مقیاس پذیری (Scalability) یکی از حیاتی ترین جنبه‌های اجرای عملیات مبتنی بر سرور است. بازاریابی مدرن غیرقابل پیش بینی است و هر محصولی می‌تواند در هر زمان وایرال شود. شما باید آماده باشید تا از چنین فرصت‌هایی استفاده کنید. آماده سازی زیرساخت سرور برای مدیریت چنین رشد ناگهانی باید اولویت شما باشد.
مقیاس افقی و عمودی دو راه اصلی برای گسترش منابع شما و افزایش ظرفیت و عملکرد ترافیک هستند. در این مطلب، مقیاس سرور را از طریق این دو رویکرد بررسی خواهیم کرد.
مقیاس افقی چیست؟
مقیاس پذیری افقی به اصطلاح Scaling out نامیده می‌شود. در این رویکرد، سرورهای بیشتری را به زیرساخت موجود اضافه می‌کنید تا عملکرد و ظرفیت را بهبود ببخشید. به جای خرید اجزای جدیدتر و ارتقاء سخت افزار یک سرور، می‌توانید سرورهای کاملا جدیدی را برای ادغام در شبکه خریداری کنید.
ماشین‌های بیشتری (مجازی یا فیزیکی) به شبکه اضافه می‌کند که همه به عنوان یک سیستم واحد عمل می‌کنند.
گسترش زیرساخت فروشگاه آنلاین با افزودن سرورها در زمان اوج فروش تعطیلات.
مزایا:
- افزونگی را افزایش داده و خطر خرابی را کاهش می‌دهد.
- اشتراک بار (load sharing) را فعال کرده و استرس را روی هر سرور کاهش می‌دهد.
معایب:
- برای توزیع یکنواخت ترافیک به لود بالانسر نیاز دارد.
- مدیریت چند سرور پیچیدگی را به خصوص برای برنامه‌های غیر توزیع شده افزایش می‌دهد.
- هزینه‌های اولیه ماشین‌ها و نمونه‌های جدید می‌تواند از بودجه خارج شود.
مقیاس عمودی چیست؟
مقیاس پذیری عمودی را scaling up می‌نامند. هنگامی که مقیاس عمودی را انجام می‌دهید، دستگاه موجود خود را ارتقا داده تا نیازهای منابع مقیاس بندی را برآورده کند. این شامل ارتقاء CPU برای هسته‌های بیشتر، افزودن رم و فضای ذخیره سازی بیشتر و حتی ارتقاء به نسل جدید سخت افزار در صورت نیاز است که فعالیت‌ها را به یک ماشین محدود و امکان مدیریت و بهینه‌سازی آسان‌تر را فراهم می‌کند.
ظرفیت سرور موجود را از طریق ارتقاء سخت افزاری یا مجازی افزایش می‌دهد.
افزایش حافظه و قدرت پردازش در سرور دیتابیس برای رسیدگی به کوئری‌های بزرگتر.
مزایا:
- پیاده سازی و مدیریت آسان‌تر است زیرا فقط یک سیستم را شامل می‌شود.
- از نیاز به لود بالانسینگ پیچیده و همگام سازی داده‌ها جلوگیری می‌کند.
معایب:
- محدود به ظرفیت سخت افزار فیزیکی سرور است.
- می‌تواند در طول ارتقاء یا نگهداری باعث خرابی شود.
- عدم وجود افزونگی باعث می‌شود سرور به عنوان یک نقطه از شکست باقی بماند.
تفاوت‌های کلیدی مقیاس افقی و مقابل عمودی
در ظاهر، آنها با تغییرات جزئی نسبتا مشابه به نظر می‌رسند. از نظر عملی، این تفاوت ها به طور کامل نحوه عملکرد مقیاس پذیری را تغییر می‌دهد. بیایید مقایسه‌ای کنار هم از این دو انجام دهیم:
مدیریت
مدیریت سرورهای مقیاس افقی با سرورهای مقیاس عمودی متفاوت است. تمایزات قابل توجه عبارتند از:
مقیاس بندی افقی
مدیریت مقیاس افقی دشوار است. شما به تخصص فنی نیاز دارید تا سیستم را به درستی پیکربندی کنید تا به عنوان یک سیستم واحد کار کند. برخی از مسئولیت‌های اصلی شما عبارتند از لودبالانسینگ، اطمینان از اجرای مداوم امنیت و تضمین یکپارچگی داده‌ها.
مقیاس بندی عمودی
مدیریت مقیاس عمودی آسان است. شما فقط باید یک دستگاه را پیکربندی و مانیتور کنید. می‌توانید پیکربندی‌های مورد نظر خود را پیاده سازی کنید یا سیستم را بدون نگرانی در مورد تاثیرگذاری روی سرورهای دیگر تغییر دهید.
