Inhalt
Q:
Was ist der Unterschied zwischen Scale-Out und Scale-Up (Architektur, Anwendungen usw.)?
EIN:
Die Ausdrücke "Hochskalieren" und "Herausskalieren" werden üblicherweise verwendet, um verschiedene Strategien zum Hinzufügen von Funktionalität zu Hardwaresystemen zu diskutieren. Dies sind grundlegend unterschiedliche Möglichkeiten, um dem Bedarf an mehr Prozessorkapazität, Speicher und anderen Ressourcen gerecht zu werden.
Das Hochskalieren bezieht sich im Allgemeinen auf den Kauf und die Installation einer leistungsfähigeren zentralen Steuerung oder Hardware. Wenn beispielsweise die Eingabe- / Ausgabeanforderungen eines Projekts allmählich an die Grenzen eines einzelnen Servers stoßen, besteht ein Heraufstufungsansatz darin, einen leistungsfähigeren Server mit mehr Verarbeitungskapazität und Arbeitsspeicher zu kaufen.
Im Gegensatz dazu bedeutet Skalieren, dass andere leistungsschwächere Maschinen miteinander verbunden werden, um gemeinsam die Arbeit eines viel fortgeschritteneren zu erledigen. Bei diesen Arten von verteilten Setups ist es einfach, eine größere Arbeitslast zu bewältigen, indem Daten über verschiedene Systempfade ausgeführt werden.
Jeder Ansatz hat eine Reihe von Vor- und Nachteilen. Ein Hochskalieren kann teuer sein, und letztendlich argumentieren einige Experten, dass es aufgrund der Beschränkungen einzelner Hardware-Teile auf dem Markt nicht rentabel sei. Dies erleichtert jedoch die Steuerung eines Systems und die Behebung bestimmter Probleme mit der Datenqualität.
Einer der Hauptgründe für die Popularität der Skalierung ist, dass dieser Ansatz hinter vielen der Big-Data-Initiativen steckt, die heute mit Tools wie Apache Hadoop durchgeführt werden. Hier verwalten zentrale Datenverarbeitungs-Softwaresysteme große Gruppen von Hardwarekomponenten für Systeme, die häufig sehr vielseitig und leistungsfähig sind. Experten fangen jedoch an, über die Verwendung von Skalierung und Skalierung zu diskutieren, um herauszufinden, welcher Ansatz für ein bestimmtes Projekt am besten geeignet ist.