안녕하세요!

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.

연락하기

소개

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.

역량

Analisi Dati & Modelli Previsionali

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

프로세스 자동화

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

맞춤 시스템

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"
  ]
};

미션

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

🚀

기술의 민주화

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.

💡

IT와 비즈니스 통합

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.

🎯

맞춤 솔루션

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.

기술로 비즈니스를 혁신하세요

Dicembre 2024

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.

연락하기

프로젝트가 있으신가요? 아래 양식을 작성해 주시면 빠르게 답변드리겠습니다.

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

Kubernetes를 위한 FinOps: 규모 조정, 스팟 인스턴스 및 비용 절감

프로덕션에서 Kubernetes를 사용하는 조직의 68%가 20~40% 더 많은 비용을 지출합니다. 필요 이상입니다(CNCF 비용 조사 2026). Kubernetes가 비효율적이어서가 아니라, 관대하고 손쉬운 프로비저닝과 적절한 크기 조정에는 운영 규율이 필요합니다. 는 평균 CPU 사용량이 15~20%이고 메모리가 30~40%인 결과 및 클러스터: 리소스 지불 하지만 사용하지 마세요.

Kubernetes를 위한 FinOps 측정, 최적화, 관리의 실천 클러스터 지출. 이번 글에서는 사용법을 알아보겠습니다 큐브코스트 에 대한 다음과 같은 네임스페이스 비용의 가시성 VPA 크기 조정에 도움이 됩니다. 자동 요청, 방법 카펜터 노드 빈 패킹 최적화 스팟 인스턴스를 사용하고 비용을 유지하기 위해 조직 수준에서 구현할 정책 시간이 지남에 따라 통제됩니다.

무엇을 배울 것인가

네임스페이스/팀 비용 가시성을 위해 Kubecost 설치 및 구성
꺼짐 모드의 VPA: 중단 없이 자동 크기 조정 권장 사항
Karpenter: 최적의 노드 빈 패킹을 위한 통합
Karpenter 및 인터럽트 관리를 사용하여 AWS/GCP/Azure의 스팟 인스턴스
팀 예산 도구로서의 ResourceQuota
낭비 및 비용 이상 현상에 대해 Prometheus에 경고
팀을 위한 지불 거절 시스템을 구축하는 방법
벤치마크: 각 기술을 통해 얻을 수 있는 실질적인 비용 절감

Kubernetes가 과잉 프로비저닝되는 경향이 있는 이유

최적화하기 전에 문제의 원인을 이해해야 합니다.

보수적인 요청: 팀은 "안전"을 위해 요청을 높게 설정합니다(예: 0.1을 사용하는 앱의 경우 CPU 1개). 요청에 따라 필요한 노드 수가 결정됩니다.
제한 = 요청: 많은 CI/CD 템플릿은 요청과 동일한 제한을 설정하여 체계적인 과잉 프로비저닝을 생성합니다.
빈 네임스페이스: 연중무휴로 유지되는 'Hello World' 포드가 포함된 개발 네임스페이스
대형 매듭: 비효율적인 빈 패킹을 사용하는 대규모 클라우드 인스턴스(32개 vCPU 노드의 2개 vCPU 포드)
팀에 대한 가시성 없음: 팀이 비용을 확인하지 못하면 최적화할 인센티브가 없습니다.

Kubecost: 네임스페이스 비용의 가시성

큐브코스트 Kubernetes 생태계에서 가장 많이 사용되는 FinOps 도구입니다. Prometheus에서 측정항목을 수집하고 클라우드 인스턴스 가격(AWS, GCP, Azure)을 검색합니다. 네임스페이스, 배포, 서비스 계정 및 라벨에 할당된 비용을 계산합니다.

큐브코스트 설치

# 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

팀에 대한 지불 거절 구성

# 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}'

자동 크기 조정을 위한 VPA

Il 수직형 포드 자동 확장 처리(VPA) 과거 CPU 소비량을 분석하고 포드 메모리를 사용하고 최적의 요청을 계산합니다. 모드 중 Off (권장 자동 적용 없음)은 규모 조정을 위한 가장 안전한 도구입니다. 중단 위험 없이 정확한 숫자를 제공합니다.

# 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

대량 규모 조정 분석을 위한 스크립트

# 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: 통합 및 스팟 인스턴스

Karpenter는 두 가지 방향에서 비용을 최적화합니다. 스팟 인스턴스 에 대한 노드당 비용을 60-70% 절감합니다. 노드를 통합하다 삭제하다 활용도가 낮은 것(빈 패킹).

스팟 + 통합이 포함된 NodePool

# 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

Karpenter를 통한 절감 분석

# 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

네임스페이스 예산: FinOps 도구로서의 ResourceQuota

ResourceQuota는 기술적 격리만을 위한 것이 아니라 도구이기도 합니다. 금융 거버넌스의. 예산에 따라 할당량을 할당함으로써 다음과 같은 시스템을 구축할 수 있습니다. 팀이 최적화하도록 유도하는 인센티브:

# 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"

다양한 워크로드에 대한 절약 전략

워크로드 유형	전략	예상 절감액
웹 API(상태 비저장)	스팟 + HPA + 크기 조정 VPA	50-65%
ML 일괄 작업	스팟 + 체크포인트 + scale-to-0	60-70%
데이터베이스(상태 저장)	주문형 예약 + 크기 조정	20-30%
CI/CD 실행자	스팟 + 스케일 투 제로(KEDA)	70-80%
연중무휴 24시간 중요 서비스	예약 인스턴스 + 크기 조정	30-40%

KEDA + Spot을 통한 CI/CD 작업 최적화

# 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"

Grafana를 사용한 FinOps 대시보드

# 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

Kubernetes를 위한 FinOps 모범 사례

월간 FinOps 체크리스트

VPA 권장사항을 검토하세요. VPA 권장 사항을 분석하고 상위 10개 폐기물에 적정 규모 적용
유휴 노드를 확인합니다. 24시간 동안 CPU 및 메모리 사용량이 10% 미만인 노드는 종료되어야 합니다(Karpenter는 이 작업을 자동으로 수행함).
스팟 적용 범위를 확인하세요. 목표는 스팟 인스턴스의 비상태 저장 노드의 70-80%입니다.
지불 거절 보고서: Kubecost API → 이메일 또는 Slack을 통해 팀당 월별 비용 보고서 보내기
ResourceQuota 검토: 기본이 아닌 비즈니스 타당성을 위해서만 할당량을 늘리세요.
개발 환경을 위한 Scale-to-0: 업무 시간 외에는 개발 환경을 종료해야 합니다(비용 -65%).

결론 및 다음 단계

Kubernetes용 FinOps는 일회성 최적화가 아니라 지속적인 프로세스입니다. 가시성(Kubecost), 지능형 추천(VPA), 효율적인 프로비저닝이 필요합니다. (상업용 Karpenter) 및 조직 거버넌스(예산으로서의 ResourceQuota). 구현 이러한 모든 기술을 함께 사용하면 조직은 일반적으로 처음 3~6개월 동안 Kubernetes 클라우드 청구액의 35~55%를 절감하세요.

다음 단계는 FinOps Kubernetes를 개발 주기에 통합하는 것입니다. 프로덕션에 병합하기 전에 예상 배포 비용을 확인해야 합니다. 비용에 "왼쪽 이동" 접근 방식이 적용됩니다.