Professional Documents
Culture Documents
Cloud providers can offer both elastic and scalable solutions. While these two terms sound
identical, cloud scalability and elasticity are not the same.
A system’s scalability, as described above, refers to its ability to increase workload with existing
hardware resources. A scalable solution enables stable, longer-term growth in a pre-planned
manner, while an elastic solution addresses more immediate, variable shifts in demand. Elasticity
and scalability in cloud computing are both important features for a system, but the priority of
one over the other depends in part on whether your business has predictable or highly variable
workloads.
Third-party cloud providers also have all the vast hardware and software resources already in
place to allow for rapid scaling that an individual business could not achieve cost-effectively on
its own.
Convenience: Often with just a few clicks, IT administrators can easily add
more VMs that are available without delay—and customized to the exact needs
of an organization. That saves precious time for IT staff. Instead of spending
hours and days setting up physical hardware, teams can focus on other tasks.
Flexibility and speed: As business needs change and grow—including
unexpected spikes in demand—cloud scalability allows IT to respond quickly.
Today, even smaller businesses have access to high-powered resources that
used to be cost prohibitive. No longer are companies tied down by obsolete
equipment—they can update systems and increase power and storage with ease.
Cost savings: Thanks to cloud scalability, businesses can avoid the upfront
costs of purchasing expensive equipment that could become outdated in a few
years. Through cloud providers, they pay for only what they use and minimize
waste.
Disaster recovery: With scalable cloud computing, you can reduce disaster
recovery costs by eliminating the need for building and maintaining
secondary data centers.
When to use cloud scalability
Successful businesses employ scalable business models that allow them to grow quickly and
meet changing demands. It’s no different with their IT. Cloud scalability advantages help
businesses stay nimble and competitive.
Scalability is one of the driving reasons to migrate to the cloud. Whether traffic or workload
demands increase suddenly or grow gradually over time, a scalable cloud solution enables
organizations to respond appropriately and cost-effectively to increase storage and performance.
There are two basic types of scalability in cloud computing: vertical and horizontal scaling.
With vertical scaling, also known as “scaling up” or “scaling down,” you add or subtract power
to an existing cloud server upgrading memory (RAM), storage or processing power (CPU).
Usually this means that the scaling has an upper limit based on the capacity of the server or
machine being scaled; scaling beyond that often requires downtime.
To scale horizontally (scaling in or out), you add more resources like servers to your system to
spread out the workload across machines, which in turn increases performance and storage
capacity. Horizontal scaling is especially important for businesses with high availability services
requiring minimal downtime.
How do you determine optimal cloud
scalability?
Changing business requirements or surging demand often require changes to your scalable cloud
solution. But how much storage, memory and processing power do you really need? Will you
scale up or out?
Automation can also help optimize cloud scalability. You can determine thresholds for usage that
trigger automatic scaling so that there’s no effect on performance. You may also consider a third-
party configuration management service or tool to help manage your scaling
Why is cloud scalable?
Cloud scalability overcomes many of the limitations of
legacy data storage by providing a unifying data infrastructure
with several important advantages:
· Scale-efficient: Resources are allocated and reallocated
quickly and easily in response to changing demands.
· Self-healing: Automatic data replication stores redundant
mirrored copies of all data across different machines and
locations, so even if a disc fails, applications continue running.
· Load-balancing: Automatic load-balancing distributes
workloads throughout the system, improving the overall
reliability and availability of resources.
· Open access: Multiple specialized tools with different APIs
can access the same data at the same time.
· Versatility: Data can be stored as files, objects, event
streams, tables, and more—all within the same system.
یک سیستم کارامد مقیاس -یکی با مقیاس پذیری واقعی -مقیاس هر دو باال و پایین از نظر تعداد و تنوع داده ها ،برنامه های
کاربردی ،ماشین االت و مکان های درگیر .مقیاس پذیری واقعی ابر این است:
· انعطاف پذیر :عملکردهای مختلفی را با استفاده از ابزارها و برنامه های مختلف انجام می دهد ،همه در یک سیستم.
