Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Azure DocumentDB, kümeleri hem dikey hem de yatay olarak ölçeklendirme olanağı sunar. İşlem kümesi katmanı ve Depolama diski işlevsel olarak birbirine bağlı olsa da, işlem ve depolamanın ölçeklenebilirliği ve maliyeti birbirinden ayrılır.
Dikey ölçeklendirme
Dikey ölçeklendirme aşağıdaki avantajları sunar:
- Uygulama ekiplerinin her zaman verilerini mantıksal olarak parçalara bölmek için net bir yolu olmayabilir. Ayrıca, mantıksal parçalama koleksiyon başına tanımlanır. Parçalanmamış birkaç koleksiyona sahip bir veri kümesinde, verileri bölümlemeye yönelik veri modellemesi hızlı bir şekilde sıkıcı hale gelebilir. Yalnızca kümenin ölçeğini artırmak, uygulamanın artan depolama ve işlem gereksinimlerini karşılarken mantıksal parçalama gereksinimini aşabilir.
- Dikey ölçeklendirme için verilerin yeniden dengelemesi gerekmez. Fiziksel parça sayısı aynı kalır ve uygulamayı etkilemeden yalnızca kümenin kapasitesi artar.
- Ölçek artırma ve azaltma, hizmette kesinti olmaksızın sıfır kesinti süresiyle gerçekleştirilir. Uygulama değişikliği gerekmez ve kararlı durum işlemleri bozulmadan devam edebilir.
- İşlem kaynaklarının ölçeği düşük etkinliğin bilinen zaman pencereleri sırasında da azaltılabilir. Bir kez daha, ölçek küçültmek, verileri daha az fiziksel parça arasında yeniden dengeleme gereksinimini ortadan kaldırır ve hizmette herhangi bir kesinti olmadan sıfır kesinti operasyonudur. Burada da kümenin ölçeği azaltıldıktan sonra uygulama değişikliği gerekmez.
- En önemlisi, işlem ve depolama bağımsız olarak ölçeklendirilebilir. Daha fazla çekirdek ve bellek gerekiyorsa disk boyutu olduğu gibi bırakılabilir ve küme katmanı ölçeklendirilebilir. Aynı şekilde, daha fazla depolama alanı ve IOPS gerekiyorsa küme katmanı olduğu gibi bırakılabilir ve depolama boyutu bağımsız olarak ölçeklendirilebilir. Gerekirse, her bileşenin esneklik gereksinimleri diğerini etkilemeden her bileşenin gereksinimlerini ayrı ayrı iyileştirmek için hem işlem hem de depolama birbirinden bağımsız olarak ölçeklendirilebilir.
Yatay ölçeklendirme
Sonunda uygulama, dikey ölçeklendirmenin yeterli olmadığı bir noktaya kadar büyür. İş yükü gereksinimleri en büyük küme katmanının kapasitesini aşabilir ve sonunda daha fazla parça gerekir. Azure DocumentDB'de yatay ölçeklendirme aşağıdaki avantajları sunar:
- Mantıksal olarak parçalanmış veri kümeleri, temel alınan fiziksel parçalar arasında verileri dengelemek için kullanıcı müdahalesi gerektirmez. Hizmet, mantıksal parçaları otomatik olarak fiziksel parçalara eşler. Düğümler eklendiğinde veya kaldırıldığında, veriler arka planda veritabanında otomatik olarak yeniden dengelenir.
- İstekler otomatik olarak sorgulanan verilerin karma aralığına sahip olan ilgili fiziksel parçaya yönlendirilir.
- Coğrafi olarak dağıtılmış kümelerin homojen bir çok düğümlü yapılandırması vardır. Bu nedenle mantıksal ve fiziksel parça eşlemeleri bir kümenin birincil ve çoğaltma bölgelerinde tutarlıdır.
İşlem ve depolama ölçeklendirme
İşlem ve bellek kaynakları , Azure DocumentDB'deki okuma işlemlerini disk IOPS'den daha fazla etkiler.
