Какие типы масштабирования вы знаете?

В DevOps-практиках я обычно работаю со следующими типами масштабирования:

1. Горизонтальное масштабирование (Scaling Out/In) Добавление или удаление идентичных экземпляров (нод) для обработки нагрузки. Это основной подход в облачных и микросервисных архитектурах.

• Почему: Обеспечивает отказоустойчивость и позволяет гибко реагировать на изменение трафика.
• Пример: В Kubernetes увеличиваю количество реплик (replicas: 5) для Deployment веб-сервиса. Запросы распределяются через Service.

2. Вертикальное масштабирование (Scaling Up/Down) Увеличение или уменьшение вычислительных ресурсов (CPU, RAM, диска) у существующего сервера или контейнера.

• Почему: Быстрое решение для узких мест, когда приложение не может использовать больше ядер или памяти. Часто имеет физический или стоимостной предел.
• Пример: В AWS изменяю тип инстанса EC2 с t3.medium на c5.large для ресурсоемкого приложения.

3. Автомасштабирование (Auto-scaling) Автоматическое управление количеством экземпляров на основе метрик (CPU, memory, кастомных метрик из очереди).

• Почему: Позволяет системе адаптироваться к нагрузке без ручного вмешательства, оптимизируя затраты и производительность.
• Пример: Настройка Horizontal Pod Autoscaler (HPA) в Kubernetes на основе средней загрузки CPU в 70%.

  # Пример манифеста HPA для Kubernetes
  apiVersion: autoscaling/v2
  kind: HorizontalPodAutoscaler
  metadata:
  name: my-app-hpa
  spec:
  scaleTargetRef:
  apiVersion: apps/v1
  kind: Deployment
  name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
  resource:
    name: cpu
    target:
      type: Utilization
      averageUtilization: 70

4. Шардирование (Sharding) / Функциональное разделение Разделение данных или сервисов по определенному признаку (например, по региону пользователя или типу данных).

• Почему: Позволяет масштабировать базы данных и сервисы, которые сложно масштабировать простым клонированием.
• Пример: Разделение монолитной базы данных пользователей на несколько шардов по диапазонам user_id.

5. Геораспределение (Geographic Scaling) Размещение экземпляров приложения в нескольких географических регионах или зонах доступности.

• Почему: Снижает задержку для конечных пользователей (latency) и повышает отказоустойчивость на уровне региона.
• Пример: Развертывание одного и того же сервиса в кластерах Kubernetes в us-east-1 и eu-west-1, с глобальной балансировкой через AWS Global Accelerator или Cloudflare.