Skalierung und Datenbank-Optimierung

Vertikales Skalieren erhöht die Kapazität einer Maschine, mehr Anfragen pro Sekunde zu verarbeiten. In Single-Threaded-Sprachen wie Node.js steigert vertikales Skalieren hauptsächlich den Arbeitsspeicher und den Speicherplatz, nicht die Rechenleistung. Für rechenintensive Aufgaben in Node.js sind Cluster-Module und Worker-Threads notwendig. Multi-Threaded-Sprachen wie Rust, Go und Java profitieren aufgrund ihrer Fähigkeit, mehrere Kerne zu nutzen, stärker vom vertikalen Skalieren. Die Kapazitätsplanung umfasst die Berechnung des Serverbedarfs, die Bewältigung von Verkehrsspitzen und die Einhaltung von Service Level Agreements (SLAs). Auto-Scaling-Gruppen passen die Serverinstanzen dynamisch an, basierend auf Metriken wie der CPU-Auslastung. Permanente Verbindungen, wie in Schach-Apps, erfordern ein sorgfältiges Skalieren, um Verbindungsabbrüche während des Downscalings zu verwalten. Unterschiedliche Anwendungen haben einzigartige Skalierungsstrategien; Replit verwendet einen Warm-Pool, während YouTube einen queue-basierten Ansatz verwendet. SLAs definieren Leistungserwartungen und Verfügbarkeit; Berechnungen bestimmen akzeptable Ausfallzeiten. Horizontales Skalieren fügt weitere Instanzen hinzu, um die erhöhte Last zu bewältigen, oft unter Verwendung von Auto-Scaling-Gruppen oder Containerisierung. Wichtige Begriffe sind Load Balancer, AMIs, Target Groups, Launch Templates, SSH und Inbound Rules. Datenbankindizes beschleunigen Leseoperationen mithilfe von Datenstrukturen wie B-Bäumen, verlangsamen aber Schreibvorgänge. Datenbanknormalisierung reduziert Datenredundanz, indem Tabellen in verschiedene Normalformen (1NF, 2NF, 3NF, BCNF usw.) zerlegt werden, wobei das Ziel 3NF oder BCNF ist, um Effizienz und Datenintegrität auszubalancieren.