Escalabilidad

Qué es

La escalabilidad describe cómo crece la capacidad de un sistema al
añadirle recursos. Un sistema escala bien cuando el doble de
máquinas soporta aproximadamente el doble de carga con los mismos
tiempos de respuesta. Escala mal cuando el hardware adicional pasa
la mayor parte del tiempo esperando a que se resuelva un cuello de
botella que ese hardware no puede aliviar. La palabra describe una
relación entre carga y coste, no una característica que un sistema
tenga o no tenga.

Se puede crecer en dos direcciones. El escalado vertical consiste en
una máquina más grande: más núcleos, más memoria y discos más
rápidos. No exige cambiar el software y se detiene en la máquina más
grande que merezca la pena comprar. El escalado horizontal consiste
en más máquinas que se reparten el trabajo. No tiene ese techo, pero
solo beneficia al trabajo que se puede dividir.

HTTP se diseñó pensando en el escalado horizontal. RFC 9110 señala
que muchas implementaciones se apoyan en que HTTP no mantiene estado
para reutilizar conexiones a través de proxies o repartir
dinámicamente las peticiones entre varios servidores. Una capa web
que no conserva nada entre peticiones puede crecer añadiendo copias
detrás de un balanceador de carga, y cualquiera de ellas puede
responder a cualquier petición.

La carga tiene más de una dimensión, y un sistema puede escalar en
una y estancarse en otra: peticiones por segundo, volumen de datos
almacenados, número de organizaciones cliente y número de escritores
que compiten por el mismo registro. La última es la más difícil,
porque una sola fila puede ser modificada por una transacción a la
vez, por muchos servidores que la rodeen.

La aritmética que explica esto es la ley de Amdahl. Cuando parte del
trabajo debe ejecutarse en secuencia, el hardware paralelo solo
acelera el resto, por lo que la parte secuencial fija el límite: con
un 5 % del trabajo en serie, el conjunto nunca puede ejecutarse más
de 20 veces más rápido, ni siquiera en mil máquinas. En una base de
datos, la parte secuencial suele ser un bloqueo. En una aplicación,
suele ser un contador, una cola o un almacén de sesiones
compartidos.

Por qué importa

La escalabilidad determina cuánto cuesta crecer. Si un sistema
escala bien, duplicar el tráfico es una línea en una factura. Si
escala mal, la factura crece más deprisa que la carga, o llega un
punto en el que añadir hardware ya no ayuda. Entonces, la solución
pasa a ser un rediseño mientras sigue entrando tráfico.

El hardware puede aliviar cuellos de botella del procesador, la
memoria o los discos, pero el trabajo ineficiente y la ejecución en
serie pueden persistir. Una consulta que recorre sin necesidad toda
una tabla puede seguir malgastando trabajo en un servidor mayor. Una
máquina más grande no elimina la ejecución en serie de las
actualizaciones de una fila compartida, y más servidores de
aplicaciones pueden añadir escritores a la cola. La mayoría de los
sistemas que parecen necesitar más máquinas necesitan primero que
alguien los examine.

En PostgreSQL, el punto de partida es `pg_stat_statements`, una
extensión que registra cada sentencia normalizada con su número de
llamadas y su tiempo de ejecución. Al ordenar sus registros por
tiempo total, no por la media, muestra a qué dedica realmente su
tiempo el servidor: una consulta que tarda 2 ms y se ejecuta un
millón de veces por hora cuesta 2.000 segundos de esa hora, mientras
que un informe de dos segundos ejecutado dos veces cuesta cuatro.

```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;
```

Cada paso hacia más máquinas añade sus propios costes operativos,
por lo que importa el orden. Una sentencia más eficiente o un índice
mejor puede aumentar el rendimiento sin añadir otro servidor. Una
réplica de lectura requiere configuración. Particionar cambia una
tabla. El sharding, que reparte los datos entre servidores de bases
de datos distintos, cambia las operaciones asociadas: las
migraciones, las copias de seguridad, las restauraciones y los
informes deben tener en cuenta que los datos están repartidos entre
shards; las uniones entre shards pueden trasladarse al código de la
aplicación, y una consulta que no conoce su clave de shard puede
tener que consultarlos todos.

