← Torna al blog
8 min di letturaIT

Da 24 container a Kubernetes:
un caso reale di migrazione su AWS

Un'analisi pratica di come ho portato una piattaforma CX in produzione, con 24 container gestiti in modo approssimativo, a una vera configurazione Kubernetes su AWS: con i compromessi concreti, i numeri e ciò che farei diversamente.

KubernetesAWSDevOpsGitLab CI/CDHashiCorp VaultCaso di studio

Il punto di partenza

Sono Abdelhamid NOIRA, ingegnere DevOps con base a Casablanca, in Marocco. Durante una collaborazione con Tersea Groupe ho lavorato su Deskea, la loro piattaforma omnicanale di customer experience basata sull'IA. L'applicazione era già in produzione e gestiva traffico reale, ma la sua infrastruttura erano 24 container, distribuiti e gestiti in gran parte a mano, senza alcun livello di orchestrazione a tenerli insieme.

È una situazione comune per un prodotto in crescita: containerizzato perché qualcuno aveva capito presto che Docker era la scelta giusta, ma senza mai compiere il passo successivo verso una vera orchestrazione. Scalare significava collegarsi in SSH alle macchine. Distribuire significava riavviare i container a mano. Non c'era una gestione coerente dei segreti, nessun percorso di rilascio blue-green e nessuna vera osservabilità oltre ai semplici controlli di disponibilità.

Perché proprio Kubernetes

Kubernetes non è sempre la risposta per 24 container: molti team gestiscono tranquillamente questa scala con ECS o con una configurazione Compose ben organizzata. In questo caso aveva senso perché la roadmap del prodotto prevedeva un'espansione multi-region e il team voleva un modello di deployment coerente tra gli ambienti (staging, produzione e, col tempo, una seconda region AWS). Questi requisiti — rilasci dichiarativi, parità tra ambienti e scalabilità orizzontale su richiesta — sono esattamente ciò per cui è stato progettato Kubernetes.

AWS (EKS)
Control plane gestito: nessun tempo speso a gestire etcd o l'API server a mano
Helm
Ogni servizio impacchettato come chart e versionato insieme al codice dell'applicazione
GitLab CI/CD
Pipeline completamente automatizzate: build, test, scansione, deploy, senza passaggi manuali
HashiCorp Vault
Gestione centralizzata dei segreti, al posto dei file di ambiente con valori in chiaro
Prometheus & Grafana
Metriche reali del cluster e delle applicazioni, al posto dei semplici controlli di disponibilità
Ansible
Provisioning basato su ruoli per tutto ciò che sta al di fuori del cluster

L'approccio alla migrazione

Non ho spostato tutti i 24 container in una volta. Ogni servizio è stato migrato singolarmente, partendo dai meno rischiosi e senza stato — le API interne senza traffico diretto dei clienti — prima di toccare qualsiasi cosa rivolta ai clienti. Ogni servizio ha avuto il suo Helm chart, e i segreti che prima stavano in file di ambiente in chiaro sono stati spostati in Vault e iniettati a runtime.

Per i rilasci ho configurato deployment blue-green per i servizi con più traffico e rilasci canary per tutti gli altri, controllati dalla pipeline GitLab CI/CD. Così un deploy difettoso poteva essere individuato e annullato automaticamente prima di raggiungere la maggior parte del traffico, invece di causare un'interruzione totale mentre qualcuno ripristinava un container a mano.

Ansible si è occupato di ciò che non apparteneva al cluster — record DNS, ruoli IAM e configurazione di bootstrap dei nuovi ambienti — in modo che l'intero provisioning, cluster e infrastruttura circostante, restasse riproducibile e non dipendesse più dalla memoria di nessuno.

I risultati

15%
Costi di infrastruttura inferiori
Grazie a node pool dimensionati correttamente e all'autoscaling, invece di un sovradimensionamento statico
10%
Prestazioni migliori
Grazie a request/limit di risorse corretti e all'autoscaling orizzontale dei pod
99,9%
Disponibilità
I rilasci blue-green e canary intercettano i deploy difettosi prima che si diffondano

Nessuno di questi numeri è nato da un unico grande cambiamento: derivano dall'accumulo di piccole impostazioni predefinite corrette: container che richiedono solo la CPU e la memoria che usano davvero, un autoscaler del cluster che aggiunge e rimuove nodi in base alla domanda reale e una pipeline di deploy che rende il modo sicuro di rilasciare anche il più veloce.

Cosa farei diversamente

Introdurre prima l'osservabilità
Prometheus e Grafana sono arrivati a migrazione avviata. Con il senno di poi, avere metriche reali fin dal primo giorno avrebbe reso molto più chiaro il confronto prima/dopo — e le ragioni economiche per gli stakeholder.
Isolare i namespace fin dall'inizio
I primi servizi hanno condiviso un namespace più a lungo del dovuto. Separarli prima per team o per confine di servizio avrebbe semplificato il RBAC e facilitato la futura suddivisione multi-region.
Documentare il percorso di migrazione verso Vault
Portare i segreti fuori dai file di ambiente è stata la scelta giusta, ma il processo è stato scritto solo dopo averlo eseguito due volte. Un breve runbook avrebbe fatto risparmiare tempo prezioso.

Conclusione

Migrare 24 container gestiti a mano a Kubernetes non significava inseguire una tecnologia alla moda: significava sostituire operazioni manuali e soggette a errori con qualcosa di dichiarativo e ripetibile. I vantaggi in costi e prestazioni erano reali, ma la vittoria più grande è stata operativa: i deploy sono diventati routine invece di rischio, e il team non ha più avuto bisogno di sapere su quale server specifico girasse un determinato servizio.

Se gestisci una piattaforma di scala simile su container non orchestrati e ti chiedi se Kubernetes valga la complessità, la risposta onesta è: dipende da dove sta andando il tuo prodotto. Se coerenza tra ambienti, autoscaling e rilasci più sicuri sono davvero nella tua roadmap, la migrazione si ripaga in fretta. In caso contrario, potrebbe essere solo un ulteriore carico operativo.