3、分布式系统架构：可扩展性与性能优化

分布式系统架构：可扩展性与性能优化

1. 单体架构及其局限性

在许多应用场景中，常使用如 Java EE、Spring Framework for Java、Python 的 Flask 等服务器技术，这种方式会形成单体架构。随着应用功能不断丰富，单体架构的复杂度会不断增加，所有 API 处理程序都构建在同一个服务器代码体中。这使得快速修改和测试变得困难，而且由于所有 API 实现都在同一个应用服务中运行，执行占用资源会变得非常大。

不过，如果请求负载相对较低，这种应用架构是足够的，服务能够以低延迟处理请求。但当请求负载持续增长时，由于服务的 CPU 和内存容量不足以处理并发请求，延迟会增加，请求处理时间变长，单个服务器会过载并成为瓶颈。

2. 垂直扩展（Scale Up）

当遇到上述瓶颈时，第一种扩展策略通常是对应用服务硬件进行“垂直扩展”。例如，若应用运行在 AWS 上，可以将服务器从配置为 4 个（虚拟）CPU 和 16GB 内存的 t3.xlarge 实例升级到 t3.2xlarge 实例，后者的 CPU 和内存数量翻倍。

垂直扩展很简单，能让许多实际应用在支持更大工作负载方面取得很大进展。但显然，硬件成本会增加，这就是扩展的代价。然而，对于许多应用来说，无论增加多少 CPU 和内存，负载最终都会增长到单个服务器节点无法承受的程度，这时就需要新的策略——水平扩展。

3. 水平扩展（Scale Out）

水平扩展依赖于在架构中复制服务，并在多个服务器节点上运行多个副本。客户端的请求会分布在这些副本上，理论上，如果有 N 个副本和 R 个请求，每个服务器节点将处理 R/N 个请求。这种简单