بلاگ

مقیاس پذیری افقی و عمودی در مهندسی داده ها و کلان داده ها

مقدمه

تو این بخش میخوام راجع به مقیاس پذیری افقی در برابر مقیاس پذیری عمودی صحبت کنم. همونطور که مطلع هستید برای پیاده سازی سیستم های تحلیل بیگ دیتا در مقیاس کلان چاره ای جز پیاده سازی مکانیزم مقیاس پذیری افقی نداریم.

Horizontal Vs. Vertical Scaling: How Do They Compare?

مقیاس پذیری یعنی توانایی یک سیستم به منظور مدیریت افزایش کاربران. 

روش های مقیاس پذیری یا Scaling به دو دسته اصلی تقسیم می شوند:

  • مقیاس پذیری افقی (Horizontal Scaling)
  • مقیاس پذیری عمودی (Vertical Scaling)

مقیاس پذیری عمودی

تو این نوع از مقیاس پذیری، هدف افزایش عملکرد پردازش دیتا از طریق بهبود فنی پردازنده ها، حافظه و ذخیره سازی هستش.

مزیت:

  • کنترل سیستم آسان تر است.

معایب:

  • قیمت گران
  • گاها به دلیل محدودیت های سخت افزاری تهیه سخت افزار موردنظر ممکن نیست.

مقیاس پذیری افقی

تو این نوع از مقیاس پذیری، هدف افزایش عملکرد پردازش توزیع شده دیتا از طریق افزایش نودهای سخت افزاری به کلاسترمون هست. در این روش بجای افزایش منابع بیشتر مانند RAM, کارت گرافیک و … تعداد گره های سخت افزاری را افزایش می دهیم.

مزایا:

  • قابلیت تحمل خطا
  • مقرون به صرفه بودن

عیب:

  • پیچیدگی

اشتراک گذاری:

مطالب زیر را حتما مطالعه کنید

دوره های آموزشی مرتبط

دیدگاهتان را بنویسید

کد تخفیف ویژه 50 درصدی دوره های آموزشی پروژه محور مدرسه بیگ دیتا: BigDataSchool
روز
ساعت
دقیقه
ثانیه
مشاهده دوره های آموزشی