확장 및 데이터베이스 최적화

수직 확장은 기계의 초당 처리 요청 수 용량을 증가시킵니다. Node.js와 같은 단일 스레드 언어에서는 수직 확장이 주로 처리 성능이 아닌 메모리와 저장 용량을 향상시킵니다. Node.js에서 계산 집약적인 작업의 경우 클러스터 모듈과 워커 스레드가 필요합니다. Rust, Go, Java와 같은 다중 스레드 언어는 여러 코어를 활용할 수 있기 때문에 수직 확장으로부터 더 많은 이점을 얻습니다. 용량 추정에는 서버 요구 사항 계산, 트래픽 급증 처리 및 서비스 수준 계약(SLA) 충족이 포함됩니다. 자동 확장 그룹은 CPU 사용량과 같은 메트릭을 기반으로 서버 인스턴스를 동적으로 조정합니다. 체스 앱과 같이 지속적인 연결은 축소 조정 중 연결 해제를 관리하기 위해 신중한 확장이 필요합니다. 애플리케이션마다 고유한 확장 전략이 있습니다. Replit은 웜 풀을 사용하는 반면 YouTube는 큐 기반 접근 방식을 사용합니다. SLA는 성능 기대치와 가용성을 정의하며, 계산은 허용 가능한 다운타임을 결정합니다. 수평 확장은 증가된 부하를 처리하기 위해 더 많은 인스턴스를 추가하며, 종종 자동 확장 그룹이나 컨테이너화를 사용합니다. 주요 용어에는 부하 분산기, AMI, 대상 그룹, 시작 템플릿, SSH 및 인바운드 규칙이 포함됩니다. 데이터베이스 인덱싱은 B-트리와 같은 데이터 구조를 사용하여 읽기 작업 속도를 높이지만 쓰기 작업 속도는 늦춥니다. 데이터베이스 정규화는 테이블을 다양한 정규 형식(1NF, 2NF, 3NF, BCNF 등)으로 분해하여 데이터 중복성을 줄이며, 효율성과 데이터 무결성의 균형을 맞추기 위해 3NF 또는 BCNF를 목표로 합니다.