Cześć! Jestem

Federico Calò

Sviluppatore Software | Divulgatore Tecnico

Creo applicazioni web moderne e strumenti digitali personalizzati per aiutare le attività a crescere attraverso l'innovazione tecnologica. La mia passione è unire informatica ed economia per generare valore reale.

Skontaktuj się

O Mnie

La mia passione per l'informatica è nata tra i banchi dell'Istituto Tecnico Commerciale di Maglie, dove ho scoperto il potere della programmazione e il fascino di creare soluzioni digitali. Fin da subito, ho capito che l'informatica non era solo codice, ma uno strumento straordinario per trasformare idee in realtà.

Durante gli studi superiori in Sistemi Informativi Aziendali, ho iniziato a intrecciare informatica ed economia, comprendendo come la tecnologia possa essere il motore della crescita per qualsiasi attività. Questa visione mi ha accompagnato all'Università degli Studi di Bari, dove ho conseguito la Laurea in Informatica, approfondendo le mie competenze tecniche e la mia passione per lo sviluppo software.

Oggi metto questa esperienza al servizio di imprese, professionisti e startup, creando soluzioni digitali su misura che automatizzano processi, ottimizzano risorse e aprono nuove opportunità di business. Perché la vera innovazione inizia quando la tecnologia incontra le esigenze reali delle persone.

Moje Umiejętności

Analisi Dati & Modelli Previsionali

Trasformo i dati in insights strategici con analisi approfondite e modelli predittivi per decisioni informate

Automatyzacja Procesów

Creo strumenti personalizzati che automatizzano operazioni ripetitive e liberano tempo per attività a valore aggiunto

Systemy Na Zamówienie

Sviluppo sistemi software su misura, dalle integrazioni tra piattaforme alle dashboard personalizzate

const federico = {
  nome: "Federico Calò",
  ruolo: "Sviluppatore Software",
  città: "Bari, Italia",
  missione: "Aiutare attraverso l'informatica",
  passioni: [
    "Codice Pulito",
    "Innovazione",
    "Crescita Continua"
  ]
};

Moja Misja

Credo fermamente che l'informatica sia lo strumento più potente per trasformare le idee in realtà e migliorare la vita delle persone.

Demokratyzacja Technologii

La mia missione è rendere l'informatica accessibile a tutti: dalle piccole imprese locali alle startup innovative, fino ai professionisti che vogliono digitalizzare la propria attività. Ogni realtà merita di sfruttare le potenzialità del digitale.

Łączenie IT i Biznesu

Non è solo questione di scrivere codice: è capire come la tecnologia possa generare valore reale. Intrecciando competenze informatiche e visione economica, aiuto le attività a crescere, ottimizzare processi e raggiungere nuovi traguardi di efficienza e redditività.

Tworzenie Rozwiązań na Miarę

Ogni attività è unica, e così devono esserlo le soluzioni. Sviluppo strumenti personalizzati che rispondono alle esigenze specifiche di ciascun cliente, automatizzando processi ripetitivi e liberando tempo per ciò che conta davvero: far crescere il business.

Przekształć Swój Biznes z Technologią

Che tu gestisca un negozio, uno studio professionale o un'azienda, posso aiutarti a sfruttare le potenzialità dell'informatica per lavorare meglio, più velocemente e in modo più intelligente.

Porozmawiajmy →

Unisciti alla Community

Entra nella community di sviluppatori dove discutiamo di software, AI, architettura e DevOps. Condividi idee, fai domande e cresci insieme a noi.

Canale

FC Dev Blog

Ricevi notifiche su nuovi articoli, serie complete, tips settimanali e tool in evidenza. Contenuti bilingui IT/EN direttamente nel tuo Telegram.

Nuovi articoli appena pubblicati
Tips e code snippets settimanali
Sondaggi sugli argomenti futuri

Iscriviti al Canale

Gruppo

FC Dev Community

Una community bilingue IT/EN per sviluppatori. Discussioni, Q&A, aiuto reciproco e networking con altri professionisti del settore.

Discussioni su articoli e tecnologie
Help coding e code review
Opportunità di lavoro e collaborazione

Unisciti al Gruppo

Topic di Discussione

Visualizza

Master SQL

RoadMap.sh

Novembre 2024

Visualizza

Oracle Certified Foundations Associate

Oracle

Ottobre 2024

Visualizza

People Leadership Credential

Connect

Settembre 2024

Linguaggi & Tecnologie

Java

Python

JavaScript

Angular

React

TypeScript

SQL

PHP

CSS/SCSS

Node.js

Docker

Git

💼

12/2024 - Presente

Custom Software Engineering Analyst

Accenture

Bari, Puglia, Italia · Ibrida Analisi e sviluppo di sistemi informatici attraverso l'utilizzo di Java e Quarkus in Health and Public Sector. Formazione continua su tecnologie moderne per la creazione di soluzioni software personalizzate ed efficienti e sugli agenti.

