వాడుకరి:Ganesh Sai Dontineni/స్కేలబిలిటీ

స్కేలబిలిటీ అనేది వ్యవస్థకు వనరులను జోడించడం ద్వారా పెరుగుతున్న పనిని నిర్వహించడానికి వ్యవస్థ యొక్క ఆస్తి. [1]

ఆర్థిక సందర్భంలో, స్కేలబుల్ వ్యాపార నమూనా ఒక సంస్థ పెరిగిన వనరులను ఇచ్చిన అమ్మకాలను పెంచుతుందని సూచిస్తుంది. ఉదాహరణకు, ప్యాకేజీ డెలివరీ వ్యవస్థ స్కేలబుల్ ఎందుకంటే ఎక్కువ డెలివరీ వాహనాలను జోడించడం ద్వారా ఎక్కువ ప్యాకేజీలను పంపిణీ చేయవచ్చు. ఏదేమైనా, అన్ని ప్యాకేజీలు మొదట సార్టింగ్ కోసం ఒకే గిడ్డంగి గుండా వెళ్ళవలసి వస్తే, సిస్టమ్ స్కేలబుల్ కాదు, ఎందుకంటే ఒక గిడ్డంగి పరిమిత సంఖ్యలో ప్యాకేజీలను మాత్రమే నిర్వహించగలదు.[2]

కంప్యూటింగ్‌లో, స్కేలబిలిటీ అనేది కంప్యూటర్లు, నెట్‌వర్క్‌లు, అల్గోరిథంలు, నెట్‌వర్కింగ్ ప్రోటోకాల్‌లు, ప్రోగ్రామ్‌లు మరియు అనువర్తనాల లక్షణం. ఒక శోధన ఇంజిన్ ఒక ఉదాహరణ, ఇది పెరుగుతున్న వినియోగదారుల సంఖ్యకు మరియు అది సూచికల సంఖ్యకు మద్దతు ఇవ్వాలి. [3] వెబ్‌స్కేల్ అనేది కంప్యూటర్ ఆర్కిటెక్చరల్ విధానం, ఇది పెద్ద ఎత్తున క్లౌడ్ కంప్యూటింగ్ కంపెనీల సామర్థ్యాలను ఎంటర్ప్రైజ్ డేటా సెంటర్లలోకి తీసుకువస్తుంది.[4]

గణితంలో, స్కేలబిలిటీ ఎక్కువగా స్కేలార్ గుణకారం కింద మూసివేయడాన్ని సూచిస్తుంది.

ఉదాహరణలుసవరించు

ఇన్సిడెంట్ కమాండ్ సిస్టమ్ (ఐసిఎస్) ను యునైటెడ్ స్టేట్స్ లోని అత్యవసర ప్రతిస్పందన ఏజెన్సీలు ఉపయోగిస్తాయి. సింగిల్-ఇంజిన్ రోడ్‌సైడ్ బ్రష్‌ఫైర్ నుండి అంతర్రాష్ట్ర అడవి మంట వరకు ఐసిఎస్ వనరుల సమన్వయాన్ని కొలవగలదు. సన్నివేశంలో మొదటి వనరు వనరులను ఆదేశించే అధికారం మరియు బాధ్యతను అప్పగించే అధికారాన్ని కలిగి ఉంటుంది (ఐదు నుండి ఏడుగురు అధికారులను నిర్వహించడం, వారు మళ్ళీ ఏడుగురు వరకు ప్రతినిధిగా ఉంటారు మరియు సంఘటన పెరుగుతున్న కొద్దీ). ఒక సంఘటన విస్తరించినప్పుడు, ఎక్కువ మంది సీనియర్ అధికారులు ఆదేశిస్తారు.[5]

కొలతలుసవరించు

స్కేలబిలిటీని బహుళ కోణాలలో కొలవవచ్చు, అవి: [6]