انعطاف پذیری
هر دو راه حل برای مقیاس بندی عالی هستند اما سطوح مختلفی از انعطاف پذیری را ارائه می‌دهند. بیایید بررسی کنیم که چه چیزی آنها را بسیار متفاوت می‌کند:
مقیاس بندی افقی
مقیاس افقی بسیار انعطاف پذیر است و به شما امکان می‌دهد بر اساس نیاز سرورها را حذف یا به شبکه اضافه کنید. به عنوان مثال، هنگامی که ترافیک اوج می‌گیرد، می‌توانید به پیکربندی دو سرور ارتقا دهید. وقتی ترافیک به حالت عادی برگشت، سرور دوم را می‌توان از شبکه حذف کرد. این انعطاف پذیری باعث صرفه جویی در منابع و کاهش هزینه های عملیاتی می‌شود.
مقیاس بندی عمودی
مقیاس بندی عمودی انعطاف کمتری دارد. در صورت نیاز نمی‌توانید منابع را اضافه و حذف کنید. برای افزودن منابع، سرور باید آفلاین باشد و به صورت فیزیکی ارتقا یابد. به طور مشابه، وقتی ترافیک کند است، نمی‌توانید به اجزای کم مصرف‌تر تنزل دهید. این عدم انعطاف، مقیاس عمودی را برای کسب و کارهایی که رشد غیرقابل پیش بینی دارند، انتخاب ضعیفی می‌کند.
هزینه
هزینه معیاری کلیدی است که هر کارآفرینی قصد دارد هنگام مقیاس بندی آن را کنترل کند. در این بخش چیزی است که می‌توانید از این دو تکنیک مقیاس بندی در مورد هزینه‌ها انتظار داشته باشید:
مقیاس بندی افقی
مقیاس افقی گران‌تر است زیرا شما باید یک دستگاه جدید بخرید. می‌توانید با استفاده از سخت افزار بازسازی شده یا خرید بسته‌های قطعات با تخفیف، هزینه را کاهش دهید. با این حال، هر بار که مقیاس می‌کنید، باید سرمایه اولیه برای اجزای جدید، راه‌اندازی و یکپارچه‌سازی داشته باشید.
مقیاس بندی عمودی
مقیاس بندی عمودی هزینه کمتری دارد اما میزان مقیاس بندی آن محدود است. شما فقط باید یک یا دو جزء را در یک زمان ارتقا دهید تا بسته به نیاز منابع، مقیاس را تغییر دهید. با این حال، شما نمی‌توانید ارتقاء دهید و از یک نقطه خاص عبور کنید.
هنگامی که به بهترین سخت افزار موجود رسیدید، باید کل سیستم را برای فناوری نسل جدید ارتقا دهید. برای مثال، ارتقاء از رم DDR4 به رم DDR5، به بسیاری از اجزای دیگر نیز نیاز دارد که ارتقا داده شوند.
خطر خرابی
مقیاس افقی و عمودی ریسک خرابی را به طور بسیار متفاوتی مدیریت می‌کند.
مقیاس بندی افقی
مقیاس بندی افقی در مدیریت موقعیت‌های خرابی شگفت انگیز است. بهترین گزینه برای کاهش ریسک خرابی، داشتن چندین سرور در دسترس است. از آنجایی که مقیاس افقی شامل اضافه کردن سرورهای اضافی است، زیرساخت به طور طبیعی در برابر خرابی مقاوم می‌شود.
مقیاس بندی عمودی
اگر می‌خواهید از خرابی جلوگیری کنید، مقیاس بندی عمودی ایده آل نیست. شما فقط یک سرور در یک زیرساخت با مقیاس عمودی دارید. اگر آن سرور از کار بیفتد، سیستم آفلاین خواهد شد. همچنین برای حفظ یا ارتقای سرور مجبور خواهید بود به آفلاین بروید. مقیاس بندی عمودی باعث می‌شود سرور شما در موقعیت‌های خرابی تنها یک نقطه از کار بیفتد.
زمان استفاده از مقیاس پذیری افقی
مقیاس بندی افقی برای سناریوهایی که ترافیک غیرقابل پیش بینی است ایده آل است. غیرقابل پیش بینی بودن را به حداقل و در دسترس بودن را به حداکثر می‌رساند. وجود چندین نسخه در دسترس نیز میزان شکست را کاهش می‌دهد. به گفته فوربس، این بسیار مهم است، زیرا هر دقیقه از کار افتادگی می تواند تا ۹۰۰۰ دلار هزینه داشته باشد.
مقیاس بندی افقی معمولا در موارد زیر استفاده می‌شود:
- تجارت الکترونیک: برای رسیدگی به تعداد زیادی بازدیدکننده به طور همزمان در طول فروش فلش یا رویدادهای فصلی.
