एक प्रोग्रामर के रूप में मैं हर कुछ वर्षों में क्रांतिकारी निष्कर्ष निकालता हूं। मैं या तो वक्र से आगे हूं, या इसके पीछे चरण में लगभग π। एक कठिन सबक मैंने सीखा था कि बाहर स्केलिंग हमेशा बेहतर नहीं होता है, जब हम फिर से समूहित होते हैं और बड़े पैमाने पर प्रदर्शन करते हैं तो अक्सर सबसे बड़ा प्रदर्शन लाभ होता है।स्केलिंग-अप बनाम-आउट के कारण नहीं?
बनाम स्केलिंग के लिए आपके पास क्या कारण हैं? मूल्य, प्रदर्शन, दृष्टि, अनुमानित उपयोग? यदि हां, तो यह आपके लिए कैसे काम करता है?
हम एक बार कई सौ नोड्स तक पहुंच गए जो प्रत्येक नोड को आवश्यक डेटा को क्रमबद्ध और कैश करेंगे और रिकॉर्ड पर गणित प्रक्रियाओं को चलाएंगे। कई, कई अरबों रिकॉर्डों का विश्लेषण (क्रॉस-) होना आवश्यक था। स्केल-आउट को नियोजित करने के लिए यह एक आदर्श व्यवसाय और तकनीकी मामला था। हमने तक ऑप्टिमाइज़िंग जारी रखा, हमने 26 घंटों के वॉलक्लॉक में लगभग 24 घंटे के डेटा संसाधित किए। वास्तव में लंबी कहानी छोटी है, हमने आईबीएम पीएसरीज़ के लिए एक विशाल (पट्टे पर) पट्टे पर रखा, उस पर ओरेकल एंटरप्राइज़ डाला, हमारे डेटा को अनुक्रमित किया और लगभग 6 घंटे में 24 घंटे के डेटा को संसाधित करना समाप्त कर दिया। मेरे लिए क्रांति
इतने सारे एंटरप्राइज़ सिस्टम OLTP हैं और डेटा shard'd नहीं हैं, लेकिन कई लोगों की इच्छा क्लस्टर या स्केल-आउट है। क्या यह नई तकनीकों या कथित प्रदर्शन की प्रतिक्रिया है?
आज सामान्य रूप से एप्लिकेशन या हमारे प्रोग्रामिंग मैट्रा स्केल-आउट के लिए खुद को बेहतर उधार देते हैं? क्या हमें भविष्य में इस प्रवृत्ति को हमेशा ध्यान में रखना चाहिए?
विषयपरक और तर्कसंगत। – Malfist
यदि आप अंतिम पंक्ति छोड़ देते हैं तो यह वास्तव में एक अच्छा सवाल है। आम धारणा यह है कि एफ 5 के पीछे अधिक हार्डवेयर फेंकने से समस्याएं हल हो रही हैं – mfeingold
तर्कवादी पर सहमति हुई। मैंने अपना प्रश्न समायोजित कर लिया है। – Xailor