💼

06/2022 - 12/2024

Analista software e Back End Developer Associate Consultant

Links Management and Technology SpA

Esperienza nell'analisi di sistemi software as-is e flussi ETL utilizzando PowerCenter. Formazione completata su Spring Boot per lo sviluppo di applicazioni backend moderne e scalabili. Sviluppatore Backend specializzato in Spring Boot, con esperienza in progettazione di database, analisi, sviluppo e testing dei task assegnati.

💼

02/2021 - 10/2021

Programmatore software

Adesso.it (prima era WebScience srl)

Esperienza nell'analisi AS-IS e TO-BE, evoluzioni SEO ed evoluzioni website per migliorare le performance e l'engagement degli utenti.

🎓

2018 - 2025

Laurea in Informatica

Università degli Studi di Bari Aldo Moro

Bachelor's degree in Computer Science, focusing on software engineering, algorithms, and modern development practices.

📚

2013 - 2018

Diploma - Sistemi Informativi Aziendali

Istituto Tecnico Commerciale di Maglie

Technical diploma specializing in Business Information Systems, combining IT knowledge with business management.

Skontaktuj się

Masz projekt? Porozmawiajmy! Wypełnij formularz, a odpowiem wkrótce.

* Campi obbligatori. I tuoi dati saranno utilizzati solo per rispondere alla tua richiesta.

FinOps dla Kubernetes: prawidłowa wielkość, instancje punktowe i redukcja kosztów

68% organizacji korzystających z Kubernetesa w produkcji wydaje o 20-40% więcej niż to konieczne (badanie kosztów CNCF 2026). Nie dlatego, że Kubernetes jest nieefektywny, ale dlatego, że obfite i łatwe udostępnianie, a odpowiednie dobranie rozmiaru wymaga dyscypliny operacyjnej. The wynik i klaster ze średnim wykorzystaniem procesora na poziomie 15-20% i pamięci na poziomie 30-40%: zasoby opłacone ale nie używaj.

FinOps dla Kubernetesa oraz praktyka mierzenia, optymalizacji i zarządzania wydatki klastra. W tym artykule zobaczymy, jak z niego korzystać Kubecost dla widoczność kosztów dla przestrzeni nazw, takich jak Umowa o partnerstwie pomaga w dopasowywaniu rozmiaru automatyczne żądania, jak Stolarz optymalizuje pakowanie bin węzłów z instancjami spot oraz jakie polityki należy wdrożyć na poziomie organizacji, aby utrzymać koszty pod kontrolą w czasie.

Czego się nauczysz

Zainstaluj i skonfiguruj Kubecost pod kątem widoczności przestrzeni nazw/kosztów zespołu
VPA w trybie wyłączonym: automatyczne zalecenia dotyczące zmiany rozmiaru bez zakłóceń
Karpenter: Konsolidacja w celu optymalnego pakowania węzłów
Wykrywaj instancje na AWS/GCP/Azure za pomocą Karpenter i zarządzaj przerwaniami
ResourceQuota jako narzędzie do budżetowania zespołowego
Powiadom Prometheusa o nieprawidłowościach w zakresie marnotrawstwa i kosztów
Jak zbudować system obciążeń zwrotnych dla zespołów
Punkt odniesienia: realne oszczędności możliwe do osiągnięcia przy każdej technice

Dlaczego Kubernetes ma tendencję do nadmiernej alokacji

Przed optymalizacją musisz zrozumieć przyczyny problemu:

Konserwatywne żądania: Zespoły ustawiają żądania na wysokim poziomie, „aby były bezpieczne” (np. 1 procesor dla aplikacji korzystającej z 0,1). Żądania określają liczbę potrzebnych węzłów
Limity = żądania: Wiele szablonów CI/CD ustawia limity równe żądaniom, tworząc systematyczne nadmierne udostępnianie
Puste przestrzenie nazw: Przestrzeń nazw programistycznych z kapsułami „Hello World”, które działają 24 godziny na dobę, 7 dni w tygodniu
Węzły oversize: Duże instancje w chmurze z niewydajnym pakowaniem bin (pod 2 vCPU w węźle 32 vCPU)
Brak widoczności drużyn: Jeśli zespoły nie widzą swoich kosztów, nie mają motywacji do optymalizacji

Kubecost: Widoczność kosztów przestrzeni nazw

Kubecost Jest to najczęściej używane narzędzie FinOps w ekosystemie Kubernetes. Zbiera metryki z Prometheusa, pobiera ceny instancji w chmurze (AWS, GCP, Azure) i oblicz koszt przydzielony na przestrzeń nazw, wdrożenie, konto usługi i etykietę.

