA, y para volver a subir rápido desde cero usa la CapacityBuffers API.
Estado
El soporte nativo de métricas Prometheus está en preview. Google adelantó que planea soportar servidores Prometheus self-hosted cuando la feature llegue a disponibilidad general. Para los que quieran probarlo, la configuración es directa: defines el recurso AutoscalingMetric con tu consulta PromQL y lo referencias en el HPA con el formato autoscaling.gke.io|<custom-resource-name>|<metric-name>.
Para el que ya está en GKE, es una buena noticia: menos piezas que mantener y un loop de autoscaling más robusto y rápido.


