Skalierbarkeit

Was es ist

Skalierbarkeit beschreibt, wie die Kapazität eines Systems wächst,
wenn Ressourcen hinzukommen. Ein System skaliert gut, wenn doppelt
so viele Maschinen bei gleichen Antwortzeiten ungefähr die doppelte
Last tragen. Es skaliert schlecht, wenn die zusätzliche Hardware
meist auf etwas wartet, bei dem sie nicht helfen kann. Das Wort
beschreibt ein Verhältnis zwischen Last und Kosten, keine
Eigenschaft, die ein System entweder hat oder nicht hat.

Es gibt zwei Wachstumsrichtungen. Vertikales Skalieren bedeutet eine
größere Maschine: mehr Kerne, mehr Speicher, schnellere Datenträger.
Es erfordert keine Softwareänderung und endet bei der größten
Maschine, deren Kauf sich lohnt. Horizontales Skalieren bedeutet
mehr Maschinen, die sich die Arbeit teilen. Es hat diese Obergrenze
nicht, nützt aber nur teilbarer Arbeit.

HTTP wurde mit Blick auf horizontales Skalieren gestaltet. RFC 9110
merkt an, dass viele Implementierungen die Zustandslosigkeit von
HTTP nutzen, um über Proxys geführte Verbindungen wiederzuverwenden
oder Anfragen dynamisch auf mehrere Server zu verteilen. Eine
Webschicht, die zwischen Anfragen nichts speichert, kann durch
weitere Kopien hinter einem Loadbalancer wachsen. Jede Kopie kann
jede Anfrage beantworten.

Last hat mehrere Dimensionen. Ein System kann entlang einer
skalieren und entlang einer anderen stocken: Anfragen pro Sekunde,
gespeichertes Datenvolumen, Zahl der Mandanten und Zahl der
Schreiber, die um denselben Datensatz konkurrieren. Die letzte ist
am schwierigsten. Eine einzelne Zeile kann immer nur von einer
Transaktion gleichzeitig geändert werden, gleichgültig, wie viele
Server darum stehen.

Dahinter steht Amdahls Gesetz. Muss ein Teil der Arbeit nacheinander
laufen, beschleunigt parallele Hardware nur den Rest. Der
sequenzielle Anteil setzt deshalb die Grenze: Bei 5 % serieller
Arbeit kann die ganze Aufgabe nie mehr als 20-mal schneller laufen,
selbst auf tausend Maschinen. In einer Datenbank ist der serielle
Teil oft eine Sperre. In einer Anwendung ist es oft ein gemeinsam
genutztes Element: ein Zähler, eine Warteschlange oder ein
Sitzungsspeicher.

Warum es wichtig ist

Skalierbarkeit entscheidet, was Wachstum kostet. Skaliert ein System
gut, ist die Verdoppelung des Verkehrs eine Zeile auf einer
Rechnung. Skaliert es schlecht, wächst die Rechnung schneller als
die Last, oder zusätzliche Hardware hilft überhaupt nicht mehr. Die
Lösung wird dann ein Umbau, während der Verkehr weiter eintrifft.

Hardware kann Engpässe bei Prozessoren, Speicher oder Datenträgern
lindern. Ineffiziente Arbeit und erzwungene sequenzielle
Verarbeitung können aber bleiben. Eine Abfrage, die unnötig eine
ganze Tabelle durchsucht, kann auch auf einem größeren Server Arbeit
verschwenden. Eine größere Maschine beseitigt nicht die sequenzielle
Ausführung von Aktualisierungen einer gemeinsamen Zeile. Mehr
Anwendungsserver können weitere Schreiber in die Warteschlange
stellen. Die meisten Systeme, die scheinbar mehr Maschinen brauchen,
müssen zuerst genauer untersucht werden.

In PostgreSQL beginnt diese Untersuchung bei `pg_stat_statements`.
Die Erweiterung zeichnet jede normalisierte Anweisung samt
Aufrufzahl und Ausführungszeit auf. Nach Gesamtzeit statt Mittelwert
sortiert zeigt sie, womit der Server seine Zeit tatsächlich
verbringt: Eine 2 ms dauernde Abfrage, die eine Million Mal pro
Stunde läuft, kostet 2.000 Sekunden dieser Stunde. Ein zweimal
ausgeführter Bericht mit zwei Sekunden Laufzeit kostet vier.

```sql
SELECT calls, round(total_exec_time) AS total_ms,
       left(query, 60) AS query
  FROM pg_stat_statements
 ORDER BY total_exec_time DESC
 LIMIT 10;
```

Jeder Schritt zu mehr Maschinen bringt eigene Betriebskosten mit.
Deshalb zählt die Reihenfolge. Eine effizientere Anweisung oder ein
besserer Index kann die Leistung verbessern, ohne einen weiteren
Server hinzuzufügen. Eine Lesereplik einzurichten ist
Konfigurationsarbeit. Partitionierung ändert eine Tabelle. Sharding,
das Aufteilen der Daten auf getrennte Datenbankserver, verändert die
umgebenden Abläufe: Migrationen, Sicherungen, Wiederherstellungen
und Berichte müssen getrennte Shards berücksichtigen. Joins über
Shard-Grenzen hinweg können in Anwendungscode wandern, und eine
Abfrage ohne Kenntnis ihres Shard-Schlüssels muss möglicherweise
alle Shards fragen.