  • అడ్మినిస్ట్రేటివ్ స్కేలబిలిటీ: పెరుగుతున్న సంఖ్యలో సంస్థలు లేదా వినియోగదారులకు సిస్టమ్‌ను యాక్సెస్ చేసే సామర్థ్యం.
  • ఫంక్షనల్ స్కేలబిలిటీ: ఇప్పటికే ఉన్న కార్యకలాపాలకు అంతరాయం కలిగించకుండా కొత్త కార్యాచరణను జోడించడం ద్వారా వ్యవస్థను మెరుగుపరచగల సామర్థ్యం.
  • భౌగోళిక స్కేలబిలిటీ: స్థానిక ప్రాంతం నుండి పెద్ద ప్రాంతానికి విస్తరించేటప్పుడు ప్రభావాన్ని నిర్వహించే సామర్థ్యం.
  • లోడ్ స్కేలబిలిటీ: పంపిణీ వ్యవస్థ విస్తరించడానికి మరియు భారీ లేదా తేలికైన లోడ్లకు అనుగుణంగా కుదించే సామర్థ్యం, వీటిలో, మారుతున్న లోడ్లకు అనుగుణంగా ఒక వ్యవస్థ లేదా భాగాన్ని సవరించవచ్చు, జోడించవచ్చు లేదా తొలగించవచ్చు.
  • జనరేషన్ స్కేలబిలిటీ: కొత్త తరాల భాగాలను అవలంబించడం ద్వారా స్కేల్ చేయగల వ్యవస్థ యొక్క సామర్థ్యం.
  • విభిన్న విక్రేతల నుండి భాగాలను స్వీకరించే సామర్ధ్యం హెటెరోజెనియస్ స్కేలబిలిటీ.

డొమైన్లుసవరించు

  • ప్రతి నోడ్‌లో అవసరమైన రూటింగ్ టేబుల్ యొక్క పరిమాణం O (లాగ్ N) గా పెరిగితే, నెట్‌వర్క్ పరిమాణానికి సంబంధించి రౌటింగ్ ప్రోటోకాల్ స్కేలబుల్‌గా పరిగణించబడుతుంది, ఇక్కడ N అనేది నెట్‌వర్క్‌లోని నోడ్‌ల సంఖ్య. గ్నుటెల్లా యొక్క కొన్ని ప్రారంభ పీర్-టు-పీర్ (పి 2 పి) అమలులలో స్కేలింగ్ సమస్యలు ఉన్నాయి. ప్రతి నోడ్ ప్రశ్న అన్ని నోడ్‌లకు దాని అభ్యర్థనలను నింపింది. ప్రతి తోటివారి డిమాండ్ మొత్తం తోటివారి సంఖ్యకు అనులోమానుపాతంలో పెరిగింది, వారి సామర్థ్యాన్ని త్వరగా అధిగమించింది. బిట్‌టొరెంట్ వంటి ఇతర పి 2 పి వ్యవస్థలు బాగా ఉన్నాయి ఎందుకంటే ప్రతి పీర్‌లో ఉన్న డిమాండ్ తోటివారి సంఖ్య కంటే స్వతంత్రంగా ఉంటుంది. ఏదీ కేంద్రీకృతమై లేదు, కాబట్టి తోటివారికే కాకుండా ఇతర వనరులు లేకుండా వ్యవస్థ నిరవధికంగా విస్తరించగలదు.
  • స్కేలబుల్ ఆన్‌లైన్ లావాదేవీ ప్రాసెసింగ్ సిస్టమ్ లేదా డేటాబేస్ మేనేజ్‌మెంట్ సిస్టమ్ అంటే కొత్త ప్రాసెసర్‌లు, పరికరాలు మరియు నిల్వలను జోడించడం ద్వారా ఎక్కువ లావాదేవీలను ప్రాసెస్ చేయడానికి అప్‌గ్రేడ్ చేయవచ్చు మరియు దానిని మూసివేయకుండా సులభంగా మరియు పారదర్శకంగా అప్‌గ్రేడ్ చేయవచ్చు.
  • డొమైన్ నేమ్ సిస్టమ్ యొక్క పంపిణీ స్వభావం ప్రపంచవ్యాప్తంగా ఇంటర్నెట్‌లో బిలియన్ల హోస్ట్‌లకు సేవలు అందిస్తూ సమర్థవంతంగా పనిచేయడానికి అనుమతిస్తుంది.


