هر زمان که سیستم شما رشد می‌کند، ترافیک افزایش می‌یابد، کاربران بیشتر و بیشتری از محصولات شما استفاده می‌کنند، سرورها کندتر پاسخ می‌دهند، خرابی کسب‌وکار شما را مجبور می‌کند که آسیب ببیند، سپس به فکر افزایش مقیاس می‌افتید.
دو استراتژی اصلی برای مقیاس بندی وجود دارد - عمودی و افقی.
مقیاس عمودی قصد دارد با افزودن CPU و RAM بیشتر به سرورهای شما، قدرت سیستم را افزایش دهد.
در مقابل، مقیاس بندی افقی بر تکرار (یا شبیه سازی) سرورهای شما در مجموعه منابع تمرکز دارد.
بیشتر در این مورد:
مقیاس بندی عمودی
مقیاس بندی عمودی بهترین گزینه برای سیستم های کم تردد است زیرا در دسترس ترین رویکرد برای مدیریت رشد بدون ایجاد پیچیدگی اضافی است. نیازی نیست به استقرار استراتژی‌ها برای گروهی از منابع، انعطاف پذیری مخزن منابع، عدم وضعیت سرور خود، حافظه پنهان توزیع شده و غیره اهمیت دهید.
با این حال، مقیاس عمودی دارای اشکالات جدی است
- محدودیت سخت افزاری از آنجایی که اضافه کردن منابع بی نهایت غیرممکن است
- عدم وجود خرابی و افزونگی، خطر خرابی طولانی مدت و از دست دادن داده ها را افزایش می دهد
مقیاس بندی افقی
مقیاس افقی این مشکلات را با شبیه سازی سرورهای برنامه شما و تعبیه مولفه ای مانند یک متعادل کننده بار برطرف می کند.
متعادل کننده بار ترافیک را با استفاده از الگوریتم های خاصی مانند:
دور روبین دور روبین وزن دار - رویکردهای مبتنی بر هش IP
- حداقل روش اتصال
- روش اتصال با حداقل وزن
- روش کمترین پاسخ، و بسیاری دیگر.
با این حال، چندین اشکال دارد:
- سرورها باید بدون تابعیت باشند
- جلسات باید در یک فروشگاه داده متمرکز ادامه داشته باشند
- پیچیده تر
استقرار استراتژی ها ممکن است مورد نیاز باشد - اگر یک بار متعادل کننده به اشتباه پیکربندی شود و منابع کافی نباشد، می تواند به یک گلوگاه عملکرد تبدیل شود
- این پیچیدگی اضافی را به سیستم وارد می کند و به عنوان یک نقطه بالقوه شکست می ایستد که مستلزم به کارگیری استراتژی های failover است.
L4 / L7 متعادل کننده بار
برای اینکه دو دستگاه در اینترنت با یکدیگر ارتباط برقرار کنند، سیستم های زیربنایی باید از پروتکل های خاصی پیروی کنند. همه در مورد مدل OSI شنیده‌اند که هفت لایه را توصیف می‌کند که سیستم‌های کامپیوتری برای برقراری ارتباط از طریق یک شبکه استفاده می‌کنند. اگرچه اینترنت مدرن مبتنی بر یک مدل پشته پروتکل TCP/IP ساده‌تر است، مدل OSI به طور گسترده استفاده می‌شود، زیرا به تجسم و ارتباط نحوه عملکرد شبکه‌ها کمک می‌کند و به جداسازی و عیب‌یابی مشکلات شبکه کمک می‌کند.
اکثر راه حل های متعادل کننده بار صنعتی از اصطلاحات L4 و L7 استفاده می کنند که در آن L4 به لایه انتقال در مدل OSI و L7 به لایه کاربردی اشاره دارد.
متعادل کننده بار L4 همچنان L2/L3 است زیرا از داده های لایه های پایینی مانند آدرس IP و شماره پورت استفاده می کند.
مزایای اصلی بار متعادل کننده L4
از آنجایی که محتوای داده در تصمیم گیری مسیریابی استفاده نمی شود، ایمن تر و کارآمدتر است
همان اتصال TCP بین کلاینت و سرور برقرار است، که به جلوگیری از تجاوز از حد مجاز اتصالات TCP موجود در یک متعادل کننده بار کمک می کند.
معایب اصلی بار متعادل کننده L4
- مسیریابی هوشمند غیرممکن است زیرا محتوا رمزگشایی نمی شود
- پروتکل Stateful پیچیدگی بیشتری را به همراه دارد
- نقشه برداری بین آدرس های عمومی و خصوصی
- ذخیره سازی وجود ندارد زیرا محتوا در این سطح در دسترس نیست
- امکان استفاده برای معماری میکروسرویس وجود ندارد زیرا تغییر مسیر ترافیک بر اساس مسیر url در دسترس نیست
از سوی دیگر، متعادل کننده بار L7 در سطح کاربرد در مدل OSI عمل می کند
مزایای اصلی بار متعادل کننده L7
تصمیمات هوشمندانه را می توان بر اساس مسیر URL، هدرها، محتوا اتخاذ کرد
ذخیره سازی
معایب اصلی بار متعادل کننده L7
- سربار اضافی به دلیل حفظ دو اتصال TCP، یکی بین مشتری و متعادل کننده بار، و دیگری بین تعادل بار و سرور. همچنین، محدودیت اتصال TCP متعادل کننده بار باید در نظر گرفته شود
- امنیت کمتری دارد زیرا متعادل کننده بار باید گواهینامه ها را بشناسد تا بتواند داده ها را رمزگشایی کند و تصمیمات مسیریابی را بگیرد.
نتیجه گیری
هنگامی که مقیاس افقی برای کنترل سیستم های پرترافیک اعمال می شود، متعادل کننده بار یک جزء حیاتی است. دو نوع اصلی متعادل کننده بار L4 و L7 وجود دارد.
متعادل کننده بار L4 به دلیل محدودیت در تصمیم گیری هوشمند بسیار ایمن تر و کارآمدتر است
متعادل کننده بار L7 به دلیل هزینه کارایی و امنیت به گونه ای عمل می کند که تصمیمات مسیریابی هوشمند را ارائه می دهد.
انتخاب نوع مناسب به نیازهای سیستم بستگی دارد و باید با توازن معقولی در بکارگیری اصول امنیتی و حذف گلوگاه‌های عملکرد به دقت مورد توجه قرار گیرد.
همچنین در اینجا منتشر شده است.
