{"canonical_url":"https://engineer.company/uk/glossary/scalability/","content_markdown":"# Масштабованість\n\n## Що це таке\n\nМасштабованість — це те, як зростає потужність системи, коли їй додають\nресурси. Система масштабується добре, коли вдвічі більше машин несуть приблизно\nвдвічі більше навантаження з тим самим часом відповіді, і погано, коли додане\nзалізо здебільшого чекає на щось, чому воно зарадити не може. Це слово описує\nспіввідношення між навантаженням і вартістю, а не властивість, яка в системи\nабо є, або її немає.\n\nРости можна у двох напрямках. Вертикальне масштабування (scaling up) — це\nбільша машина: більше ядер, більше пам'яті, швидші диски. Воно не потребує змін\nу програмі й зупиняється на найбільшій машині, яку ще варто купувати.\nГоризонтальне масштабування (scaling out) — це більше машин, що ділять роботу\nміж собою. Такої стелі воно не має, але виграє від нього лише та робота, яку\nможна поділити.\n\nHTTP створювали з думкою про горизонтальне масштабування. RFC 9110 зауважує, що\nбагато реалізацій покладаються на те, що HTTP не зберігає стану між запитами:\nтак вони повторно використовують з'єднання через проксі або динамічно\nрозподіляють запити між кількома серверами. Вебрівень, який нічого не тримає між\nзапитами, може рости, додаючи власні копії за балансувальником навантаження, і\nбудь-яка копія відповість на будь-який запит.\n\nНавантаження має кілька вимірів, і система може масштабуватися за одним і\nзастрягати за іншим: запити за секунду, обсяг збережених даних, кількість\nорендарів і кількість записувачів, які змагаються за той самий запис. Останній\nвимір найважчий, бо один рядок водночас може змінювати лише одна транзакція,\nскільки б серверів довкола нього не стояло.\n\nАрифметику за цим описує закон Амдала. Коли частина роботи мусить виконуватися\nпослідовно, паралельне залізо прискорює лише решту, тож послідовна частина й\nзадає межу: якщо послідовні 5% роботи, уся задача ніколи не виконається більш\nніж у 20 разів швидше, навіть на тисячі машин. У базі даних послідовною\nчастиною часто є блокування. У застосунку — один спільний лічильник, черга чи\nсховище сесій.\n\n## Чому це важливо\n\nМасштабованість визначає, скільки коштує зростання. Коли система масштабується\nдобре, подвоєння трафіку — це ще один рядок у рахунку. Коли погано, рахунок\nросте швидше за навантаження або додане залізо взагалі перестає допомагати, і\nвиправленням стає переробка, яку доводиться робити просто під напливом трафіку.\n\nАпаратне забезпечення може усунути вузькі місця в роботі процесорів, пам'яті чи\nдисків, але неефективна робота й потреба в послідовному виконанні операцій\nможуть залишитися. Запит, що без потреби сканує всю таблицю, і на більшому\nсервері може виконувати зайву роботу. Більша машина не усуває потреби виконувати\nоновлення одного й того самого рядка по черзі, а додаткові сервери застосунку\nможуть додати до черги більше клієнтів, які виконують запис. Більшість систем,\nяким нібито потрібно більше машин, спершу треба прочитати.\n\nУ PostgreSQL читати варто почати з `pg_stat_statements` — розширення, яке\nзаписує кожен нормалізований запит разом із кількістю викликів і часом\nвиконання. Якщо сортувати за сумарним часом, а не за середнім, видно, на що\nсервер насправді витрачається: запит, що триває 2 мс і виконується мільйон\nразів на годину, забирає 2 000 секунд цієї години, а двосекундний звіт,\nзапущений двічі, — чотири.\n\n```sql\nSELECT calls, round(total_exec_time) AS total_ms,\n       left(query, 60) AS query\n  FROM pg_stat_statements\n ORDER BY total_exec_time DESC\n LIMIT 10;\n```\n\nКожен крок до більшої кількості машин має власну ціну в експлуатації, тому\nпорядок важливий. Оптимізований запит чи кращий індекс можуть підвищити\nпродуктивність без додавання ще одного сервера. Репліка для читання — справа\nконфігурації. Партиціонування змінює одну таблицю. Шардування, тобто розподіл\nданих між окремими серверами баз даних, змінює пов'язані з цим експлуатаційні\nпроцеси: міграції, резервне копіювання, відновлення та звіти мають враховувати\nокремі шарди; join між шардами може перейти в код застосунку; а запит, що не\nзнає свого ключа шарда, може потребувати звернення до всіх шардів.\n\n## Як це виглядає на практиці\n\nБаза PostgreSQL за застосунком середнього розміру зберігала облікові записи\nкористувачів, дані орендарів, географічні дані та щоденне споживання\nелектроенергії. Вона працювала за низького навантаження, але з ростом обсягів\nданих сповільнилася. Завданням було зробити її\n[вдесятеро швидшою без переробки архітектури](/uk/portfolio/accelerated-postgresql-performance-by-10x/),\nі запас для майбутнього зростання даних входив у ціль. Для цього додали індекси\nGiST для геопросторових даних і композитні індекси за орендарем і діапазоном\nдат, розділили таблицю електроенергії на партиції за часом, застосували\nхеш-партиціонування до географічних даних, переписали запити, перевіряючи їх\nчерез `EXPLAIN ANALYZE`, і налаштували пулінг з'єднань. Час відповіді\nпокращився вдесятеро, використання ресурсів бази знизилося на 40%, і система\nвитримувала зростаючі обсяги даних без погіршення продуктивності та з меншою\nпотребою в апаратних оновленнях.