క్షితిజసమాంతర (స్కేల్ అవుట్) మరియు లంబ స్కేలింగ్ (స్కేల్ అప్)సవరించు

వనరులు రెండు విస్తృత వర్గాలలోకి వస్తాయి: సమాంతర మరియు నిలువు.[7]

క్షితిజసమాంతర లేదా స్కేల్ అవుట్సవరించు

అడ్డంగా స్కేలింగ్ చేయడం (అవుట్ / ఇన్) అంటే పంపిణీ చేయబడిన సాఫ్ట్‌వేర్ అనువర్తనానికి కొత్త కంప్యూటర్‌ను జోడించడం వంటి వ్యవస్థకు ఎక్కువ నోడ్‌లను జోడించడం (లేదా నోడ్‌లను తొలగించడం). ఒక వెబ్ సర్వర్ నుండి మూడు వరకు స్కేలింగ్ చేయడాన్ని ఒక ఉదాహరణ కలిగి ఉండవచ్చు. భూకంప విశ్లేషణ మరియు బయోటెక్నాలజీ వంటి అధిక-పనితీరు గల కంప్యూటింగ్ అనువర్తనాలు, ఒకప్పుడు ఖరీదైన సూపర్ కంప్యూటర్లు అవసరమయ్యే పనులకు మద్దతు ఇవ్వడానికి అడ్డంగా పనిభారాన్ని స్కేల్ చేస్తాయి. పెద్ద సోషల్ నెట్‌వర్క్‌లు వంటి ఇతర పనిభారం అతిపెద్ద సూపర్ కంప్యూటర్ సామర్థ్యాన్ని మించిపోయింది మరియు స్కేలబుల్ సిస్టమ్స్ ద్వారా మాత్రమే నిర్వహించబడుతుంది. ఈ స్కేలబిలిటీని ఉపయోగించుకోవటానికి సమర్థవంతమైన వనరుల నిర్వహణ మరియు నిర్వహణ కోసం సాఫ్ట్‌వేర్ అవసరం.[6]

నిలువు లేదా స్కేల్ అప్సవరించు

నిలువుగా (పైకి / క్రిందికి) స్కేల్ చేయడం అంటే ఒకే నోడ్‌కు వనరులను జోడించడం (లేదా వనరులను తొలగించడం), సాధారణంగా ఒకే కంప్యూటర్‌కు CPU లు, మెమరీ లేదా నిల్వను చేర్చడం.[6]

పెద్ద సంఖ్యలో అంశాలు నిర్వహణ సంక్లిష్టతను పెంచుతాయి, వనరుల మధ్య పనులను కేటాయించడానికి మరియు నోడ్స్ అంతటా నిర్గమాంశ మరియు జాప్యం వంటి సమస్యలను నిర్వహించడానికి మరింత అధునాతన ప్రోగ్రామింగ్, కొన్ని అనువర్తనాలు అడ్డంగా స్కేల్ చేయవు.

నెట్‌వర్క్ ఫంక్షన్ వర్చువలైజేషన్ ఈ నిబంధనలను భిన్నంగా నిర్వచిస్తుంది: వనరులను (ఉదా., వర్చువల్ మెషీన్) జోడించడం / తొలగించడం ద్వారా స్కేల్ అవుట్ చేయగల సామర్థ్యం, అయితే స్కేలింగ్ అప్ / డౌన్ అనేది కేటాయించిన వనరులను మార్చడం ద్వారా స్కేల్ చేసే సామర్ధ్యం (ఉదా., మెమరీ / సిపియు / నిల్వ సామర్థ్యం).[8]

