مقیاس پذیری

مقیاس پذیری

مقیاس پذیری : در علم ارتباطات راه دور و مهندسی نرم‌افزار مقیاس‌پذیری، ویژگی مطلوبی از یک سامانه، شبکه یا فرایند است که به توانایی آن برای پاسخگویی به افزایش میزان بار کاری به سهولت دلالت می‌کند یا میزان آمادگی سیستم را برای افزایش بار کاری نشان می‌دهد. به عنوان نمونه، مقیاس‌پذیری می‌تواند به توانایی یک سامانه برای افزایش عملکرد کلی در هنگام افزودن منابع (مثل سخت‌افزار) اشاره کند. هنگامی که این واژه در موضوعات مرتبط با کسب و کار بکار می‌رود نیز مفهوم مشابهی از آن برداشت می‌شود. مدل‌های کسب‌وکار مقیاس پذیر مدلهایی هستند که پتانسیل ایجاد رشد اقتصادی سازمان را دارند.

 تعریف مقیاس‌پذیری:

تعریف مقیاس‌پذیری به عنوان یک خصوصیت از سامانه (سیستم) به سادگی امکانپذیر نیست. و در هر مورد خاصی با توجه به ابعاد مورد اهمیت باید نیازمندیهای جدیدی را برای مقیاس‌پذیری تعریف کرد. نقش مقیاس‌پذیری در طرٌاحی و انجام سامانه‌های پیچیده و بزرگ همچون پایگاه‌های داده‌ها، پایگاه‌های دانش، محاسبات گسترده (distributed computing)، اینترنت، کاوش‌های ماشینی در داده‌ها، بینایی رایانه‌ای، و مخابرات بسیار حیاتی و عمده می‌شود. سامانه‌ای که با افزایش ظرفیت، کارایی آن افزایش می‌یابد یک سامانه مقیاس پذیر خوانده می‌شود. یک الگوریتم، طراحی، پروتکل، برنامه رایانه ای یا هر سیستم دیگری مقیاس پذیر خوانده می‌شود. اگر برای مقیاس‌های بزرگتر هم بتواند به طرز مناسب و عملی و کارا استفاده شود.

اندازه‌گیری مقیاس‌پذیری:

مقیاس‌پذیری را می‌توان در ابعاد گوناگونی اندازه‌گیری کرد.

مقیاس‌پذیری بار : توانایی یک سامانه توزیع شده برای گسترش یا کوچکترسازی مخزن منابعش برای پاسخگویی به بار کاری بیشتر ویا کمتر.

مقیاس‌پذیری جغرافیایی : توانایی حفظ کارایی، مفید بودن و قابلیت استفاده، بدون توجه به تمرکز یا پراکندگی و وسعت جغرافیایی

مقیاس‌پذیری اجرایی : توانایی افزایش تعداد سازمان‌هایی که یک سامانه توزیع یافته را به اشتراک می‌گذارند.

مقیاس‌پذیری کارکردی : قابلیت ارتقای سیستم با افزایش یک یا چند کارکرد با کمترین زحمت.

تغییر مقیاس قوی و ضعیف:

در مبحث رایانش کارآمد: دو مفهوم رایج برای مقیاس‌پذیری وجود دارد. اولی مقیاس‌پذیری قوی است. که به چگونگی تغییرات در زمان حل مسئله نسبت به تغییرات در تعداد پردازنده‌ها وقتی که حجم کل مسئله ثابت است، می‌پردازد. دومین مفهوم مقیاس‌پذیری ضعیف است. که به بررسی چگونگی تغییرات در زمان حل مسئله نسبت تغییرات تعداد پردازنده‌ها وقتی کهحجم مسئله برای هر پردازنده ثابت است، می‌پردازد.

مقیاس پذیری عمودی

مقیاس پذیری عمودی یا مقیاس پذیری به سمت بالا (Scaling Up)، زمانی انجام می شود که اپلیکیشن توان هندل کردن بار حجم بالای اطلاعات را نداشته باشد. تصور کنید که شما یک دیتابیس با 10 گیگابایت اطلاعات دارید اما سرور توانایی هندل کردن آن را ندارد. برای هندل کردن این بار اضافی، شما یک سرور گران قیمت جدید با حجم 2 ترا بایت را خریداری می کنید. حالا سرور شما می تواند اطلاعات بیشتری را در خود ذخیره کند! با این کار شما از روش مقیاس پذیری عمودی استفاده کرده اید.

مقیاس پذیری افقی

فرایند مقیاس پذیری افقی که به آن مقیاس پذیری به سمت بیرون (Scaling Out) نیز می گویند، برخلاف نوع عمودی آن که روی ارتقای یک سرور تمرکز داشت، روی اضافه کردن تعداد سرورها متمرکز است. در واقع شما تمرکز را از یک سرور برداشته، و بین چندین سرور که خریداری کرده اید، به طور مناسب توزیع می کنید. باید توجه داشت که پیچیدگی این روش بسیار بیشتر از روش عمودی است اما در بسیاری موارد راه حل کم هزینه تری است.

  مطلبی که خواندید برای افزایش دانش و آگاهی شما در این سایت فراهم شده است و خوشحال میشویم اگر اطلاعات بیشتر در این خصوص و یا نظری دارید با دلسا کارت در میان بگذارید. در صورتیکه در مورد مطلب ارائه شده سوال بیشتری دارید میتوانید با ما در میان بگذارید. برای این کار تنها از طریق دیدگاه در پایین این نوشته استفاده نمایید.