スケーラビリティ

スケーラビリティとは、増大する作業量を処理するシステムの特性です。ソフトウェアシステムの定義の1つでは、スケーラビリティはシステムにリソースを追加することで実現できるとされています。^[1]

経済的な観点から見ると、スケーラブルなビジネスモデルとは、リソースの増加に応じて企業が売上を伸ばせることを意味します。たとえば、荷物の配送システムは、配送車両を増やすことでより多くの荷物を配送できるため、スケーラブルです。ただし、すべての荷物が仕分けのために最初に 1 つの倉庫を通過する必要がある場合は、1 つの倉庫で処理できる荷物の数が限られているため、システムのスケーラビリティは低下します。^[2]

コンピューティングにおいて、スケーラビリティはコンピュータ、ネットワーク、アルゴリズム、ネットワークプロトコル、プログラム、アプリケーションの特性です。一例としては、増加するユーザー数とインデックスするトピック数をサポートしなければならない検索エンジンが挙げられます。^[3] Webscaleは、大規模なクラウドコンピューティング企業の機能をエンタープライズデータセンターにもたらすコンピュータアーキテクチャアプローチです。^[4]

分散システムには、著者によるといくつかの定義があり、スケーラビリティの概念を弾力性の一部と考える人もいれば、別のものと見なす人もいます。Marc Brookerによると、「システムは、追加の作業負荷の限界費用がほぼ一定である範囲でスケーラブルです。」サーバーレステクノロジーはこの定義に適合しますが、インフラコストだけでなく総所有コストを考慮する必要があります。^[5]

数学において、スケーラビリティは主にスカラー乗算における閉包性を指します。

産業工学と製造業において、スケーラビリティとは、増大する作業負荷を処理し、高まる需要に適応し、運用効率を維持するためのプロセス、システム、または組織の能力を指します。スケーラブルなシステムは、品質やパフォーマンスを犠牲にすることなく、生産量の増加、新製品ライン、または拡大する市場を効果的に管理できます。この文脈において、スケーラビリティは、顧客の期待に応え、競争力を維持し、持続可能な成長を達成することを目指す企業にとって重要な考慮事項です。スケーラビリティに影響を与える要因には、生産プロセスの柔軟性、従業員の適応性、および高度なテクノロジーの統合が含まれます。スケーラブルなソリューションを実装することで、企業はリソースの使用を最適化し、コストを削減し、業務を合理化できます。産業工学と製造業におけるスケーラビリティにより、企業は変動する市場状況に対応し、新たな機会を活用し、常に進化するグローバルな環境で繁栄することができます。^{[引用が必要]}

米国の緊急対応機関は、インシデント・コマンド・システム（ICS）を使用しています。ICSは、単発の道路脇の山火事から州間山火事まで、リソースの調整を拡張できます。現場に最初に到着したリソースが指揮権を確立し、リソースを指示し、責任を委任する権限を持ちます（5～7人の警官を管理し、さらに最大7人に委任し、事件が拡大するにつれてさらに増えていきます）。事件が拡大するにつれて、より上級の警官が指揮権を引き継ぎます。^[6]

スケーラビリティは、次のような複数の次元で測定できます。^[7]

• 管理上のスケーラビリティ: 増加する組織またはユーザーがシステムにアクセスできる能力。
• 機能のスケーラビリティ: 既存のアクティビティを中断することなく、新しい機能を追加してシステムを強化する能力。
• 地理的スケーラビリティ: ローカルエリアからより広い地域に拡大する際に有効性を維持する能力。
• 負荷のスケーラビリティ:分散システムが負荷の増減に合わせて拡張および縮小する能力。これには、変化する負荷に合わせてシステムまたはコンポーネントを変更、追加、または削除する容易さも含まれます。
• 世代のスケーラビリティ: 新しい世代のコンポーネントを採用することでシステムを拡張する能力。
• 異種スケーラビリティとは、異なるベンダーのコンポーネントを採用できる能力です。

