Cómo SNCF eliminó la pérdida en K8s y mejoró la confiabilidad a gran escala

SNCF descubrió PerfectScale en KubeCon y lo adoptó como un plano de control de optimización listo para producción. El diferenciador clave fueron las recomendaciones de right-sizing in-place que tienen en cuenta el riesgo, aplicables de forma segura en entornos productivos en vivo. PerfectScale se integra mediante Custom Resources y ArgoCD, lo que permite activar Autopilot a nivel de namespace como un feature flag. SNCF desplegó automáticamente una configuración estándar de Autopilot en los entornos de no producción, con ajustes granulares para casos especiales. En producción, la automatización se introdujo de forma gradual, comenzando por el stack nativo de la nube (Datadog, Kyverno, KEDA, AWS Load Balancer Controller, Karpenter), antes de extenderla a los namespaces de aplicaciones. La optimización se convirtió en gobernanza continua, no en un proyecto con fecha de fin.

SNCF es uno de los mayores grupos de transporte de Europa: opera la red ferroviaria nacional de Francia y servicios de movilidad globales a través de marcas como TGV, OUIGO, Eurostar, TER, Transilien y Keolis. Con más de 270,000 empleados y más de €40B en ingresos anuales, SNCF depende de sistemas digitales de alta disponibilidad para la venta de boletos, los horarios, los servicios a bordo y la logística operativa en tiempo real. Kubernetes sostiene muchos de estos servicios en cientos de clusters que corren en entornos de misión crítica. Como parte de una iniciativa a nivel de toda la compañía hacia la modernización digital y la eficiencia, SNCF necesitaba controlar el costo creciente de operar estos clusters sin sacrificar la resiliencia.

El equipo de plataforma estaba en medio de las promesas de FinOps de Kubernetes, la tolerancia al riesgo de los desarrolladores en torno a la confiabilidad y el tiempo de actividad, y la creciente presión financiera de la dirección. El right-sizing manual requería conocimiento informal, reuniones largas y reinicios, y cada esfuerzo de optimización debía comenzar de cero cada vez que cambiaba el equipo responsable o rotaban los Engineers. El análisis basado en Datadog solía sobreestimar el uso por efectos de agregación, lo que generaba desconfianza en las recomendaciones. El trabajo era inconsistente, lento y nunca podía completarse en la totalidad de los más de 200 proyectos y hasta 250 clusters. SNCF necesitaba un sistema que ofreciera inteligencia de right-sizing confiable y basada en el comportamiento real; que funcionara de forma segura en producción; que redujera costos sin comprometer la confiabilidad; que operara de manera continua, no episódica; y que escalara entre clusters y equipos sin fricción. Tras la Copa Mundial de Rugby y los Juegos Olímpicos de 2024 en Francia, SNCF recibió el mandato de volver a enfocarse en la eficiencia de costos digitales sin frenar la modernización de la plataforma ferroviaria.

SNCF descubrió PerfectScale, hoy PerfectScale by DoiT, en KubeCon. El diferenciador clave no era otro dashboard: era la capacidad de proponer recomendaciones de right-sizing in-place que tienen en cuenta el riesgo, aplicables de forma segura en entornos de producción en vivo. Como lo resume Thomas Comtet, Senior Staff Engineer en SNCF: "Lo que nos convenció fue que PerfectScale no nos pidió confiar en la teoría. Nos mostró exactamente qué se podía cambiar sin afectar la estabilidad."

PerfectScale by DoiT se integra mediante Custom Resources y ArgoCD, de modo que Autopilot puede activarse a nivel de namespace como un feature flag. SNCF definió una configuración estándar de Autopilot y la desplegó automáticamente en los entornos de no producción, permitiendo ajustes granulares en casos especiales. En producción, SNCF introdujo la automatización de forma gradual, comenzando por todo el stack nativo de la nube (Datadog, Kyverno, KEDA, AWS Load Balancer Controller, Karpenter), y validó la confiabilidad antes de extenderla a los namespaces de aplicaciones.

En lugar de ejecutar una iniciativa de right-sizing con fecha de fin, SNCF convirtió la optimización en un comportamiento operativo continuo, aplicado automáticamente mediante gobernanza con PerfectScale by DoiT. Como las recomendaciones se basan en el comportamiento observado de los workloads y se aplican mediante automatización, ya no se debaten: se ejecutan como política. El equipo de PerfectScale también anticipó que el redimensionamiento in-place eliminaría el costo oculto de las optimizaciones basadas en reinicios, un trabajo que de otro modo habría obligado a SNCF a desarrollar la capacidad a medida o a capacitar a decenas de equipos para aplicarla de forma segura.

Desde la adopción, el uso de Kubernetes en SNCF aumentó cerca de un 30% sin aumentar el costo en la nube. La facturación real de septiembre de 2025 fue menor que la de enero de 2025, a pesar del mayor volumen. Los ahorros anualizados se estiman en €500K al año, y la mayor parte (€350K) proviene de entornos de no producción gracias a la automatización. Actualmente, SNCF tiene activada la automatización en el 45% de los namespaces de no producción, el 1% de los namespaces de producción y el 100% del stack nativo de la nube en ambos entornos, lo que significa que la infraestructura compartida más crítica entre clusters se gobierna de forma automática. La estabilidad de los clusters también mejoró: PerfectScale redistribuyó los recursos según curvas de demanda y riesgo de falla, reduciendo la probabilidad de CPU starvation y eliminando a la vez la capacidad excedente.

SNCF planea seguir expandiendo la automatización a más namespaces de no producción y, de forma gradual, a entornos de producción seleccionados para los equipos pioneros. El equipo también evalúa el right-sizing in-place de pods para minimizar aún más las interrupciones por reinicios y mejorar la estabilidad de los workloads. Más allá de su propia hoja de ruta de adopción, SNCF se ha convertido en un colaborador activo en la evolución del producto de PerfectScale: mejoras recientes como el soporte para workloads de Java y el right-sizing in-place de pods surgieron directamente de su feedback. "Lo demostramos en producción", dice Comtet. "Ahora estamos escalando lo que funciona y ayudando a hacerlo aún mejor."