Cómo se aplica en la práctica

Una base de datos PostgreSQL que daba servicio a una aplicación de
tamaño medio contenía cuentas de usuario, organizaciones cliente,
datos geográficos y consumo eléctrico diario. Tenía poco tráfico,
pero se ralentizaba a medida que aumentaba el volumen de datos. El
encargo era hacerla diez veces más rápida sin rehacer la
arquitectura, con margen para que los datos siguieran creciendo como
parte del objetivo. El trabajo incluyó índices GiST para los datos
espaciales, índices compuestos por organización cliente y rango de
fechas, particionado temporal de la tabla de electricidad,
particionado por hash para los datos geográficos, consultas
reescritas comprobadas con `EXPLAIN ANALYZE` y un pool de
conexiones. Los tiempos de respuesta se redujeron a la décima parte,
el uso de recursos de la base de datos cayó un 40 % y el sistema
admitió volúmenes de datos crecientes sin ralentizarse, con menos
necesidad de ampliar el hardware.

En una empresa de tamaño medio con diez servidores de bases de datos
PostgreSQL y SQL Server, la infraestructura se amplió para soportar
un aumento del 40 % en el tráfico de usuarios sin degradar el
servicio. Además, los tiempos de respuesta de las consultas
mejoraron un 30 % mediante ajustes de configuración y optimización
de índices.

El orden del trabajo se expone en una nota sobre optimizar antes de
aplicar sharding: observar, ajustar, sacar las lecturas del
primario, particionar las tablas alrededor del punto de mayor
contención y aplicar sharding solo cuando una máquina esté ocupada
por completo con trabajo eficiente. Nombra tres casos en los que el
sharding es razonable: el primario está saturado por sentencias ya
optimizadas, los datos han superado la capacidad de mantenimiento o
el aislamiento es, por sí mismo, un requisito.

Dónde surgen los problemas

Más servidores web delante de una sola base de datos. Cada servidor
de aplicaciones abre sus propias conexiones. Cuando hay muchas veces
más sesiones activas que núcleos en la base de datos, el servidor
dedica el tiempo a alternar entre ellas. Un pool de conexiones
resuelve eso antes que cualquier hardware, y otro servidor web lo
empeora.

Una fila de alta contención. Cuando cada petición escribe en el
mismo registro, como un contador de existencias o un saldo, la
capacidad de procesamiento queda limitada aproximadamente por las
escrituras que admite un bloqueo divididas por el tiempo que se
mantiene, con cualquier número de máquinas. Cualquier tarea lenta
dentro de ese bloqueo reduce el techo. Mantenga la transacción breve
y las llamadas externas fuera de ella. Cuando un artículo supera la
capacidad de su máquina, reparta sus existencias en partes más
pequeñas, cada una con exactamente un propietario.

Estado que reside en un solo servidor. Las sesiones guardadas en la
memoria de un proceso, los archivos subidos a su disco local o una
tarea programada que supone ser la única copia impiden que una
segunda instancia sea equivalente. Mantenga ese estado en un almacén
compartido para que cualquier instancia pueda responder a cualquier
petición.

Réplicas tratadas como copias del primario. Una réplica en streaming
lleva un pequeño retraso. Un usuario que acaba de escribir algo y lo
lee desde ella puede no verlo: lea del primario las escrituras
recientes. Un informe largo en un servidor en espera también puede
cancelarse si retrasa los cambios que este está reproduciendo.
PostgreSQL los documenta como conflictos de consultas, junto con los
ajustes que permiten equilibrar esos conflictos y el retraso de la
réplica.

Particiones cuyas claves no aparecen en las consultas. El
particionado divide una tabla por una clave, como un mes o una
organización cliente. Una consulta que indica la clave solo lee las
particiones que necesita. Una que la omite lee todas y no gana nada
con la división. Particione según los campos por los que ya filtran
las consultas y espere beneficios solo con tablas grandes: la regla
orientativa del manual de PostgreSQL es una tabla mayor que la
memoria física del servidor de bases de datos.

Lecturas adicionales

  * RFC 9110: semántica de HTTP, sección 3.3 — Conexiones, clientes
y servidores, y el diseño sin estado que permite distribuir
peticiones entre varios servidores.

  * PostgreSQL: particionado de tablas — Qué es el particionado,
cuándo compensa y cómo la poda de particiones omite las que una
consulta no puede necesitar.

  * PostgreSQL: pg_stat_statements — La extensión que conserva el
número de llamadas y los tiempos de cada sentencia normalizada.

  * PostgreSQL: Hot Standby — Consultas de solo lectura en un
servidor en espera y conflictos que pueden cancelarlas.

  * RFC 9111: caché HTTP — Cómo las cachés HTTP guardan y reutilizan
respuestas para que las peticiones repetidas no tengan que llegar al
servidor de origen.

hEsta página en la web	URL:https://engineer.company/es/glossary/scalability/	engineer.company	70