• ルーティング プロトコルは、各ノードの必要なルーティング テーブルのサイズがO (log N )ずつ増加する場合、ネットワーク サイズに関してスケーラブルであると見なされます。ここで、 Nはネットワーク内のノードの数です。Gnutella の初期のピアツーピア( P2P) 実装には、スケーリングの問題がありました。各ノードのクエリは、すべてのノードに要求を殺到しました。各ピアの需要はピアの合計数に比例して増加し、すぐに容量を超えました。BitTorrent などの他の P2P システムは、各ピアの需要がピアの数に依存しないため、スケーラビリティに優れています。何も集中化されていないため、ピア以外のリソースなしでシステムを無制限に拡張できます。
• スケーラブルなオンライン トランザクション処理システムまたはデータベース管理システムとは、新しいプロセッサ、デバイス、およびストレージを追加することで、より多くのトランザクションを処理できるようにアップグレードでき、システムをシャットダウンせずに簡単かつ透過的にアップグレードできるシステムです。
• ドメイン ネーム システム(DNS)は分散型であるため、効率的に動作し、世界中のインターネット上の何十億ものホストにサービスを提供します。

リソースは、水平と垂直の2つの大きなカテゴリに分類されます。^[8]

水平方向のスケーリング（アウト/イン）とは、分散ソフトウェアアプリケーションに新しいコンピュータを追加するなど、ノードを追加または削除することを意味します。例としては、1台のWebサーバーから3台へのスケールアウトが挙げられます。地震解析やバイオテクノロジーなどの高性能コンピューティングアプリケーションでは、ワークロードを水平方向にスケーリングして、かつては高価なスーパーコンピュータが必要だったタスクをサポートします。大規模なソーシャルネットワークなどの他のワークロードは、最大のスーパーコンピュータの容量を超えており、スケーラブルなシステムでのみ処理できます。このスケーラビリティを活用するには、効率的なリソース管理とメンテナンスのためのソフトウェアが必要です。^[7]

垂直方向のスケーリング（アップ/ダウン）とは、単一のノードにリソースを追加する（または単一のノードからリソースを削除する）ことを意味し、通常は単一のコンピューターにCPU、メモリ、またはストレージを追加することを伴います。^[7]

スケールアップの利点には、管理の複雑さの増加を回避できること、リソース間でタスクを割り当てるためのより高度なプログラミング、スループット、レイテンシ、ノード間の同期などの問題を処理できることなどがあります。さらに、一部のアプリケーションは水平方向に拡張できません。

ネットワーク機能仮想化では、これらの用語は異なる定義をしています。スケールアウト/インは、リソースインスタンス（仮想マシンなど）を追加/削除することでスケーリングする機能であり、スケールアップ/ダウンは、割り当てられたリソース（メモリ/CPU/ストレージ容量など）を変更することでスケーリングする機能です。^[9]

データベースのスケーラビリティを実現するには、追加のサーバー、プロセッサ、メモリ、ストレージなどのハードウェア リソースが増えた場合に、データベース システムが追加の作業を実行できることが必要です。ワークロードは増加し続けており、データベースに対する需要もそれに応じて増加しています。

アルゴリズムの革新には、行レベルのロック、テーブルとインデックスのパーティション分割が含まれます。アーキテクチャの革新には、マルチサーバー構成を管理するための シェアードナッシングアーキテクチャとシェアードエブリシングアーキテクチャが含まれます。

スケールアウト型データストレージの文脈では、スケーラビリティは完全なデータ一貫性を保証する最大ストレージクラスタサイズとして定義されます。つまり、冗長な物理データコピーの数とは無関係に、クラスタ全体で保存されたデータの有効なバージョンは常に 1 つだけであることを意味します。非同期方式でコピーを更新することで「遅延」冗長性を提供するクラスタは、「結果的に一貫性がある」と呼ばれます。このタイプのスケールアウト設計は、可用性と応答性が一貫性よりも高く評価される場合に適しています。これは、多くの Web ファイルホスティングサービスや Web キャッシュに当てはまります (最新バージョンが必要な場合は、伝播するまで数秒待つ必要があります)。すべての従来のトランザクション指向アプリケーションでは、この設計は避けるべきです。^[10]

多くのオープンソースや商用スケールアウト ストレージ クラスター、特に標準的な PC ハードウェアとネットワーク上に構築されたものは、CouchDBなどの一部の NoSQL データベースや、上記で述べた他のもののように、結果整合性のみを提供します。書き込み操作は他のコピーを無効にしますが、多くの場合、それらの確認応答を待ちません。読み取り操作は通常、応答前にすべての冗長コピーをチェックしないため、前の書き込み操作が失われる可能性があります。大量のメタデータ信号トラフィックを許容可能なパフォーマンスで処理するには、専用のハードウェアと短い距離が必要です (つまり、非クラスター化ストレージ デバイスまたはデータベースのように動作します)。^{[引用が必要]}

