Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

O cliente gratuito Sextant para Kubernetes reduziu o consumo de memória por objeto de 26 KB para 5,2 KB

O Sextant, cliente desktop gratuito para Kubernetes escrito em Rust e concorrente do Lens, deixou de guardar cada objeto do cluster como uma árvore JSON inchada. Antes, um pod de cerca de 2,5 KB ocupava 26 KB na memória; agora ocupa 5,2 KB. Para 50 000 pods, isso significa 127,5 MB em vez de 481 MB. O custo veio em velocidade: a lista completa passou a carregar em 10,3 s, contra 9,0 s antes. Para ferramentas voltadas a clusters grandes, memória e velocidade precisam ser medidas juntas.

Processado por IA de Habr AI; editado por Hamidun News
O cliente gratuito Sextant para Kubernetes reduziu o consumo de memória por objeto de 26 KB para 5,2 KB
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1A ideia veio de um pull request externo, um dos primeiros recebidos pelo projeto
Dado-chave #2As primeiras linhas da tabela aparecem em 94 ms, contra 77 ms antes
Dado-chave #3A medição foi feita em um build de debug; a comparação com Lens e Freelens ainda está por vir

Se você já abriu um cliente desktop para Kubernetes em um cluster grande, conhece o problema: uma janela que apenas mostra a lista de pods vai consumindo gigabytes de memória aos poucos. O Sextant, uma alternativa gratuita ao Lens feita em Rust e Tauri 2, sem conta, assinatura ou telemetria, ficava para trás nesse quesito. O autor reconheceu isso já no primeiro artigo sobre o projeto. Agora, depois de uma semana com 13 releases (da 0.20.0 à 0.25.5, entre 21 e 28 de outubro), ele quitou essa dívida. A ideia para isso veio de uma pessoa de fora do projeto.

O que estava errado com a memória

Antes, o núcleo do Sextant guardava cada objeto do cluster como uma árvore JSON. Para o desenvolvimento, isso era conveniente, mas desperdiçava recursos. Imagine anotar um endereço em um papel e guardá-lo em um armário em que cada palavra ocupa uma gaveta separada: o significado é o mesmo, mas o espaço necessário cresce muitas vezes.

Na versão 0.25, os objetos passaram a ser armazenados de forma compacta. A medição foi feita em um teste com pods de cerca de 2,5 KB cada:

  • memória por objeto: 26,0 KB → 5,2 KB, ou seja, cinco vezes menos;
  • objetos armazenados para 50 000 pods: 481 MB → 127,5 MB, cerca de 3,8 vezes menos;
  • lista completa de 50 000 pods: 9,0 s → 10,3 s;
  • aparecimento das primeiras linhas da tabela: 77 ms → 94 ms.

O autor declara o custo sem rodeios: a lista completa ficou um pouco mais lenta, em 1,3 segundo. Enquanto a tabela é preenchida, o usuário vê as linhas em 94 ms em vez de 77 ms, diferença quase imperceptível.

De onde veio a ideia e o que mais entrou

Essa semana foi a primeira em que pull requests externos entraram nos releases. Entre eles estão filtros de tabelas, configurações da barra lateral e uma correção para Windows, em que janelas do console do Helm piscavam na tela. A ideia de armazenar os objetos de forma compacta também veio de um PR externo, e depois dele a memória por objeto monitorado caiu cerca de cinco vezes.

Parte da versão 0.25 nasceu de pedidos de leitores: busca em todas as colunas, abas com pods e recursos do node e funcionamento sem permissão para listar namespaces. Esse último ponto é familiar para quem trabalha em grandes empresas, onde o desenvolvedor tem acesso a alguns namespaces, mas não à lista de todos. Agora, a opção "Todos os namespaces" significa "todos os disponíveis", e em vez de um erro aparece uma tela "Sem acesso" com o botão "Mostrar mesmo assim".

Além disso, foram lançadas integrações com OpenShift, Operator Lifecycle Manager, k3s/RKE2 e vcluster. Surgiram alertas do Prometheus e do Alertmanager e logs de pods remotos do Loki. Para agentes de IA, a versão 0.25.5 melhorou o servidor MCP integrado: ele passou a funcionar quando o usuário tem permissões restritas (RBAC). O motivo foi uma discussão em que um usuário conectou um agente a um cluster com acesso apenas a alguns namespaces e descreveu onde o MCP atrapalhava. Cada ponto virou uma issue separada, e as cinco entraram na versão.

Como o código é escrito e o que tirar disso

Todo o código do Sextant é gerado pelo Claude Code. O ser humano define as tarefas, toma as decisões de arquitetura e faz a revisão, e cada alteração passa por testes repetidos. Cada função tem uma issue com os requisitos e uma página na wiki.

A conclusão prática para quem desenvolve ferramentas para clusters grandes é que guardar árvores JSON cruas custa caro. Uma representação compacta traz um ganho de memória de várias vezes com um custo pequeno em tempo. Antes de adotar essa troca, meça os dois parâmetros em volumes realistas. Observe tanto a memória total quanto a rapidez com que o usuário vê os primeiros dados.

Há também limitações. O autor ressalta que a medição foi feita em um build de debug e com pods de tamanho fixo. Em builds de release e em clusters reais, os números podem ser diferentes. A comparação com Freelens e Lens em builds de release ainda está por vir, então ainda é cedo para declarar vitória sobre os concorrentes em termos de memória. Ainda assim, a direção está clara: o projeto continua gratuito e evolui bem mais rápido do que se poderia esperar de um experimento pessoal.

História

Perguntas frequentes sobre a notícia

O que estava errado com a memória?

Antes, o núcleo do Sextant guardava cada objeto do cluster como uma árvore JSON. Para o desenvolvimento, isso era conveniente, mas desperdiçava recursos. Imagine anotar um endereço em um papel e guardá-lo em um armário em que cada palavra ocupa uma gaveta separada: o significado é o mesmo, mas o espaço necessário cresce muitas vezes. Na versão 0.25, os objetos passaram a ser armazenados de forma compacta.

O que se sabe sobre De onde veio a ideia e o que mais entrou?

Essa semana foi a primeira em que pull requests externos entraram nos releases. Entre eles estão filtros de tabelas, configurações da barra lateral e uma correção para Windows, em que janelas do console do Helm piscavam na tela. A ideia de armazenar os objetos de forma compacta também veio de um PR externo, e depois dele a memória por objeto monitorado caiu cerca de cinco vezes.

Como o código é escrito e o que tirar disso?

Todo o código do Sextant é gerado pelo Claude Code. O ser humano define as tarefas, toma as decisões de arquitetura e faz a revisão, e cada alteração passa por testes repetidos. Cada função tem uma issue com os requisitos e uma página na wiki. A conclusão prática para quem desenvolve ferramentas para clusters grandes é que guardar árvores JSON cruas custa caro. Uma representação compacta traz um ganho de memória de várias vezes com um custo pequeno em tempo.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…