\n\nУ компанії середнього розміру з десятьма серверами баз даних PostgreSQL і SQL\nServer інфраструктуру\n[масштабували під зростання трафіку на 40% без погіршення обслуговування](/uk/portfolio/ran-10-postgresql-and-ms-sql-servers-on-ubuntu/).\nПаралельно час відповіді запитів покращився на 30% завдяки налаштуванню\nконфігурації та оптимізації індексів.\n\nПорядок, якого дотримується ця робота, описано в\n[нотатці про оптимізацію перед шардуванням](/uk/notes/optimise-before-you-shard/):\nдослідити, оптимізувати, зняти читання з основної бази, розділити таблиці\nнавколо гарячої точки на партиції і шардувати лише тоді, коли одна машина\nповністю завантажена корисною роботою. Нотатка називає три випадки, коли\nшардування доречне: основна база завантажена до межі вже ощадними запитами,\nобсяг даних перевищив можливості їх обслуговування або вимогою є сама ізоляція.\n\n## Де виникають проблеми\n\n**Більше вебсерверів перед однією базою.** Кожен сервер застосунку відкриває\nвласні з'єднання, і коли активних сесій у багато разів більше, ніж ядер у бази,\nсервер витрачає час на перемикання між ними. Пул з'єднань виправить це раніше\nза будь-яке залізо, а ще один вебсервер лише погіршить ситуацію.\n\n**Один гарячий рядок.** Коли кожен запит пише в той самий запис, наприклад у\nлічильник залишку чи баланс, пропускна здатність обмежена приблизно кількістю\nзаписів, яку несе одне блокування, поділеною на час його утримання, — на\nбудь-якій кількості машин. Усе повільне всередині блокування знижує цю стелю.\nТримайте транзакцію короткою, виносьте зовнішні виклики за її межі, а коли один\nтовар переростає свою машину, діліть його запас на менші частини, кожна з яких\nмає рівно одного власника.\n\n**Стан, що живе на одному сервері.** Сесії в пам'яті одного процесу, завантажені\nфайли на його локальному диску чи запланована задача, яка вважає себе єдиною\nкопією, — усе це заважає другому екземпляру стати рівноправним. Тримайте такий\nстан у спільному сховищі, щоб будь-який екземпляр міг відповісти на будь-який\nзапит.\n\n**Репліки, які вважають копіями основної бази.** Потокова репліка трохи\nвідстає, тож користувач, який щойно щось записав і читає з репліки, може цього\nне побачити; читайте свіжі записи з основної бази. Довгий звіт на\nstandby-сервері також можуть скасувати, коли він затримує зміни, які репліка\nвідтворює. Документація PostgreSQL називає це конфліктами запитів і описує\nналаштування, що обмінюють відставання репліки на менше таких конфліктів.\n\n**Партиції, яких запити не називають.** Партиціонування ділить одну таблицю за\nключем, наприклад за місяцем чи орендарем, тож запит, що називає ключ, читає\nлише потрібні партиції. Запит без ключа читає всі партиції й не виграє від\nподілу. Партиціонуйте за тим, за чим запити вже фільтрують, і чекайте виграшу\nлише для великих таблиць: емпіричне правило з документації PostgreSQL —\nтаблиця, більша за фізичну пам'ять сервера бази даних.\n\n## Що почитати далі\n\n- [RFC 9110: HTTP Semantics, section 3.3](https://www.rfc-editor.org/rfc/rfc9110#section-3.3)\n  — з'єднання, клієнти й сервери та те, як відсутність стану між запитами дає\n  реалізаціям змогу розподіляти запити між кількома серверами.\n- [PostgreSQL: Table Partitioning](https://www.postgresql.org/docs/current/ddl-partitioning.html)\n  — що таке партиціонування, коли воно окупається і як відсікання партицій\n  (partition pruning) пропускає ті, що запиту знадобитися не можуть.\n- [PostgreSQL: pg_stat_statements](https://www.postgresql.org/docs/current/pgstatstatements.html)\n  — розширення, що веде облік викликів і часу для кожного нормалізованого\n  запиту.\n- [PostgreSQL: Hot Standby](https://www.postgresql.org/docs/current/hot-standby.html)\n  — запити лише на читання на standby-сервері та конфлікти, які можуть їх\n  скасувати.\n- [RFC 9111: HTTP Caching](https://www.rfc-editor.org/rfc/rfc9111)\n  — як HTTP-кеші зберігають і повторно використовують відповіді, щоб повторні\n  запити могли не доходити до вихідного сервера.\n\n\u003chttps://engineer.company/uk/glossary/scalability/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Що означає масштабованість, вертикальне й горизонтальне масштабування, чому спільний рядок обмежує ріст і що виміряти перед новим сервером бази даних.","formats":{"gemtext":"https://engineer.company/uk/glossary/scalability/index.gmi","gopher":"https://engineer.company/uk/glossary/scalability/gophermap","html":"https://engineer.company/uk/glossary/scalability/","json":"https://engineer.company/uk/glossary/scalability/index.json","markdown":"https://engineer.company/uk/glossary/scalability/index.md","pdf":"https://engineer.company/uk/glossary/scalability/index.pdf"},"kind":"page","language":"uk","title":"Що таке масштабованість?","url":"https://engineer.company/uk/glossary/scalability/","version":1}