強力なデータ一貫性が期待される場合は、次の指標を探してください: ^{[引用が必要]}

• クラスターのサイズと冗長コピーの数の増加に伴うパフォーマンスの低下を回避するために、InfiniBand、Fibrechannel、または同様の低遅延ネットワークを使用します。
• ケーブル長が短く、物理的な範囲が制限されているため、信号実行時のパフォーマンス低下を回避できます。
• クラスターの一部がアクセス不能になった場合にデータの一貫性を保証するための多数決/クォーラム メカニズム。

最終的に一貫性のある設計の指標（トランザクションアプリケーションには適していません！）は次のとおりです。^{[引用が必要]}

• 書き込みパフォーマンスは、クラスター内の接続されたデバイスの数に応じて直線的に増加します。
• ストレージ クラスターがパーティション分割されている間も、すべての部分は応答し続けます。更新が競合するリスクがあります。

システム設計では、容量よりもハードウェアのスケーラビリティに重点を置くことが推奨されることが多いです。通常、パフォーマンス チューニングを行って各ノードが処理できる容量を向上させるよりも、システムに新しいノードを追加してパフォーマンスを向上させる方が安価です。ただし、このアプローチでは、収穫逓減の法則が考えられます (パフォーマンス エンジニアリングで説明されているように)。たとえば、プログラムの 70% を並列化して 1 つの CPU ではなく複数の CPU で実行すれば、速度が向上するとします。計算のうちの順次実行の割合を 、並列化できる割合を とすると、 P 個のプロセッサを使用することで実現できる最大の速度向上は、アムダールの法則に従って次のように表されます。 ${\displaystyle \alpha }$${\displaystyle 1-\alpha }$

${\displaystyle {\frac {1}{\alpha +{\frac {1-\alpha }{P}}}}.}$

この例の値を4つのプロセッサに代入すると、

${\displaystyle {\frac {1}{0.3+{\frac {1-0.3}{4}}}}=2.105.}$

計算能力を8つのプロセッサに倍増すると、

${\displaystyle {\frac {1}{0.3+{\frac {1-0.3}{8}}}}=2.581.}$

処理能力を 2 倍にしても、処理速度は 5 分の 1 程度しか上がりません。問題全体を並列化できれば、速度も 2 倍になります。したがって、ハードウェアを増やすことが必ずしも最適なアプローチとは限りません。

分散システムでは、ユニバーサル スケーラビリティ法則(USL) を使用してシステムのスケーラビリティをモデル化して最適化できます。USL はNeil J. Guntherによって考案されたもので、競合や一貫性などのパラメータに基づいてスケーラビリティを定量化します。競合とは、共有リソースの待機またはキューイングによる遅延を指します。一貫性とは、データの一貫性が保たれるまでの遅延を指します。たとえば、競合が高い場合は、並列化できる順次処理を示し、一貫性が高い場合は、プロセス間の依存関係が過剰であることを示唆し、相互作用を最小限に抑えるように促します。また、USL を使用すると、システムの最大有効容量を事前に計算できます。そのポイントを超えてシステムをスケールアップするのは無駄です。^[11]

高性能コンピューティングには、スケーラビリティに関する 2 つの一般的な概念があります。

• 強いスケーリングは、問題の合計サイズが固定されている場合に、プロセッサの数に応じて解決時間がどのように変化するかとして定義されます。
• 弱いスケーリングは、プロセッサあたりの問題サイズが固定されている場合に、プロセッサ数に応じて解決時間がどのように変化するかとして定義されます。^[12]

無料辞書のウィクショナリーでスケーラビリティを調べてください。

• さまざまな学習リソースへのリンク – memcachedプロジェクトによってキュレーションされたページ。
• スケーラブルな定義 – Linux 情報プロジェクト (LINFO)
• 分散システムにおけるスケール B. クリフォード ニューマン、分散コンピューティング システムの読み物、IEEE コンピュータ ソサエティ プレス、1994 年