Wie es in der Praxis aussieht

Eine PostgreSQL-Datenbank hinter einer mittelgroßen Anwendung
enthielt Benutzerkonten, Mandanten, geografische Daten und täglichen
Stromverbrauch. Sie lief bei geringem Verkehr, wurde mit wachsenden
Datenmengen aber langsamer. Der Auftrag war, sie zehnmal schneller
zu machen, ohne die Architektur umzubauen. Spielraum für künftiges
Datenwachstum gehörte zum Ziel. Die Arbeit umfasste GiST-Indizes für
Geodaten, zusammengesetzte Indizes auf Mandant und Datumsbereich,
eine nach Zeit partitionierte Stromverbrauchstabelle,
Hash-Partitionierung geografischer Daten, mit `EXPLAIN ANALYZE`
geprüfte umgeschriebene Abfragen und Connection-Pooling. Die
Antwortzeiten verbesserten sich um den Faktor zehn, der
Ressourcenverbrauch der Datenbank sank um 40 %, und das System nahm
wachsende Datenmengen ohne Verlangsamung auf. Der Bedarf an
Hardwareaufrüstungen sank.

Bei einem mittelgroßen Unternehmen mit zehn PostgreSQL- und
SQL-Server-Datenbankservern wurde die Infrastruktur für 40 % mehr
Benutzerverkehr ohne Leistungseinbußen des Dienstes skaliert.
Daneben verbesserten sich die Antwortzeiten der Abfragen durch
Konfigurationsanpassung und Indexoptimierung um 30 %.

Die Reihenfolge der Arbeit beschreibt eine Notiz zum Optimieren vor
dem Sharding: ansehen, straffen, Lesezugriffe vom Primärserver
nehmen, die Tabellen um die Engstelle partitionieren und erst
sharden, wenn eine Maschine mit sinnvoller Arbeit ausgelastet ist.
Die Notiz nennt drei begründete Fälle für Sharding: Der Primärserver
ist durch bereits schlanke Anweisungen gesättigt, die Daten sind
über ihre Wartbarkeit hinausgewachsen, oder die Trennung selbst ist
gefordert.

Wo es schiefgeht

Mehr Webserver vor einer Datenbank. Jeder Anwendungsserver öffnet
eigene Verbindungen. Sind um ein Vielfaches mehr Sitzungen aktiv,
als die Datenbank Kerne hat, verbringt der Server seine Zeit mit dem
Wechsel zwischen ihnen. Ein Verbindungspool löst das, bevor Hardware
es tut, und ein weiterer Webserver macht es schlimmer.

Eine häufig umkämpfte Zeile. Schreibt jede Anfrage in denselben
Datensatz, etwa einen Bestandszähler oder einen Kontostand, ist der
Durchsatz ungefähr auf die von einer Sperre tragbaren
Schreibvorgänge geteilt durch deren Haltedauer begrenzt, auf
beliebig vielen Maschinen. Alles Langsame innerhalb dieser Sperre
senkt die Obergrenze. Halten Sie die Transaktion kurz und externe
Aufrufe außerhalb. Wächst ein Artikel über seine Maschine hinaus,
teilen Sie seinen Bestand in kleinere Stücke, jedes mit genau einem
Besitzer.

Zustand auf nur einem Server. Sitzungen im Speicher eines Prozesses,
Uploads auf seinem lokalen Datenträger oder ein geplanter Job, der
voraussetzt, dass keine weitere Kopie läuft, verhindern eine
gleichwertige zweite Instanz. Halten Sie diesen Zustand in einem
gemeinsamen Speicher, damit jede Instanz jede Anfrage beantworten
kann.

Repliken werden wie Kopien des Primärservers behandelt. Eine
Streaming-Replik liegt etwas zurück. Wer gerade etwas geschrieben
hat und es dann von der Replik liest, sieht es deshalb womöglich
nicht. Lesen Sie kürzlich geschriebene Daten vom Primärserver. Auch
ein langer Bericht auf einem Standby kann abgebrochen werden, wenn
er die dort eingespielten Änderungen aufhält. PostgreSQL
dokumentiert dies als Abfragekonflikte samt Einstellungen, mit denen
sich zwischen solchen Konflikten und Replikationsverzögerung abwägen
lässt.

Abfragen lassen den Partitionsschlüssel weg. Partitionierung teilt
eine Tabelle nach einem Schlüssel, etwa Monat oder Mandant. Eine
Abfrage, die den Schlüssel nennt, liest nur die benötigten
Partitionen. Ohne ihn liest sie jede Partition und gewinnt durch die
Aufteilung nichts. Partitionieren Sie nach dem, worauf die Abfragen
bereits filtern. Erwarten Sie Nutzen nur bei großen Tabellen: Als
Faustregel nennt das PostgreSQL-Handbuch eine Tabelle, die größer
als der physische Speicher des Datenbankservers ist.

Weiterführende Lektüre

  * RFC 9110: HTTP-Semantik, Abschnitt 3.3 — Verbindungen, Clients
und Server sowie der zustandslose Entwurf, der Anfragen auf mehrere
Server verteilen lässt.

  * PostgreSQL: Tabellenpartitionierung — Was Partitionierung ist,
wann sie sich lohnt und wie Partition Pruning nicht benötigte
Partitionen überspringt.

  * PostgreSQL: pg_stat_statements — Die Erweiterung, die
Aufrufzahlen und Zeiten jeder normalisierten Anweisung speichert.

  * PostgreSQL: Hot Standby — Nur lesende Abfragen auf einem Standby
und Konflikte, die sie abbrechen können.

  * RFC 9111: HTTP-Caching — Wie HTTP-Caches Antworten speichern und
wiederverwenden, sodass wiederholte Anfragen nicht zum
Ursprungsserver gelangen müssen.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/scalability/	engineer.company	70