Instalacja Kubecostu

# Installa Kubecost con Helm
helm repo add kubecost https://kubecost.github.io/cost-analyzer/
helm repo update

helm install kubecost kubecost/cost-analyzer \
  --namespace kubecost \
  --create-namespace \
  --set kubecostToken="your-token-here" \
  --set prometheus.enabled=true \
  --set grafana.enabled=true \
  --set global.prometheus.enabled=false \
  --set global.prometheus.fqdn="http://prometheus.monitoring.svc:9090"

# Port-forward per accedere alla UI
kubectl port-forward svc/kubecost-cost-analyzer 9090:9090 -n kubecost &
# Apri: http://localhost:9090

# Alternativa open-source senza token: OpenCost
helm install opencost opencost/opencost \
  --namespace opencost \
  --create-namespace

Skonfiguruj obciążenie zwrotne dla zespołów

# Kubecost usa i label Kubernetes per il cost allocation
# Configura label standard per tutti i workload:

# Nel values.yaml di ogni applicazione (Helm):
podLabels:
  team: "team-alpha"
  cost-center: "CC-2024-ENG"
  environment: "production"
  product: "checkout-service"

# Kubecost mostra automaticamente i costi aggregati per questi label.
# Es: costo totale team-alpha nel mese = CPU + Memoria + Storage + GPU + Networking

# API Kubecost per report automatici (da inviare via email settimanale):
curl "http://kubecost:9090/model/allocation?window=7d&aggregate=label:team&accumulate=true" \
  | jq '.data[0] | to_entries[] | {team: .key, cost: .value.totalCost}'

VPA dla automatycznej zmiany rozmiaru

Il Pionowe automatyczne skalowanie podów (VPA) analizuje historyczne zużycie procesora i Pamięć kapsuły i oblicza optymalne żądania. W trybie Off (zalecenie bez automatycznego stosowania) jest najbezpieczniejszym narzędziem do zmiany rozmiaru: zapewnia dokładne liczby bez ryzyka zakłóceń.

# Installa VPA
git clone https://github.com/kubernetes/autoscaler.git
cd autoscaler/vertical-pod-autoscaler
./hack/vpa-up.sh

# Oppure con Helm
helm repo add fairwinds-stable https://charts.fairwinds.com/stable
helm install vpa fairwinds-stable/vpa \
  --namespace vpa \
  --create-namespace

---
# vpa-recommendation.yaml - modalita Off: solo raccomandazioni
apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: api-service-vpa
  namespace: team-alpha
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: api-service
  updatePolicy:
    updateMode: "Off"   # non applica automaticamente, solo raccomanda
  resourcePolicy:
    containerPolicies:
      - containerName: api
        minAllowed:
          cpu: 50m
          memory: 64Mi
        maxAllowed:
          cpu: "4"
          memory: 8Gi

# Leggi le raccomandazioni dopo 24-48 ore:
kubectl describe vpa api-service-vpa -n team-alpha
# Output:
# Container Recommendations:
#   Container Name:  api
#   Lower Bound:
#     Cpu:     120m
#     Memory:  256Mi
#   Target:               <-- usa questi valori nelle requests
#     Cpu:     250m
#     Memory:  512Mi
#   Upper Bound:
#     Cpu:     800m
#     Memory:  1500Mi
#   Uncapped Target:
#     Cpu:     230m
#     Memory:  480Mi

Skrypt do zbiorczej analizy Rightsizing

# Trova tutti i Deployment con requests > 2x il consumo reale
kubectl get vpa -A -o json | jq -r '
  .items[] |
  .metadata.namespace + "/" + .metadata.name + ": " +
  (.status.recommendation.containerRecommendations[]? |
   "target CPU=" + .target.cpu + " Mem=" + .target.memory)
'

# Script bash per generare report di rightsizing
#!/bin/bash
echo "=== Rightsizing Recommendations ==="
for ns in $(kubectl get ns -o jsonpath='{.items[*].metadata.name}'); do
  echo "--- Namespace: $ns ---"
  kubectl get vpa -n "$ns" -o custom-columns=\
"NAME:.metadata.name,\
TARGET-CPU:.status.recommendation.containerRecommendations[0].target.cpu,\
TARGET-MEM:.status.recommendation.containerRecommendations[0].target.memory" \
    2>/dev/null
done

Karpenter: Konsolidacja i instancje punktowe

Karpenter optymalizuje koszty w dwóch kierunkach: użytkowania przypadki punktowe dla obniżyć koszt na węzeł o 60-70%, np skonsolidować węzły usunąć te niewykorzystane (pakowanie do pojemników).

