El día a día de un ingeniero de operaciones en el mundo Kubernetes consiste en buscar equilibrios constantes. Por un lado, desarrolladores y administradores quieren herramientas cómodas para inspeccionar recursos del clúster rápido, sin tener que memorizar decenas de parámetros y expresiones jsonpath de kubectl. Por otro lado, negocio y los equipos de FinOps exigen exprimir al máximo el presupuesto cloud: mover servicios a máquinas virtuales Spot baratas y consolidar nodos libres sin piedad.
Hoy analizamos dos proyectos abiertos recientes que cubren ambas necesidades con elegancia: un panel de escritorio ligero y un operador para proteger pods únicos durante la rotación de nodos.
PigeonEye
Si alguna vez buscaste una interfaz gráfica para gestionar tu clúster de Kubernetes, seguro que te encontraste con el dilema clásico:
- por un lado tienes la excelente utilidad de consola
k9s, pero en una terminal cuesta seguir relaciones complejas entre múltiples páginas de recursos; - por otro lado están los gigantes de escritorio como Lens, construidos sobre Electron, que tardan medio minuto en arrancar y devoran gigabytes de RAM incluso en reposo.
El proyecto PigeonEye, del desarrollador conocido como tackish, ofrece una esperada tercera vía. Es una aplicación de escritorio nativa construida con Rust, Tauri y React. Pesa apenas unos pocos megabytes, arranca en décimas de segundo y consume un mínimo de recursos del sistema.
La gran baza de PigeonEye es el autodescubrimiento inteligente de cualquier recurso personalizado (Custom Resource Definitions, CRD). Cuando instalas en el clúster operadores de bases de datos, certificados o mallas de servicio (Cert-Manager, Istio, Prometheus), PigeonEye consulta dinámicamente el API server del clúster y genera tablas de interfaz al vuelo. Además, muestra exactamente las columnas definidas por los autores del operador en sus manifiestos additionalPrinterColumns: justo lo que estás acostumbrado a ver en la salida de kubectl get.
Understudy
El segundo proyecto ataca un dolor de cabeza clásico al operar cargas de trabajo: el problema de los pods únicos (single-replica workloads).
En todo clúster hay servicios que, por diseño, no pueden correr en dos instancias a la vez. Pueden ser workers en segundo plano con bloqueo exclusivo de colas, controladores especializados, conectores o entornos de pruebas.
¿Qué pasa cuando un autoescalador cloud (como Karpenter) decide optimizar costes y vaciar un nodo (kubectl drain), o cuando AWS envía el aviso de retirada de una instancia Spot?
El clúster mata a la fuerza tu único pod. Mientras se crea y calienta la nueva máquina virtual, el pod descarga la imagen y supera los chequeos de readiness probe, el servicio sufre una caída de entre 1 y 3 minutos. Mantener una segunda réplica permanente «por si acaso» no le hace ninguna gracia a negocio, porque literalmente duplica la factura de servidores (sobrecoste de FinOps).
El operador Understudy, del equipo mitis-cloud, resuelve el problema aplicando la lógica de un suplente teatral (de ahí su nombre):
- Cuando llega una orden de drenado sobre un nodo, el operador intercepta el evento de desalojo del pod mediante un Admission Webhook y responde con un código
HTTP 429 Too Many Requests, bloqueando la eliminación. - En ese mismo instante, Understudy levanta un pod duplicado temporal en otro nodo estable del clúster.
- El operador espera pacientemente hasta que el nuevo pod supera todas las comprobaciones de
readiness probey empieza a aceptar tráfico. - Solo entonces Understudy autoriza el desalojo y la eliminación del pod original.
¡La segunda réplica existe únicamente durante 60–120 segundos mientras rota el servidor! Consigues cero tiempo de inactividad en un servicio de instancia única sin pagar por capacidad doble permanente.
La protección de la aplicación se configura con un manifiesto CustomResource muy conciso:
apiVersion: apps.understudy.sh/v1alpha1
kind: Understudy
metadata:
name: billing-queue-worker-guard
namespace: production
spec:
targetRef:
kind: Deployment
name: billing-queue-worker
# El modo always retiene el proceso de drenado hasta que el suplente esté totalmente listo
holdMode: always
# Tiempo mínimo de calentamiento del servicio antes del cambio (en segundos)
minSurgeTimeSeconds: 60
# Plazo máximo de espera para que el nuevo pod esté listo
readinessDeadlineSeconds: 600
La instalación del operador en el clúster se realiza con un único comando de Helm:
helm install understudy oci://ghcr.io/kylan11/charts/understudy \
--namespace understudy-system \
--create-namespace
Ten presentes las fronteras arquitectónicas: Understudy es ideal para eventos planificados (drenado de nodos, consolidación de instancias Spot, aplicación de actualizaciones del kernel de Linux en nodos). Sin embargo, no te salvará ante la muerte física repentina del hardware (unannounced hardware crash): frente a ese tipo de averías, solo una replicación distribuida real puede proteger el servicio.
Ambos proyectos confirman que el ecosistema de herramientas para Kubernetes sigue evolucionando hacia la ligereza, el sentido común y la reducción de costes operativos.

