Come SNCF ha ridotto gli sprechi su K8s aumentando l'affidabilità su larga scala

SNCF ha scoperto PerfectScale a KubeCon e lo ha adottato come control plane di ottimizzazione di livello production. Il fattore differenziante è stata la capacità di generare raccomandazioni di right-sizing in-place che tengono conto del rischio, applicabili in sicurezza in ambienti di produzione live. PerfectScale si integra tramite Custom Resources e ArgoCD, consentendo di attivare Autopilot a livello di namespace come feature flag. SNCF ha distribuito automaticamente una configurazione Autopilot standard in tutti gli ambienti non di produzione, con override granulari per i casi limite. In produzione, l'automazione è stata introdotta gradualmente, partendo dallo stack cloud-native (Datadog, Kyverno, KEDA, AWS Load Balancer Controller, Karpenter), per poi estendersi ai namespace applicativi. L'ottimizzazione è diventata governance continua anziché un progetto a termine.

SNCF è uno dei maggiori gruppi di trasporto europei: gestisce la rete ferroviaria nazionale francese e servizi di mobilità a livello globale attraverso marchi come TGV, OUIGO, Eurostar, TER, Transilien e Keolis. Con oltre 270.000 dipendenti e più di 40 miliardi di euro di fatturato annuo, SNCF si affida a sistemi digitali ad alta disponibilità per biglietteria, orari, servizi di bordo e logistica operativa in tempo reale. Kubernetes è alla base di molti di questi servizi, distribuiti su centinaia di cluster in ambienti mission-critical. Nell'ambito di una spinta aziendale verso la modernizzazione e l'efficienza digitale, SNCF doveva tenere sotto controllo i costi crescenti di questi cluster senza sacrificare la resilienza.

Il team di piattaforma si trovava stretto tra le promesse FinOps di Kubernetes, la tolleranza al rischio degli sviluppatori in materia di affidabilità e uptime e la crescente pressione finanziaria della direzione. Il right-sizing manuale richiedeva conoscenze tribali, riunioni interminabili e riavvii — e ogni iniziativa di ottimizzazione doveva ripartire da zero a ogni cambio di ownership o rotazione degli Engineers. Le analisi basate su Datadog spesso sovrastimavano l'utilizzo per effetto dell'aggregazione, generando sfiducia nelle raccomandazioni. Il lavoro era incoerente, lento e impossibile da completare sull'intero perimetro di oltre 200 progetti e fino a 250 cluster. SNCF aveva bisogno di un sistema in grado di fornire raccomandazioni di right-sizing affidabili e basate sul comportamento reale; operare in sicurezza in produzione; ridurre i costi senza compromettere l'affidabilità; funzionare in modo continuo, non episodico; e scalare su cluster e team senza attriti. Dopo la Coppa del Mondo di Rugby e i Giochi Olimpici del 2024 in Francia, a SNCF è stato chiesto di rimettere al centro l'efficienza dei costi digitali senza rallentare la modernizzazione della piattaforma ferroviaria.

SNCF ha scoperto PerfectScale, oggi PerfectScale by DoiT, a KubeCon. Il fattore differenziante non era l'ennesima dashboard, ma la capacità di generare raccomandazioni di right-sizing in-place che tengono conto del rischio, applicabili in sicurezza in ambienti di produzione live. Come afferma Thomas Comtet, Senior Staff Engineer di SNCF: "Ciò che ci ha convinto è che PerfectScale non ci chiedeva di fidarci della teoria. Ci mostrava esattamente cosa poteva cambiare senza compromettere la stabilità."

PerfectScale by DoiT si integra tramite Custom Resources e ArgoCD, così che Autopilot possa essere attivato a livello di namespace come feature flag. SNCF ha definito una configurazione Autopilot standard e l'ha distribuita automaticamente in tutti gli ambienti non di produzione, mantenendo la possibilità di override granulari per i casi limite. In produzione, SNCF ha introdotto l'automazione in modo graduale, partendo dall'intero stack cloud-native (Datadog, Kyverno, KEDA, AWS Load Balancer Controller, Karpenter), e ne ha validato l'affidabilità prima di estenderla ai namespace applicativi.

Invece di condurre un'iniziativa di right-sizing a termine, SNCF ha trasformato l'ottimizzazione in un comportamento operativo continuo, applicato automaticamente attraverso la governance con PerfectScale by DoiT. Poiché le raccomandazioni si basano sul comportamento osservato dei workloads e vengono applicate tramite automazione, non sono più oggetto di discussione ma vengono eseguite come policy. Il team di PerfectScale aveva inoltre previsto che il resizing in-place avrebbe eliminato il costo nascosto delle ottimizzazioni basate sui riavvii — un lavoro che altrimenti avrebbe richiesto a SNCF di sviluppare internamente questa capacità o di formare decine di team per applicarla in sicurezza.

Dall'adozione, l'utilizzo di Kubernetes in SNCF è cresciuto di circa il 30% senza alcun aumento dei costi cloud. La fatturazione cloud effettiva di settembre 2025 è risultata inferiore a quella di gennaio 2025, nonostante i volumi più elevati. I risparmi annualizzati sono stimati in circa 500.000 € l'anno, la maggior parte dei quali (~350.000 €) proveniente dagli ambienti non di produzione grazie all'automazione. Oggi SNCF attiva l'automazione sul 45% dei namespace non di produzione, sull'1% dei namespace di produzione e sul 100% dello stack cloud-native in entrambi gli ambienti: l'infrastruttura condivisa più critica tra i cluster è quindi governata in modo automatico. Anche la stabilità dei cluster è migliorata, perché PerfectScale ha ridistribuito le risorse in base alle curve di domanda e al rischio di guasto, riducendo la probabilità di CPU starvation ed eliminando al contempo la capacità in eccesso.

SNCF prevede di continuare a estendere l'automazione ad altri namespace non di produzione e, gradualmente, a specifici ambienti di produzione per gli early adopter. Il team sta inoltre valutando il right-sizing in-place dei pod per ridurre ulteriormente le interruzioni legate ai riavvii e migliorare la stabilità dei workloads. Oltre alla propria roadmap di adozione, SNCF contribuisce oggi attivamente all'evoluzione del prodotto PerfectScale: miglioramenti recenti come il supporto dei workloads Java e il right-sizing in-place dei pod sono stati influenzati direttamente dal feedback di SNCF. "L'abbiamo dimostrato in produzione", afferma Comtet. "Ora stiamo scalando ciò che funziona e contribuendo a renderlo ancora migliore."