- Okuma işlemleri önce işlem katmanındaki önbelleğe danışır ve veriler önbellekten alınamadığında diske geri döner. Saniyede daha yüksek okuma işlemi hızına sahip iş yükleri için daha fazla CPU ve bellek kaynağı elde etmek için küme katmanının ölçeğini artırmak daha yüksek aktarım hızına yol açar.
- Okuma aktarım hızına ek olarak, okuma işlemi başına yüksek miktarda veriye sahip iş yükleri de kümenin işlem kaynaklarını ölçeklendirmeden yararlanır. Örneğin, daha fazla belleğe sahip küme katmanları, belge başına daha büyük yük boyutlarını ve yanıt başına daha fazla sayıda daha küçük belgeyi kolaylaştırır.
Disk IOPS , Azure DocumentDB'deki yazma işlemlerini işlem kaynaklarının CPU ve bellek kapasitelerinden daha fazla etkiler.
- Yazma işlemleri verileri her zaman diskte kalıcı hale getirmektedir (okumaları iyileştirmek için bellekteki verileri kalıcı hale getirmenin yanı sıra). Daha fazla IOPS'ye sahip daha büyük diskler, özellikle büyük ölçekte çalışırken daha yüksek yazma aktarım hızı sağlar.
- Hizmet parça başına en fazla 32 TB disk destekler ve özellikle büyük ölçekte çalışırken yoğun yazma iş yüklerinden yararlanmak için parça başına daha fazla IOPS sağlar.
Ağır depolama iş yükleri ve büyük diskler
Küme katmanı başına en düşük depolama gereksinimi yok
Daha önce belirtildiği gibi, depolama ve hesaplama kaynakları faturalama ve sağlama süreçlerinde birbirinden ayrıştırılmıştır. Uyumlu bir birim olarak işlev görürler ancak bağımsız olarak ölçeklendirilebilirler. M30 küme katmanında 32 TB disk sağlanmış olabilir. Benzer şekilde, M200 küme katmanında hem depolama hem de işlem maliyetlerini iyileştirmek için sağlanan 32 GB disk olabilir.
Büyük disklerle daha düşük TCO (32 TB ve sonrası)
NoSQL veritabanları genellikle fiziksel parça başına depolama alanını 4 TB ile sınırlar. Azure DocumentDB, 32 TB disk ile 8 kata kadar kapasite sağlar. Ağır depolama iş yükleri için fiziksel parça başına 4 TB depolama kapasitesi, yalnızca iş yükünün depolama gereksinimlerini karşılamak için çok büyük bir işlem kaynağı filosu gerektirir. Hesaplama, depolamadan daha pahalıdır ve bir hizmetteki kapasite sınırlarından dolayı hesaplamayı fazla sağlamak maliyetleri hızla artırabilir.
Şimdi 200 TB veri içeren yoğun depolama iş yükü düşünelim.
| Parça başına depolama boyutu | 200 TB'ı sürdürmek için gereken en az shard sayısı |
|---|---|
| 4 TiB | 50 |
| 32 Tebibyte (TiB) | 7 |
İşlem gereksinimlerindeki azalma, daha büyük disklerle keskin bir şekilde azalır. İş yükünün aktarım hızı gereksinimlerini karşılamak için en düşük fiziksel parça sayısından fazla gerekli olsa da parça sayısını ikiye katlama veya üçe katlama, daha küçük disklere sahip 50 parça kümesinden daha uygun maliyetlidir.
Büyük disklerle depolama katmanlamayı atlama
Yoğun depolama senaryolarında işlem maliyetlerini azaltmanın hızlı bir yolu, verileri katmanlandırmaktır. İşlem veritabanındaki veriler en sık erişilen "sık erişimli" veriyle sınırlıyken, daha büyük hacimli "soğuk" veriler bir soğuk depoya ayrılır. Bu işlem karmaşıklığını neden olur. Performans da tahmin edilemez ve erişilen veri katmanına bağlıdır. Ayrıca, tüm sistemin erişilebilirliği, sıcak ve soğuk veri depolarının birleşik dayanıklılığına bağlıdır. Büyük diskler hizmette olduğunda, ağır depolama iş yüklerinin maliyeti en aza indirildiğinden katmanlı depolamaya gerek yoktur.