డేటాబేస్ స్కేలబిలిటీసవరించు

ప్రధాన వ్యాసం: డేటాబేస్ స్కేలబిలిటీ

డేటాబేస్ల కోసం స్కేలబిలిటీకి అదనపు సర్వర్లు, ప్రాసెసర్లు, మెమరీ మరియు నిల్వ వంటి ఎక్కువ హార్డ్‌వేర్ వనరులను ఇచ్చిన అదనపు పనిని డేటాబేస్ సిస్టమ్ చేయగలదు. పనిభారం పెరుగుతూనే ఉంది మరియు డేటాబేస్లలో డిమాండ్లు అనుసరించాయి.

అల్గోరిథమిక్ ఆవిష్కరణలలో వరుస-స్థాయి లాకింగ్ మరియు టేబుల్ మరియు ఇండెక్స్ విభజన ఉన్నాయి. ఆర్కిటెక్చరల్ ఆవిష్కరణలలో బహుళ-సర్వర్ కాన్ఫిగరేషన్లను నిర్వహించడానికి షేర్డ్-నథింగ్ మరియు షేర్డ్-ఎవరీ ఆర్కిటెక్చర్స్ ఉన్నాయి.

బలమైన వర్సెస్ చివరికి అనుగుణ్యత (నిల్వ)సవరించు

స్కేల్-అవుట్ డేటా నిల్వ సందర్భంలో, స్కేలబిలిటీ గరిష్ట డేటా క్లస్టర్ పరిమాణంగా నిర్వచించబడింది, ఇది పూర్తి డేటా అనుగుణ్యతకు హామీ ఇస్తుంది, అనగా మొత్తం క్లస్టర్‌లో నిల్వ చేయబడిన డేటా యొక్క ఒకే ఒక చెల్లుబాటు అయ్యే వెర్షన్ మాత్రమే ఉంటుంది, అనవసరమైన భౌతిక డేటా కాపీల సంఖ్య నుండి స్వతంత్రంగా . అసమకాలిక పద్ధతిలో కాపీలను నవీకరించడం ద్వారా "సోమరితనం" పునరుక్తిని అందించే సమూహాలను 'చివరికి స్థిరంగా' అంటారు. లభ్యత మరియు ప్రతిస్పందనను స్థిరత్వం కంటే ఎక్కువగా రేట్ చేసినప్పుడు ఈ రకమైన స్కేల్-అవుట్ డిజైన్ అనుకూలంగా ఉంటుంది, ఇది చాలా వెబ్ ఫైల్-హోస్టింగ్ సేవలు లేదా వెబ్ కాష్లకు వర్తిస్తుంది (మీకు తాజా వెర్షన్ కావాలంటే, అది ప్రచారం చేయడానికి కొన్ని సెకన్లు వేచి ఉండండి). అన్ని క్లాసికల్ లావాదేవీ-ఆధారిత అనువర్తనాల కోసం, ఈ రూపకల్పనను తప్పించాలి.[9]

చాలా ఓపెన్-సోర్స్ మరియు కమర్షియల్ స్కేల్-అవుట్ స్టోరేజ్ క్లస్టర్‌లు, ప్రత్యేకించి ప్రామాణిక పిసి హార్డ్‌వేర్ మరియు నెట్‌వర్క్‌ల పైన నిర్మించినవి, చివరికి స్థిరత్వాన్ని మాత్రమే అందిస్తాయి. కౌచ్ డిబి మరియు కొన్ని పైన పేర్కొన్న కొన్ని NoSQL డేటాబేస్లను గుర్తించండి. వ్రాసే కార్యకలాపాలు ఇతర కాపీలను చెల్లుబాటు చేస్తాయి, కాని తరచుగా వారి రసీదుల కోసం వేచి ఉండకండి. రీడ్ ఆపరేషన్లు సాధారణంగా సమాధానం ఇవ్వడానికి ముందు ప్రతి పునరావృత కాపీని తనిఖీ చేయవు, మునుపటి వ్రాత ఆపరేషన్ తప్పిపోతుంది. పెద్ద మొత్తంలో మెటాడేటా సిగ్నల్ ట్రాఫిక్‌కు ప్రత్యేకమైన హార్డ్‌వేర్ మరియు తక్కువ దూరం ఆమోదయోగ్యమైన పనితీరుతో నిర్వహించాల్సిన అవసరం ఉంది (అనగా, క్లస్టర్డ్ కాని నిల్వ పరికరం లేదా డేటాబేస్ లాగా వ్యవహరించండి).

