Contenuto
D:
Qual è la differenza tra scale-out e scale-up (architettura, applicazioni, ecc.)?
UN:
I termini "scale up" e "scale out" sono comunemente usati nella discussione di diverse strategie per l'aggiunta di funzionalità ai sistemi hardware. Sono modi sostanzialmente diversi per rispondere all'esigenza di maggiore capacità del processore, memoria e altre risorse.
Il ridimensionamento in genere si riferisce all'acquisto e all'installazione di un controllo centrale o di un componente hardware più capaci. Ad esempio, quando le richieste di input / output di un progetto iniziano a spingere contro i limiti di un singolo server, un approccio in scala sarebbe quello di acquistare un server più capace con più capacità di elaborazione e RAM.
Al contrario, ridimensionare significa collegare insieme altre macchine a prestazioni inferiori per fare collettivamente il lavoro di una molto più avanzata. Con questi tipi di configurazioni distribuite, è facile gestire un carico di lavoro maggiore eseguendo i dati attraverso diverse traiettorie di sistema.
Ci sono una varietà di vantaggi e svantaggi per ogni approccio. Il ridimensionamento può essere costoso e, in definitiva, alcuni esperti sostengono che non è praticabile a causa dei limiti dei singoli componenti hardware sul mercato. Tuttavia, semplifica il controllo di un sistema e la fornitura di determinati problemi di qualità dei dati.
Uno dei motivi principali della popolarità del ridimensionamento è che questo approccio è alla base di molte delle iniziative sui big data fatte oggi con strumenti come Apache Hadoop. Qui, i sistemi software di gestione dei dati centrali amministrano enormi cluster di componenti hardware, per sistemi che sono spesso molto versatili e capaci. Tuttavia, ora gli esperti stanno iniziando a discutere l'uso del ridimensionamento e del ridimensionamento, esaminando quale tipo di approccio è il migliore per un determinato progetto.