·قابل تغییر :سازگاری با تغییر خواسته ها و الزامات بدون نیاز به بازسازی ،چه به معنای گسترش توانایی و یا عقب نشینی باشد.
· قابل اعتماد :ادامه کار بدون وقفه از طریق شکست سخت افزار و یا سنبله در ترافیک.
· کارامد :به یک تیم ITاجازه می دهد تا چندین پروژه و سیستم را با همان ساختار داده های اساسی پشتیبانی کند.
· ساده :حجم کار و معماری را برای عملکرد باالتر و یک سیستم مقرون به صرفه و اثبات اینده ساده می کند.
سیستم های در مقیاس بزرگ پیچیدگی هایی را ایجاد می کنند و سازمان های بزرگ تمایل واضحی به ایجاد چندین سیستم مستقل
طراحی شده برای اهداف مختلف در مکان های مختلف دارند .مردم به طور طبیعی بر روی مشکالت پیش روی خود تمرکز می
کنند ،که چگونه مشکالت متعدد راه حل های متعدد و غیر مرتبط را تکامل می دهند .سیستم های سازمانی به طور غیر ضروری
پیچیده و دست و پا گیر رشد می کنند ،با داده های سیلو شده و منابع هدر رفته.
همانطور که سازمان شما گسترش می یابد تا چندین سیستم را در مکان های مختلف شامل شود و همانطور که شروع به تولید حجم و
انواع داده های بیشتری می کند ،باید به عقب برگردید و زیرساخت های فناوری اطالعات خود را ارزیابی کنید تا اطمینان حاصل
شود که شما یک سیستم موثر و مقرون به صرفه برای نیازهای فعلی خود دارید ،اما همچنین قادر به سازگاری با تغییرات است.
تغییر بعدی ممکن است به معنای افزایش اندازه باشد ،اما همچنین می تواند به معنای معرفی فرایندهای کسب و کار جدید یا فن اوری
های جدید مانند یادگیری ماشین یا هوش مصنوعی باشد .یک سیستم کارامد مقیاس می تواند با این تغییرات یکپارچه ،بدون خرابی و
بدون نیاز به بازسازی اساسی سازگار شود.
ساخت یک سیستم با مقیاس پذیری واقعی -که نه تنها قادر به نگه داشتن داده های بیشتر است ،بلکه قادر به پشتیبانی از طیف گسترده
ای از انواع مختلف داده ها ،برنامه ها ،مکان ها ،سخت افزار و کاربران است -با یک استراتژی جامع داده اغاز می شود که فراتر
از پروژه های فردی برای رسیدن به سازمان شما است .حذف سیلوهای داده ،داده های شما را برای استفاده توسط گروه های مختلف
در دسترس قرار می دهد و اطمینان از اینکه داده ها می توانند دوباره مورد استفاده قرار گیرند ،به از بین بردن زباله های داده کمک
می کند.
گام بعدی اتخاذ یک زیرساخت داده متحد کننده است که نه تنها برای نیازهای فوری شما کارامد است ،بلکه انعطاف پذیر است تا به
شما اجازه دهد تا رشد کنید و با تغییرات سازگار شوید ،چه اضافه کردن محصوالت جدید ،گسترش به مکان های جدید ،ارتقاء یا
جایگزینی سخت افزار یا معرفی ابزار و فرایندهای جدید .یک معماری داده یکپارچه مانند HPE Ezmeral Data Fabricیک الیه
داده مشترک را در چندین برنامه و در سراسر سازمان شما فراهم می کند.
اهمیت مقیاس پذیری ابر در زیرساخت های فناوری اطالعات مدرن چیست؟
مقیاس پذیری ابر از اهمیت باالیی برخوردار است .این می تواند از طریق مجازی سازی به دست اید و کسب و کارها را قادر می
سازد تا منابع و عملکرد را با توجه به نیازهای خود مقیاس کنند .دالیل اصلی توضیح اهمیت مقیاس پذیری ابر در زیرساخت های
فناوری اطالعات مدرن عبارتند از:
ثبات ابر ،کسب و کارها را قادر می کند تا منابع خود را بسته به تقاضا افزایش دهند و حجم کار پویا را در خود جای دهند .همچنین،
منابع را در ساعات کم تقاضا برای بهینه سازی استفاده از منابع کاهش می دهد .مقیاس بندی پویای منابع سازمان ها را قادر می
سازد تا از هزینه های اضافی جلوگیری کنند و فقط برای منابعی که استفاده می کنند پرداخت کنند.