- مدیا استریم: برای توزیع بار جریان در چندین سرور برای اطمینان از عملکرد روان.
- معماری میکروسرویس: برای استقرار اجزای سیستم مستقل در چندین سرور، امکان انعطاف پذیری و به روز رسانی های ماژولار را فراهم می‌کند.
زمان استفاده از مقیاس پذیری عمودی
مقیاس بندی عمودی برای مشاغلی است که زیرساخت‌های بهینه شده را با محاسبات با عملکرد بالا ارزش قائل هستند. مقیاس بندی عمودی الزامات مدیریتی را کاهش می‌دهد و یک راه حل میزبانی بهینه متمرکز ایجاد می‌کند. سادگی، کارایی و ماهیت مقرون به صرفه مقیاس بندی عمودی، آن را برای تنظیمات با بودجه محدود جذاب می‌کند.
مقیاس عمودی معمولا برای موارد زیر استفاده می‌شود:
- دیتابیس: برای ارائه حافظه و قدرت پردازش اضافی برای بهینه سازی کوئری در دیتابیس رابطه‌ای بزرگ.
- اپلیکیشن قدیمی: برای اجرای برنامه‌ها و سیستم‌های قدیمی ناسازگار با معماری مدرن و توزیع شده.
- سیستم‌های تجزیه و تحلیل: برای اجرای پلتفرم‌های تحلیلی بلادرنگ که برای پردازش سریع داده‌ها به قدرت محاسباتی بالایی نیاز دارند.
مقیاس پذیری سرور هیبریدی
یکی از جنبه‌هایی که اغلب به اشتباه درک می‌شود، سازگاری بین دو راه حل مقیاس پذیری است. این دو راه حل به خوبی با هم کار می‌کنند و می‌توانند در یک زیرساخت پیاده سازی شوند. آنچه مقیاس پذیری افقی فاقد آن است را می‌توان از طریق مقیاس بندی عمودی به دست آورد و بالعکس.
امروزه این روش ایده آل برای پیاده سازی مقیاس پذیری است. اجزای اصلی که نمی‌توانند از عهده زمان خرابی برآیند، می‌توانند به صورت افقی مقیاس شوند تا ترافیک را در خود جای دهند. در همین حال، سرور اصلی و هر دیتابیس مهم یا ماشین عملیات محور را می‌توان به صورت عمودی برای حذف مشکلات عملکرد مقیاس کرد.
سرور مجازی یک ماشین مجازی کامل است که امکان انتخاب سیستم عامل و منابع را فراهم می‌کند.
خرید سرور مجازی در پنج موقعیت جغرافیایی ایران، ترکیه، هلند، آلمان و آمریکا با قابلیت تحویل آنی در پارسدو فراهم است.
چالش‌های مقیاس سرور و نحوه غلبه بر آنها
غلبه بر چالش‌های مقیاس سرور حتی در محیط‌های ترکیبی و هیبرید دشوار است. هنگام تلاش برای افزایش مقیاس سرور خود با دو مانع بزرگ روبرو خواهید شد:
- مدیریت هزینه: افزایش ترافیک حتما به فروش تبدیل نمی‌شود. هزینه کردن بر روی مقیاس پذیری ریسکی است که باید بپذیرید و اگر نتیجه نداد، آماده باشید که هزینه‌ها را به عهده بگیرید.
- تخصص فنی: چالش اصلی دیگر، تخصص فنی مورد نیاز برای حفظ زیرساخت‌های مقیاس پذیر است. یک تکنسین فناوری اطلاعات معمولا حقوق بالایی در سال دارد، بدون اینکه به دشواری یافتن استعدادهای مناسب پس از استعفای آنها اشاره کنیم.
حتی با راهکارهای ابری، این مشکلات به سختی حل می‌شوند. در واقع، اظهارات AWS نشان می‌دهد که ابر به آرامی محبوبیت خود را در برابر سرورهای اختصاصی از دست می‌دهد.
سرورهای اختصاصی راه حل قدرتمندی برای مشکل مقیاس پذیری هستند. ترفند یافتن ارائه دهنده مناسب برای به حداکثر رساندن استفاده از منابع و عملکرد بدون سرمایه گذاری گسترده است.
نتیجه گیری
انتخاب بین مقیاس افقی و عمودی به نیازهای کسب و کار، طراحی زیرساخت و انتظارات رشد بستگی دارد. برای کاربردهای پویا و پرترافیک، مقیاس بندی افقی، افزونگی و انعطاف پذیری را تضمین می‌کند. اگر می‌خواهید سیستم‌های اصلی را مقیاس‌بندی کنید، مقیاس‌بندی عمودی، به‌روزرسانی‌های آسان را با حداقل پیچیدگی ارائه می‌دهد.