NodePool z funkcją Spot i konsolidacją

# karpenter-cost-optimized.yaml
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: cost-optimized
spec:
  template:
    spec:
      nodeClassRef:
        apiVersion: karpenter.k8s.aws/v1
        kind: EC2NodeClass
        name: default
      requirements:
        # Tipi di istanza ottimali per bin-packing (diverse size)
        - key: node.kubernetes.io/instance-type
          operator: In
          values:
            - m7i.xlarge    # 4 vCPU, 16GB  ~$0.20/h on-demand, ~$0.05/h spot
            - m7i.2xlarge   # 8 vCPU, 32GB
            - m7i.4xlarge   # 16 vCPU, 64GB
            - m7i.8xlarge   # 32 vCPU, 128GB
            - c7i.2xlarge   # CPU-optimized per workload compute-intensive
            - r7i.2xlarge   # Memory-optimized per carichi con alta RAM
        # Mix spot e on-demand con peso
        - key: karpenter.sh/capacity-type
          operator: In
          values:
            - spot       # priorita spot (economico)
            - on-demand  # fallback on-demand
  disruption:
    consolidationPolicy: WhenUnderutilized
    consolidateAfter: 1m   # consolida subito i nodi sottoutilizzati
  limits:
    cpu: "1000"            # max 1000 vCPU totali
    memory: "4000Gi"       # max 4TB RAM totale
---
# Configurazione spot interruption handler
# Necessario per gestire le interruzioni spot (AWS invia 2 min di preavviso)
helm install aws-node-termination-handler \
  eks/aws-node-termination-handler \
  --namespace kube-system \
  --set enableSqsTerminationDraining=true \
  --set queueURL=https://sqs.eu-west-1.amazonaws.com/123456789/NodeTerminationHandler

Analiza oszczędności z Karpenter

# Verifica quale percentuale dei nodi sono spot
kubectl get nodes -o json | jq '
  [.items[] |
   {type: .metadata.labels["karpenter.sh/capacity-type"],
    instance: .metadata.labels["node.kubernetes.io/instance-type"]}
  ] |
  group_by(.type) |
  map({type: .[0].type, count: length})'

# Output esempio:
# [{"type": "on-demand", "count": 3}, {"type": "spot", "count": 12}]
# 80% dei nodi sono spot -> risparmio medio 65% = -$2400/mese

# Kubecost: visualizza costo spot vs on-demand storicamente
# Vai in Cost Allocation > Filter by node type

Budżet przestrzeni nazw: ResourceQuota jako narzędzie FinOps

ResourceQuotas służą nie tylko do izolacji technicznej — są także narzędziem zarządzania finansami. Przypisując kwoty na podstawie budżetów, tworzysz system zachęty, które motywują zespoły do optymalizacji:

# budget-quota-team.yaml
# Calcola le quote basandoti sul budget mensile del team
# Budget: 500 EUR/mese (circa 1500 CPU-hours a 0.033 EUR/CPU-hour)
# Assumendo utilizzo medio 50%: requests max = 2000 CPU-hours / 720 ore = 2.8 vCPU mean

apiVersion: v1
kind: ResourceQuota
metadata:
  name: team-alpha-budget-quota
  namespace: team-alpha
  annotations:
    finops/monthly-budget-eur: "500"
    finops/last-reviewed: "2026-01-15"
    finops/owner: "alice@company.com"
spec:
  hard:
    # Basato su budget EUR/mese
    requests.cpu: "6"       # ~500 EUR/mese a tasso medio spot
    requests.memory: "12Gi" # proporzionale
    requests.storage: "200Gi"

---
# Alert quando il team si avvicina al budget
apiVersion: monitoring.coreos.com/v1
kind: PrometheusRule
metadata:
  name: finops-budget-alerts
  namespace: monitoring
spec:
  groups:
    - name: finops
      rules:
        - alert: TeamBudgetUsageHigh
          expr: |
            kubecost_namespace_allocation_cpu_cost_hourly * 24 * 30 +
            kubecost_namespace_allocation_memory_cost_hourly * 24 * 30 > 400
          for: 1h
          labels:
            severity: warning
          annotations:
            summary: "Team {{ $labels.namespace }}: costo mensile proiettato > 400 EUR"