محیط های ابری مقیاس پذیر با تنظیم منابع در ساعات اوج و افزایش حجم کار ،اطمینان از در دسترس بودن تمام وقت و حداقل
اختالل در خدمات ،عملکرد باالیی را ارائه می دهند .ارائه دهندگان خدمات ابری دارای مراکز داده در مناطق مختلف هستند که به
سازمان ها اجازه می دهد برنامه ها و خدمات خود را نزدیک به مخاطبان هدف خود مستقر کنند.
تجربه کاربر .همچنین ،توسعه محصوالت و خدمات جدید را تسریع می کند ،زمان خود را به بازار کاهش می دهد ،کسب و کارها را
قادر می سازد تا به سرعت نواوری کنند و چرخه های توسعه را کاهش دهند.
مقیاس پذیری در ابر ،بازیابی سریع فاجعه و تداوم کسب و کار را تضمین می کند .به عنوان مثال ،ارائه دهندگان ابر مراکز داده
توزیع شده و پشتیبان گیری خودکار را ارائه می دهند و تکنیک های تکرار را برای اطمینان از افزونگی و انعطاف پذیری داده ها
اجرا می کنند .در زمان های غیر قابل پیش بینی مانند خرابی سیستم یا فاجعه ،کسب و کارها می توانند منابع را در مناطق دیگر
برای کاهش اختالل و حفظ عملیات افزایش دهند.
توانایی مقیاس منابع بر اساس تقاضا ،سازمان ها را قادر می سازد تا داده ها را تجزیه و تحلیل و پردازش کنند تا بینش معنی دار و
تصمیم گیری را به دست اورند.
مقیاس پذیری در محاسبات ابری به کسب و کارها اجازه می دهد تا منابع محاسباتی خود را بر اساس نیاز به اطمینان از اختالل
زیرساخت کم ،باال و پایین کنند.
مقیاس پذیری و انعطاف پذیری در ابر :مقیاس پذیری را می توان به عنوان توانایی ابر برای مدیریت حجم کار با افزایش یا کاهش
منابع در هر تقاضا تعریف کرد .این دو نوع است -افقی و عمودی .مقیاس پذیری عمودی شامل اضافه کردن قدرت بیشتر به منابع
فعلی است و مقیاس پذیری افقی به معنای اضافه کردن منابع بیشتر برای تقسیم بار است.
انعطاف پذیری ابر مرحله بعدی مقیاس پذیری است و به محیط ابر اجازه می دهد تا منابع را به طور خودکار بسته به تقاضا افزایش
و کاهش دهد .این تضمین تخصیص منابع بر روی تقاضا ،ارائه عملکرد باال و بهبود بهره وری هزینه.
مقیاس پذیری افقی و عمودی :مقیاس پذیری افقی شامل اضافه کردن منابع مشابه برای مدیریت حجم کار است .به عنوان مثال ،اگر
یک برنامه بر روی یک سرور اختصاصی اجرا شود ،حجم کار افزایش می یابد .مقیاس پذیری افقی کمک می کند تا سرورهای
بیشتری را برای توزیع بار اضافی اضافه کنید .فرایندهایی مانند تعادل بار ،محاسبات توزیع شده و خوشه بندی برای دستیابی به
مقیاس پذیری افقی استفاده می شود.
مقیاس پذیری عمودی ظرفیت منابع را با بهینه سازی عملکرد انها افزایش می دهد .به عنوان مثال ،اگر یک ماشین مجازی نیاز به
قدرت محاسباتی بیشتری داشته باشد ،مقیاس پذیری اضافه کردن ذخیره سازی CPUخارجی یا حافظه به ان ماشین خاص را تسهیل
می کند.
معماری ابر باید مقرراتی برای تقسیم حجم کار در نیروهای مختلف برای مدیریت ترافیک و مقیاس منابع در صورت نیاز داشته
باشد.
