Что такое масштабирование БД?

# Масштабирование баз данных

Масштабирование БД — это процесс увеличения производительности и объёма данных, которые может обрабатывать система. Это критически важный аспект разработки высоконагруженных приложений.

Типы масштабирования

Вертикальное масштабирование (Scale Up)

Добавление ресурсов к одному серверу:

• Увеличение RAM (память)
• Замена на более мощный процессор
• Добавление SSD дисков

Преимущества:

• Простая реализация
• Не требует изменения кода приложения
• Нет сложности с синхронизацией данных

Недостатки:

• Есть физический лимит (не бесконечно можно добавлять ресурсы)
• Простое решение — дорогое оборудование
• Single point of failure (одна база = одна точка отказа)

Горизонтальное масштабирование (Scale Out)

Распределение данных на несколько серверов:

• Sharding (разбиение данных по ключу)
• Replication (репликация, создание копий)
• Partitioning (разделение таблиц)

Преимущества:

• Потенциально бесконечное масштабирование
• Высокая отказоустойчивость
• Лучше использует ресурсы

Недостатки:

• Сложная архитектура
• Требует изменения кода приложения
• Проблемы с консистентностью данных
• Сложный debugging

Стратегии масштабирования

1. Sharding (Шардирование)

Разбиение данных по горизонтали на несколько БД на основе sharding key:

public class ShardingService {
    private List<Database> shards;
    
    public int getShardIndex(String userId) {
        // Консистентный хеш для определения шарда
        return Math.abs(userId.hashCode()) % shards.size();
    }
    
    public User getUser(String userId) {
        int shardIndex = getShardIndex(userId);
        return shards.get(shardIndex).query("SELECT * FROM users WHERE id = ?", userId);
    }
}

2. Replication (Репликация)

Создание копий данных для повышения надёжности и распределения нагрузки:

public class ReplicationService {
    private Database master;
    private List<Database> slaves;
    
    // Writes идут в master
    public void saveUser(User user) {
        master.save(user);
        // master автоматически реплицирует в slaves
    }
    
    // Reads распределяются между slaves
    public User getUser(String id) {
        Database slave = selectRandomSlave();
        return slave.query("SELECT * FROM users WHERE id = ?", id);
    }
}

3. Read Replicas

Распределение операций чтения на отдельные реплики, а операций записи на master:

• Увеличивает throughput для читающих запросов
• Master остаётся неперегруженной
• Может быть лаг между master и replicas

Практические примеры в Java

Connection Pooling для масштабирования

public class DatabasePool {
    private HikariConfig config = new HikariConfig();
    private HikariDataSource dataSource;
    
    public DatabasePool() {
        config.setMaximumPoolSize(20); // max connections
        config.setMinimumIdle(5);
        config.setConnectionTimeout(30000);
        dataSource = new HikariDataSource(config);
    }
    
    public Connection getConnection() throws SQLException {
        return dataSource.getConnection();
    }
}

Load Balancing

public class LoadBalancer {
    private List<DatabaseReplica> replicas;
    private int currentIndex = 0;
    
    public synchronized DatabaseReplica selectReplica() {
        DatabaseReplica replica = replicas.get(currentIndex);
        currentIndex = (currentIndex + 1) % replicas.size();
        return replica; // Round-robin
    }
}

Challenges при масштабировании

1. Консистентность данных — CAP теорема (Consistency, Availability, Partition tolerance)
2. Distributed transactions — сложно обеспечить ACID
3. Latency — задержки при распределённой архитектуре
4. Monitoring — сложнее отслеживать проблемы
5. Cost — требует инвестиций в инфраструктуру

Когда использовать

• Вертикальное: малые приложения, простые требования, бюджет позволяет
• Горизонтальное: высоконагруженные сервисы, большие объёмы данных, высокие требования к надёжности

Выбор стратегии зависит от характеристик вашего приложения и критических требований к производительности.