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
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.
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
- 21 нояб. 2026 г.Anthropic снизила цену Claude Fable 5.2 на 20%, а в тесте на код она почти равна Opus 5.5
- 21 нояб. 2026 г.Dreamteam привлёк $53M на CRM, которая сама заполняется из почты и звонков
- 21 нояб. 2026 г.Нейросеть Claude Opus 5.5 достраивает хоррор Dimension 9 из 15 комнат автора
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.
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.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.