행궁동 데이터 엔지니어

반응형

기술문서나, 아키텍처 구성도 등을 보면 자주 접하는
스케일업(Scale up), 스케일아웃(Scale out)이라는 용어(Terminology)에 대해 간단히 정리하려고 합니다.

 

각 용어를 한문장으로 요약하면 아래 표와 같습니다.

 

<요약 : Scale up과 Scale out>

용어 간단 설명
스케일업 (Scale up) 리소스의 수직적 확장
ex) 서버를 업그레이드(Cpu변경, Ram 추가 등)하여
서버 리소스 증대
스케일아웃 (Scale out) 리소스의 수평적 확장
ex) 서버를 추가설치 하여 분산 시스템구현

 

그림으로 표현하면 아래 그림과 같고
Scale up과 Scale out을 동시에 적용하는 경우도 있습니다.

<Scale up, Scale out 그림>

출처 : https://www.slideshare.net/teoliphant/scaling-pydata-up-and-out

 

Scale up, Scale out의 특징에 대해 궁금하신 분들이 있을 것 같아

확장, 비용, 운영, 장애 4 가지 측면에서 정리한 표도 함께 남깁니다.

 

<Scale up, Scale out 특징>

항목 Scale up(스케일업) Scale out(스케일아웃)
확장성 성능 확장에 한계가 있음
(업그레이드 한계)
지속적 확장이 가능
(추가 노드 설치로 분산 시스템 구현)
비용 일반적으로 성능 증가에 따른 비용 증가폭이 커 비용부담이 큼 저렴한 서버를 사용하므로 일반적으로 비용부담이 적음
운영 스케일업이 있어도 관리편의성, 운영비용등은 큰 변화가 없음 스케일아웃 발생 시 관리해야할 서버(노드)가 많아지고 운영이 어려워짐
장애 한대의 서버에 부하가 집중되므로 장애 발생 시 장애영향도가 큼  여러 서버(노드)에 작업이 분산 처리되어 장애 시 전면 장애의 가능성 적음

 

1. 튜나 개발일기님 블로그, [DB] DB확장을 하는 두가지 방법- 스케일아웃(scale out)과 스케일 업(scale up), https://devuna.tistory.com/73?category=894625
2. Travis Oliphant님 작성 슬라이드쉐어, Scaling PyData Up and Out, https://www.slideshare.net/teoliphant/scaling-pydata-up-and-out

 

반응형

이 글을 공유합시다

facebook twitter kakaoTalk kakaostory naver band