-ارائه خدمات خودکار و مدیریت حجم کار رسیدگی به خواسته های پویا و اطمینان از استفاده بهینه از منابع.
با نظارت در زمان واقعی ،می توان نقاط ضعف ،الگوهای استفاده از منابع و هر گونه مسائل مقیاس پذیری دیگر را ردیابی کرد.
انتخاب ارائه دهندگان خدمات ابری که زیرساخت های قابل اعتماد ،تخصیص منابع انعطاف پذیر و مراکز داده توزیع شده را فراهم
می کنند ،ضروری است.
ضروری است که در هنگام طراحی مقیاس پذیری ابر ،بر مالحظات زیر تمرکز کنید.
سیستم توزیع شده :معماری سیستم توزیع شده برای به دست اوردن مقیاس پذیری در یک ابر ضروری است .تقسیم حجم کار بین
سرورها مانع از موانع و خرابی های بالقوه می شود و پردازش موازی را تسهیل می کند.
برای استفاده از قدرت اجزای مدوالر و ازادانه همراه( SOA ،معماری سرویس گرا) مقیاس بندی منابع فردی را امکان پذیر می کند.
همچنین ،میکروسرویس ها برنامه ها را به خدمات مستقل تقسیم می کنند و مقیاس بندی فردی را فعال می کنند:Load Balancing .
الگوریتم های Load Balancingدرخواست های ورودی را در میان منابع قابل دسترسی با تنظیم حجم ترافیک منتشر می کنند .برای
کسب و کارهایی که دارای دسترسی جهانی هستند ،تعادل بار جهانی تضمین می کند که درخواست های ورودی به نزدیکترین منابع
موجود منتقل می شوند تا تاخیر کمتری داشته باشند و یک تجربه کاربر یکپارچه ارائه دهند.
تحمل خطا و افزونگی :تکرار داده ها و خدمات باعث کاهش خرابی ها و تضمین بهبود سریع (در صورت شکست) برای به حداقل
رساندن خرابی و اطمینان از تداوم می شود .خرابی های خودکار امکان تغییر به منابع اضافی را به طور خودکار فعال می کند.
مقیاس باال و مقیاس :مقیاس باال به تقویت ظرفیت منابع فردی اشاره دارد ،به عنوان مثال ،اضافه کردن ذخیره سازی و حافظه برای
مدیریت حجم کار .در حالی که مقیاس به معنای اضافه کردن منابع بیشتر ،مانند موارد یا سرورها ،برای جداسازی حجم کار در منابع
مختلف با کمک تکنیک های متعادل کننده بار است.
معماری های بدون تابعیت و دولتی :در معماری بدون تابعیت ،درخواست های مشتری مستقل و خودکفا هستند و به درخواست های
قبلی وابسته نیستند .اطالعات مربوط به جلسه در سرور ذخیره نمی شود .تمام درخواست ها در سرورهای مختلف توزیع می شوند و
نیاز به یک حالت جلسه مشترک را از بین می برد.
استراتژی های مدیریت داده ها برای برنامه های کاربردی ابر مقیاس پذیر چیست؟
استراتژی های مدیریت داده های زیر برای برنامه های ابری به طور موثر برای اطمینان از توزیع موثر داده ها ،در دسترس بودن
باال ،عملکرد و تحمل خطا کار می کنند.
Shardingو پارتیشن بندی Sharding :به پارتیشن بندی یک پایگاه داده به صورت افقی با تقسیم داده ها در گره ها یا خرده ریزها
اشاره دارد .هر شارد شامل یک زیر مجموعه داده است و هر گره یک خرده خاص را مدیریت می کند .این استراتژی پردازش
موازی ،افزایش عملکرد و توزیع موثر داده ها را تضمین می کند Sharding .برای حجم زیادی از داده ها و نیازهای عملیاتی
نوشتن /خواندن باال استفاده می شود.