బలమైన డేటా అనుగుణ్యత ఆశించినప్పుడల్లా, ఈ సూచికల కోసం చూడండి:

  • పెరుగుతున్న క్లస్టర్ పరిమాణం మరియు పునరావృత కాపీల సంఖ్యతో పనితీరు క్షీణతను నివారించడానికి ఇన్ఫినిబ్యాండ్, ఫైబ్రేచానెల్ లేదా ఇలాంటి తక్కువ-జాప్యం నెట్‌వర్క్‌ల వాడకం.
  • చిన్న కేబుల్ పొడవు మరియు పరిమిత భౌతిక పరిధి, సిగ్నల్ రన్‌టైమ్ పనితీరు క్షీణతను నివారించడం.
  • క్లస్టర్ యొక్క భాగాలు ప్రాప్యత చేయనప్పుడు డేటా అనుగుణ్యతకు హామీ ఇచ్చే మెజారిటీ / కోరం విధానాలు.

చివరికి స్థిరమైన డిజైన్ల సూచికలు (లావాదేవీ అనువర్తనాలకు తగినవి కావు!):

  • వ్రాత పనితీరు క్లస్టర్‌లోని కనెక్ట్ చేయబడిన పరికరాల సంఖ్యతో సరళంగా పెరుగుతుంది.
  • నిల్వ క్లస్టర్ విభజించబడినప్పటికీ, అన్ని భాగాలు ప్రతిస్పందిస్తాయి. నవీకరణలకు విరుద్ధమైన ప్రమాదం ఉంది.

పనితీరు ట్యూనింగ్ వర్సెస్ హార్డ్వేర్ స్కేలబిలిటీసవరించు

సిస్టమ్ రూపకల్పనను సామర్థ్యం మీద కాకుండా హార్డ్వేర్ స్కేలబిలిటీపై దృష్టి పెట్టాలని తరచుగా సలహా ఇస్తారు. ప్రతి నోడ్ నిర్వహించగల సామర్థ్యాన్ని మెరుగుపరచడానికి పనితీరు ట్యూనింగ్ లో పాల్గొనడం కంటే మెరుగైన పనితీరును సాధించడానికి వ్యవస్థకు కొత్త నోడ్‌ను జోడించడం సాధారణంగా తక్కువ. కానీ ఈ విధానం తగ్గుతున్న రాబడిని కలిగి ఉంటుంది (పనితీరు ఇంజనీరింగ్ లో చర్చించినట్లు). ఉదాహరణకు: సమాంతరంగా ఉంటే 70% ప్రోగ్రామ్‌ను వేగవంతం చేసి, ఒకదానికి బదులుగా బహుళ CPU లలో అమలు చేయవచ్చని అనుకుందాం.   అనేది ఒక గణన యొక్క భిన్నం, మరియు   సమాంతరంగా ఉండే భిన్నం అయితే, గరిష్టంగా స్పీడప్ పి ప్రాసెసర్‌లను ఉపయోగించడం ద్వారా సాధించినది అమ్డాల్ యొక్క చట్టం ప్రకారం ఇవ్వబడుతుంది:

 

ఈ ఉదాహరణ కోసం విలువను ప్రత్యామ్నాయం చేయడం, 4 ప్రాసెసర్‌లను ఉపయోగించడం ఇస్తుంది

 

8 ప్రాసెసర్లను కంప్యూటింగ్ పవర్ రెట్టింపు ఇస్తుంది

 

ప్రాసెసింగ్ పవర్ రెట్టింపు సుమారు ఐదింట ద్వారా ప్రక్రియను వేగంగా ఉండే మాత్రమే ఉంది. మొత్తం సమస్య సమాంతరంగా ఉంటే, వేగం కూడా రెట్టింపు అవుతుంది. అందువలన, మరింత హార్డ్వేర్ విసిరేందుకు అవసరం లేదు సరైన విధానం.

