Kubernetes con KEDA: Autoescalado por eventos para colas y microservicios - Parte 1. En este artículo explicamos cómo KEDA ayuda a resolver los atascos de colas en Kubernetes y por qué muchas cargas de trabajo orientadas a eventos no se benefician del escalado tradicional basado en CPU o memoria.

Qué es KEDA. KEDA significa Kubernetes Event Driven Autoscaling y es un autoscaler ligero que ajusta réplicas de Deployments en función de eventos o métricas externas como la longitud de colas en Kafka o RabbitMQ, métricas de Prometheus o eventos de plataformas cloud. A diferencia del HPA que se basa en CPU y memoria, KEDA permite escalar dinámicamente según la carga real de trabajo.

Arquitectura y funcionamiento. KEDA se instala como un Deployment dentro del clúster Kubernetes y gestiona recursos en función de objetos personalizados llamados ScaledObject. Un ScaledObject enlaza un Deployment objetivo con uno o varios triggers. La lógica de escalado entre triggers funciona con operador OR, es decir si cualquier trigger excede su umbral se disparará el escalado y todas las réplicas del Deployment objetivo se ajustan juntas.

Ejemplo conceptual de ScaledObject para RabbitMQ. Campos clave: scaleTargetRef que indica el Deployment a escalar, minReplicaCount y maxReplicaCount que fijan los límites, y triggers que definen el tipo rabbitmq con el nombre de la cola y el umbral de mensajes por pod. Por ejemplo para una cola orders-queue con umbral 100 mensajes por pod, orders-consumer escalará entre 1 y 10 pods según la profundidad de la cola.

Cálculo simplificado de réplicas. KEDA calcula réplicas deseadas con una lógica sencilla: umbral definido por el trigger queueLength, y min y max por el ScaledObject. Fórmula simplificada: replicasDeseadas = ceil(profundidadActualCola / umbralPorPod). KEDA actualiza el Deployment entre minReplicaCount y maxReplicaCount usando el HPA bajo el capó.

Ejemplo visual. Si el umbral es 100 mensajes por pod: profundidad 50 -> 1 pod (min), 120 -> 2 pods, 250 -> 3 pods, 1050 -> 10 pods (max).

Límites y consideraciones importantes. KEDA es ideal para escalado simple orientado a colas pero tiene limitaciones críticas: la lógica OR entre triggers significa que no puede escalar subconjuntos de pods dentro del mismo Deployment de forma independiente. No existe soporte nativo para mapear N colas a N consumidores con escalado independiente en un único ScaledObject. En escenarios con 10 colas y lógica de procesamiento distinta por cola, lo habitual es crear múltiples Deployments y múltiples ScaledObjects, lo que aumenta la complejidad operacional y el consumo de recursos.

Consumo de recursos de KEDA. KEDA corre como Deployment y su consumo de CPU y memoria crece según el número de ScaledObjects y triggers definidos. En clústers con muchas colas y reglas complejas hay que planificar capacidad para el propio KEDA.

Salida de ejemplo con kubectl. Tras crear varios ScaledObjects un comando kubectl get scaledobjects podría mostrar una lista con columnas NAME, SCALETARGETNAME, MIN, MAX, TRIGGERS. Cada ScaledObject apunta a un solo Deployment y múltiples triggers para el mismo Deployment escalan todos los pods juntos.

Cuándo usar KEDA y siguientes pasos. KEDA es una excelente primera opción para microservicios con colas sencillas y cargas event driven. Para arquitecturas con múltiples colas y reglas de escalado independientes suele ser necesario desarrollar un autoscaler personalizado o combinar KEDA con lógica propia que distribuya consumidores entre Deployments. En la Parte 2 mostraremos cómo construir un autoscaler personalizado capaz de manejar múltiples colas, múltiples consumidores y reglas de escalado independientes por workflow.

Sobre Q2BSTUDIO. Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en creación de soluciones cloud y on premise, inteligencia artificial aplicada, ciberseguridad y servicios de inteligencia de negocio. Ofrecemos desde desarrollo de aplicaciones a medida y software a medida hasta integración y despliegue en plataformas cloud. Para arquitecturas basadas en Kubernetes y escalado por eventos trabajamos estrechamente con infraestructuras modernas aprovechando servicios cloud y plataformas gestionadas como servicios cloud AWS y Azure.

Servicios complementarios. Si tu proyecto requiere inteligencia artificial, IA para empresas, creación de agentes IA, análisis con Power BI o seguridad avanzada, en Q2BSTUDIO combinamos experiencia en modelos de IA, pipelines de datos y ciberseguridad para entregar soluciones robustas y escalables. Palabras clave relevantes: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.

Recomendación práctica. Comienza con KEDA para escenarios simples de colas y monitoriza el coste operativo del propio autoscaler y la latencia de procesamiento. Si aparecieran cuellos de botella con múltiples colas o lógicas divergentes, planifica una evolución hacia un diseño con Deployments independientes por tipo de cola o un autoscaler personalizado que permita escalado por consumidor.

Conclusión. KEDA resuelve el problema fundamental de alinear réplicas con trabajo pendiente en colas, evita infrautilización y reduce sobrecarga operativa en casos sencillos. Para escenarios complejos, Q2BSTUDIO puede ayudarte a diseñar la solución adecuada combinando desarrollo de software a medida, automatización, IA y buenas prácticas de ciberseguridad para garantizar fiabilidad y escalabilidad.