可扩展性是什么

流量上涨时，系统是加机器还是加 CPU？可扩展性（Scalability） 描述系统在负载增长时仍能保持性能与可用性的能力。对应 CodeRoadMap 全栈路线图 的 building-for-scale 节点：从单体走向可水平扩展的后端架构。

学习目标

• 区分垂直扩展与水平扩展的适用场景与成本曲线
• 用 QPS、延迟、可用性三个指标描述扩展需求
• 识别单体应用中常见的扩展瓶颈（数据库、Session、单点）

核心概念

方式	做法	优点	局限
垂直扩展（Scale Up）	升级 CPU/内存/磁盘	改动小、无分布式复杂度	硬件天花板、停机窗口
水平扩展（Scale Out）	增加同类实例	理论上无上限、故障隔离	需要无状态、数据分片与负载均衡

扩展不是免费午餐：水平扩展引入网络延迟、数据一致性与运维复杂度。工程上常见路径是：先垂直撑过早期流量，再在瓶颈明确后拆分无状态层与数据层。

请求 → [LB] → App × N → DB（往往最先成为瓶颈）

单机瓶颈排查顺序：CPU 饱和 → 内存/GC → 磁盘 I/O → 网络 → 下游依赖。后续课程将逐一拆解数据层与流量层的扩展手段。

与路线图

本 track 是 devops 方向的 构建可扩展系统 入口。读完本课，继续 scale-cap 理解分布式取舍；数据层细节见 postgresql-essentials 与 redis-essentials。

练习

• 画一张你熟悉系统的部署图，标出可能的单点
• 估算当前服务峰值 QPS 与 P99 延迟，写出第一个会触顶的组件
• 在路线图中找到 building-for-scale，列出其前后三个关联节点

小结

可扩展性 = 负载增长时仍可控的性能与可用性；垂直救急，水平才是长期路径。