تکرار و سازگاری :تکثیر چندین نسخه از داده ها را در گره های مختلف ایجاد می کند که دسترسی باالیی را ارائه می دهند .داده ها
را می توان از گره های تکرار شده در رویدادهای شکست گره یا منطقه دسترسی پیدا کرد .دو نوع تکرار وجود دارد -همزمان و
ناهمزمان -که در پارامترهایی مانند تاخیر و دوام متفاوت است .گزینه های مقیاس پذیری پایگاه داده :مقیاس پذیری عمودی منابع را
در یک سرویس پایگاه داده واحد افزایش می دهد و حافظه ،ذخیره سازی و CPUرا افزایش می دهد .این دسته حجم کار باال بر روی
یک سرور واحد .مقیاس پذیری افقی شامل اضافه کردن گره های پایگاه داده ،سرورها یا موارد برای توزیع حجم کار در ساعات
ترافیک باال است.
ابزارها و فن اوری های مقیاس پذیری ابر انعطاف پذیری ،اتوماسیون منابع و بهینه سازی را ارائه می دهند و به کسب و کارها
اجازه می دهد تا برنامه های کاربردی را مقیاس بندی کنند.
مجازی سازی و کانتینر سازی :مجازی سازی به ایجاد نمونه های مجازی از منابع مانند سرورها ،شبکه ها و سیستم عامل ها در یک
ماشین اختصاصی اشاره دارد .این تضمین می کند استفاده از منابع کارامد با اجرای چندین ماشین مجازی در س‚‚رور اختصاص‚‚ی .این
من‚‚ابع را ب‚‚ه ص‚‚ورت پوی‚‚ا ب‚‚ه ماش‚‚ین ه‚‚ای مج‚‚ازی بس‚‚ته ب‚‚ه تقاض‚‚ا اختص‚‚اص می ده‚‚د و ان‚‚زوا بین برنام‚‚ه ه‚‚ا را ف‚‚راهم می کن‚‚د .
Containerizationاجازه می دهد تا برنامه های کاربردی بسته بندی و وابستگی های خود را ب‚‚ه ظ‚‚روف س‚‚بک وزن ،ب‚‚ه راح‚‚تی
حمل و نقل .این یک محیط زمان اجرا جدا شده را ارائه می دهد که استقرار اسان در محاسبات مختلف را تضمین می کند.
ابزار ارکستراسیون Kubernetes :یک ابزار ارکستراسیون کانتینر منبع باز است که به شما کمک می کند تا برنامه ه‚‚ای ک‚‚انتینری
را کنترل کنید .این ویژگی های پیشرفته مانند تعادل بار اتوماتیک و اسکن افقی ظروف بس‚‚ته ب‚‚ه اس‚‚تفاده از من‚‚ابع را ارائ‚‚ه می ده‚‚د.
Kubernetesمدیریت معماری های پیچیده برنامه را اسان می کند و در نتیجه مقیاس پذیری را تسهیل می کند.
مقیاس بندی خودکار و خدمات متعادل کننده بار :مقیاس بندی خودکار منابع اختصاص داده شده به یک برنامه را بس‚‚ته ب‚‚ه معیاره‚‚ا ی‚‚ا
سیاست های مشخص شده دستکاری می کند .انها منابع را برای براورده کردن خواسته های مختلف ،اطمینان از بهینه س‚‚ازی من‚‚ابع و
عملکرد باال در ساعات اوج ،مقیاس بندی می کنند Load Balancing .ترافیک شبکه ورودی را در سرورهای مختلف م‚‚دیریت می
کند تا از حجم کار و اطمینان از استفاده بهینه از منابع جلوگیری شود.
محاسبات :Serverlessمحاسبات Serverlessاجرای کد را بدون مدیریت خدمات تسهیل می کند .این زیرساخت های اساسی را جدا
می کند و محیط اجرا را بسته به درخواست های ورودی مقیاس می کند .این مقیاس پذیری دانه ای را با تخص‚یص من‚ابع ب‚ه ص‚ورت
پویا تضمین می کند.
با اجرای بهترین شیوه ها برای مقیاس پذیری ابر ،شرکت ها می توانن‚د انعط‚اف پ‚ذیری ،انعط‚اف پ‚ذیری و ک‚ارایی را ب‚رای مقی‚اس
برنامه های خود به دست اورند .برخی از شیوه ها عبارتند از: