可扩展性原则

基础内容

定义：系统能够在负载增加时，通过增加资源来提升性能

关键概念

• 水平扩展（Horizontal Scaling）：通过增加更多的节点来扩展系统
  • 实现方式
    • 节点增加：通过添加更多的服务器或实例，分担系统的负载
    • 负载分担：使用负载均衡器将流量分发到不同的节点，确保每个节点的负载相对均衡
    • 无状态设计：使得每个节点独立处理请求，不依赖其他节点的状态，从而提高系统的扩展性
  • 实现技术
    • 负载均衡：使用硬件或软件负载均衡器分配流量。工具：Nginx, HAProxy, AWS Elastic Load Balancing
    • 分布式系统：通过分布式架构来扩展系统的处理能力。框架：Apache Kafka、Apache Cassandra、分布式文件系统（如 HDFS）、分布式计算框架（如 Apache Spark）
    • 数据库分片（Sharding）：将数据库拆分成多个部分，分别存储在不同的节点上。工具：MongoDB Sharding, MySQL Partitioning
• 垂直扩展（Vertical Scaling）：通过增加单个节点的资源（CPU、内存）来扩展系统
  • 实现方式
    • 资源增加：通过增加现有服务器的CPU、内存、存储等资源来提升系统性能
    • 硬件升级：通过更换更高性能的硬件来提升单个节点的处理能力
    • 单点性能提升：适用于无法拆分为多个节点的单体应用或数据库
  • 实现技术
    • 服务器升级：更换或增加服务器的硬件配置。方式：增加内存、升级 CPU、更换 SSD
    • 虚拟化技术：在虚拟化环境中动态分配更多的资源给单个虚拟机。工具：VMware, KVM, Hyper-V
    • 数据库性能优化：通过优化数据库配置和查询，提高数据库处理能力。方式：索引优化、查询优化、存储过程
• 弹性扩展（Elastic Scaling）：根据负载自动调整资源
  • 实现方式
    • 自动扩展：根据当前系统的负载情况，自动增加或减少计算资源，以应对负载波动
    • 按需分配：在流量高峰期增加资源，在流量低谷期减少资源，以节省成本
    • 实时监控：通过实时监控系统负载，及时做出资源调整决策
  • 实现技术
    • 自动扩展组（Auto Scaling Groups）：定义一组实例，自动根据负载调整实例数量。工具：AWS Auto Scaling, Google Cloud Autoscaler
    • 容器编排：使用容器编排工具，根据负载动态调整容器数量。工具：Kubernetes, Docker Swarm
    • 无服务器架构（Serverless Architecture）：使用无服务器架构，根据请求量自动分配计算资源。平台：AWS Lambda, Azure Functions, Google Cloud Functions