Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

Бесплатный клиент Kubernetes Sextant урезал память на объект с 26 до 5,2 КБ

Sextant — бесплатный десктопный клиент Kubernetes на Rust, замена Lens, — перестал хранить каждый объект кластера как раздутое JSON-дерево. Раньше один под размером около 2,5 КБ занимал в памяти 26 КБ, теперь 5,2 КБ: на 50 000 подов это 127,5 МБ вместо 481 МБ. Платой стала скорость: полный список грузится 10,3 с вместо 9,0 с. Для инструментов под большие кластеры память и скорость стоит мерить вместе.

AI-обработка оригинала Habr AI; редакция Hamidun News
Бесплатный клиент Kubernetes Sextant урезал память на объект с 26 до 5,2 КБ
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1Идею подсказал внешний pull request, один из первых в проекте
Ключевой факт #2Первые строки таблицы появляются за 94 мс вместо 77 мс
Ключевой факт #3Замер сделан на debug-сборке; сравнение с Lens и Freelens ещё впереди

Если вы открывали десктопный клиент для Kubernetes на большом кластере, то знаете проблему: окно, которое просто показывает список подов, постепенно съедает гигабайты памяти. Sextant — бесплатная замена Lens на Rust и Tauri 2, без аккаунта, подписки и телеметрии — как раз проигрывал конкурентам по этому показателю. Автор признавался в этом ещё в первой статье о проекте. Теперь, после недели из 13 релизов (с 0.20.0 по 0.25.5, с 21 по 28 октября), он закрыл этот долг. Идею для этого подсказал человек со стороны.

Что было не так с памятью

Раньше ядро Sextant хранило каждый объект кластера как JSON-дерево. Для разработки это удобно, но расточительно. Представьте, что вы записываете адрес на листке, а хранить его приходится в шкафу, где у каждого слова отдельная ячейка: смысл тот же, а места нужно в разы больше.

В версии 0.25 объекты стали хранить компактно. Замер сделан на тесте с подами по ~2,5 КБ каждый:

  • память на один объект: 26,0 КБ → 5,2 КБ, то есть в пять раз меньше;
  • хранимые объекты для 50 000 подов: 481 МБ → 127,5 МБ, примерно в 3,8 раза меньше;
  • полный список из 50 000 подов: 9,0 с → 10,3 с;
  • появление первых строк таблицы: 77 мс → 94 мс.

Автор называет цену прямо: полный список стал чуть медленнее, на 1,3 секунды. Пока таблица заполняется, пользователь видит строки через 94 мс вместо 77 — разница почти незаметна.

Откуда взялась идея и что ещё вышло

Эта неделя стала первой, когда в релизы вошли внешние pull request’ы. Среди них фильтры таблиц, настройки боковой панели и исправление для Windows, где мелькали консольные окна Helm. Идея компактного хранения объектов тоже пришла из внешнего PR, и после неё память на каждый отслеживаемый объект упала примерно в пять раз.

Часть версии 0.25 выросла из просьб читателей. Это поиск по всем колонкам, вкладки с подами и ресурсами ноды и работа без права на список неймспейсов. Последнее знакомо многим по крупным компаниям: у разработчика есть доступ к паре неймспейсов, но не к списку всех. Теперь пункт «Все неймспейсы» означает «все доступные», а вместо ошибки показывается экран «Нет доступа» с кнопкой «Всё равно показать».

Кроме того, вышли интеграции с OpenShift, Operator Lifecycle Manager, k3s/RKE2 и vcluster. Появились алерты из Prometheus и Alertmanager и логи удалённых подов из Loki. Для AI-агентов версия 0.25.5 доработала встроенный MCP-сервер: он научился работать, когда у пользователя ограниченные права доступа (RBAC). Поводом стало обсуждение, где пользователь подключил агента к кластеру с доступом только к паре неймспейсов и расписал, где MCP ему мешает. Каждый пункт стал отдельным issue, и все пять вошли в версию.

Как пишется код и что с этого взять

Весь код Sextant сгенерирован Claude Code. Человек ставит задачи, принимает архитектурные решения и делает ревью, а каждое изменение проходит многократное тестирование. У каждой функции есть issue с требованиями и страница в вики.

Практический вывод для тех, кто делает инструменты для больших кластеров: хранить сырые JSON-деревья дорого. Компактное представление даёт кратный выигрыш по памяти за небольшую цену во времени. Прежде чем повторять такой размен, измерьте оба параметра на реалистичных объёмах. Смотрите и на общую память, и на то, как быстро пользователь видит первые данные.

Есть и ограничения. Автор подчёркивает, что замер сделан на debug-сборке и на подах фиксированного размера. На релизных сборках и в живых кластерах цифры могут отличаться. Повторное сравнение с Freelens и Lens на релизных сборках ещё впереди, так что победу над конкурентами по памяти объявлять рано. Зато направление понятно: проект бесплатный, останется таким и развивается заметно быстрее, чем можно было ожидать от личного эксперимента.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что было не так с памятью?

Раньше ядро Sextant хранило каждый объект кластера как JSON-дерево. Для разработки это удобно, но расточительно. Представьте, что вы записываете адрес на листке, а хранить его приходится в шкафу, где у каждого слова отдельная ячейка: смысл тот же, а места нужно в разы больше. В версии 0.25 объекты стали хранить компактно.

Что известно по теме: откуда взялась идея и что ещё вышло?

Эта неделя стала первой, когда в релизы вошли внешние pull request’ы. Среди них фильтры таблиц, настройки боковой панели и исправление для Windows, где мелькали консольные окна Helm. Идея компактного хранения объектов тоже пришла из внешнего PR, и после неё память на каждый отслеживаемый объект упала примерно в пять раз. Часть версии 0.25 выросла из просьб читателей. Это поиск по всем колонкам, вкладки с подами и ресурсами ноды и работа без права на список неймспейсов.

Что известно по теме: как пишется код и что с этого взять?

Весь код Sextant сгенерирован Claude Code. Человек ставит задачи, принимает архитектурные решения и делает ревью, а каждое изменение проходит многократное тестирование. У каждой функции есть issue с требованиями и страница в вики. Практический вывод для тех, кто делает инструменты для больших кластеров: хранить сырые JSON-деревья дорого. Компактное представление даёт кратный выигрыш по памяти за небольшую цену во времени. Прежде чем повторять такой размен, измерьте оба параметра на реалистичных объёмах.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…