బలహీనమైన మరియు బలమైన స్కేలింగ్సవరించు

అధిక పనితీరు కంప్యూటింగ్ స్కేలబిలిటీ యొక్క రెండు సాధారణ భావాలను కలిగి ఉంది:

  • స్ట్రాంగ్ స్కేలింగ్ అనేది స్థిర మొత్తం సమస్య పరిమాణానికి ప్రాసెసర్ల సంఖ్యతో పరిష్కార సమయం ఎలా మారుతుందో నిర్వచించబడింది.
  • బలహీన స్కేలింగ్ అనేది ఒక ప్రాసెసర్ యొక్క స్థిర సమస్య పరిమాణానికి ప్రాసెసర్ల సంఖ్యతో పరిష్కార సమయం ఎలా మారుతుందో నిర్వచించబడింది. [10]

సూచనలుసవరించు

  1. Bondi, André B. (2000). Characteristics of scalability and their impact on performance. Proceedings of the second international workshop on Software and performance – WOSP '00. p. 195. doi:10.1145/350391.350432. ISBN 158113195X.
  2. Hill, Mark D. (1990). "What is scalability?". ACM SIGARCH Computer Architecture News. 18 (4): 18. doi:10.1145/121973.121975. and
    Duboc, Leticia; Rosenblum, David S.; Wicks, Tony (2006). A framework for modelling and analysis of software systems scalability (PDF). Proceedings of the 28th international conference on Software engineering – ICSE '06. p. 949. doi:10.1145/1134285.1134460. ISBN 1595933751.
  3. Laudon, Kenneth Craig; Traver, Carol Guercio (2008). E-commerce: Business, Technology, Society. Pearson Prentice Hall/Pearson Education. ISBN 9780136006459.
  4. "Why web-scale is the future". Network World (in ఇంగ్లీష్). 2020-02-13. Retrieved 2017-06-01.
  5. Bigley, Gregory A.; Roberts, Karlene H. (2001-12-01). "The Incident Command System: High-Reliability Organizing for Complex and Volatile Task Environments". Academy of Management Journal. 44 (6): 1281–1299. doi:10.5465/3069401. ISSN 0001-4273.
  6. 6.0 6.1 6.2 Hesham El-Rewini and Mostafa Abd-El-Barr (April 2005). Advanced Computer Architecture and Parallel Processing. John Wiley & Sons. p. 66. ISBN 978-0-471-47839-3.
  7. Michael, Maged; Moreira, Jose E.; Shiloach, Doron; Wisniewski, Robert W. (March 26, 2007). Scale-up x Scale-out: A Case Study using Nutch/Lucene. 2007 IEEE International Parallel and Distributed Processing Symposium. p. 1. doi:10.1109/IPDPS.2007.370631. ISBN 978-1-4244-0909-9.
  8. "Network Functions Virtualisation (NFV); Terminology for Main Concepts in NFV". Archived from the original (PDF) on 2020-05-11. Retrieved 2020-10-04.
  9. Sadek Drobi (January 11, 2008). "Eventual consistency by Werner Vogels". InfoQ. Retrieved April 8, 2017.
  10. "The Weak Scaling of DL_POLY 3". STFC Computational Science and Engineering Department. Archived from the original on March 7, 2014. Retrieved March 8, 2014.

బాహ్య లింకులుసవరించు


మూస:RAID మూస:Parallel computing మూస:Complex systems topics మూస:Software quality