Strategie oszczędności dla różnych obciążeń

Typ obciążenia	Strategia	Oczekiwane oszczędności
Internetowy interfejs API (bezstanowy)	Punktowy + HPA + prawidłowa wielkość VPA	50-65%
Zadania wsadowe ML	Punkt + punkt kontrolny + skala do zera	60-70%
Bazy danych (stanowe)	Rezerwacja na żądanie + prawidłowa wielkość	20-30%
Biegacze CI/CD	Punktowy + skala do zera (KEDA)	70-80%
Usługi krytyczne 24 godziny na dobę, 7 dni w tygodniu	Zarezerwowane instancje + prawidłowa wielkość	30-40%

Optymalizacja zadań CI/CD za pomocą KEDA + Spot

# Runners CI/CD sono idle la maggior parte del tempo:
# scala a 0 quando non ci sono job, usa spot

# KEDA ScaledJob per runner GitHub Actions
apiVersion: keda.sh/v1alpha1
kind: ScaledJob
metadata:
  name: github-actions-runner
  namespace: actions-runners
spec:
  jobTargetRef:
    template:
      spec:
        containers:
          - name: runner
            image: summerwind/actions-runner:latest
            resources:
              limits:
                cpu: "2"
                memory: "4Gi"
        nodeSelector:
          karpenter.sh/capacity-type: spot  # usa spot per runners
        tolerations:
          - key: "spot"
            operator: "Exists"
            effect: "NoSchedule"
  pollingInterval: 30
  minReplicaCount: 0    # scala a 0 quando nessun job
  maxReplicaCount: 20   # massimo 20 runner paralleli
  triggers:
    - type: github-runner
      metadata:
        owner: "myorg"
        repos: "myrepo"
        targetWorkflowQueueLength: "1"

Panel FinOps z Grafaną

# PromQL queries per dashboard FinOps Kubernetes

# Costo orario totale del cluster
sum(
  kube_pod_container_resource_requests{resource="cpu"} * 0.033 +
  kube_pod_container_resource_requests{resource="memory"} / 1073741824 * 0.004
) by (namespace)

# Efficienza CPU per namespace (utilizzo reale / requested)
sum(rate(container_cpu_usage_seconds_total[5m])) by (namespace) /
sum(kube_pod_container_resource_requests{resource="cpu"}) by (namespace) * 100

# Pod con requests molto piu alte del consumo reale (spreco > 70%)
(
  kube_pod_container_resource_requests{resource="cpu"} -
  rate(container_cpu_usage_seconds_total[24h])
) / kube_pod_container_resource_requests{resource="cpu"} > 0.7

# Importa il dashboard Grafana Kubecost: ID 11270

Najlepsze praktyki FinOps dla Kubernetes

Miesięczna lista kontrolna FinOps

Przejrzyj zalecenia VPA: Przeanalizuj zalecenia VPA i zastosuj odpowiednie zmiany w przypadku 10 największych odpadów
Sprawdź bezczynne węzły: Węzły z wykorzystaniem procesora i pamięci < 10% przez 24 godziny muszą zostać zakończone (Karpenter robi to automatycznie)
Sprawdź zasięg spotu: Celem jest 70–80% węzłów niestanowych w instancjach punktowych
Raporty dotyczące obciążeń zwrotnych: Wysyłaj miesięczny raport kosztów na zespół poprzez Kubecost API → e-mail lub Slack
Przejrzyj ResourceQuota: Zwiększaj limity tylko z uzasadnieniem biznesowym, a nie domyślnie
Skalowanie do zera dla środowisk deweloperskich: Środowiska programistyczne powinny być zamykane poza godzinami pracy (koszt -65%)

Wnioski i dalsze kroki

FinOps dla Kubernetes to nie jednorazowa optymalizacja: to ciągły proces, który wymaga widoczności (Kubecost), inteligentnych rekomendacji (VPA), wydajnego udostępniania (Stolarz z działem handlowym) i zarządzanie organizacją (ResourceQuota jako budżet). Wdrażanie wszystkich tych technik razem organizacje zazwyczaj osiągają oszczędności rzędu 35–55% rachunku za chmurę Kubernetes w ciągu pierwszych 3–6 miesięcy.

Następnym krokiem jest włączenie FinOps Kubernetes do cyklu rozwojowego: programistów powinni poznać szacowany koszt wdrożenia przed przejściem do produkcji — podejście „przesunięcie w lewo” stosowane do kosztów.