スケーラビリティ

スケーラビリティとは、増加する作業量に対応できるシステムの特性です。ソフトウェアシステムの定義の一つでは、スケーラビリティはシステムにリソースを追加することで実現できるとされています。^[1]

経済的な文脈において、スケーラブルなビジネスモデルとは、企業がリソースの増加に応じて売上を伸ばせることを意味します。例えば、荷物の配送システムは、配送車両を増やすことでより多くの荷物を配送できるため、スケーラブルです。しかし、すべての荷物が仕分けのためにまず単一の倉庫を通過する必要がある場合、1つの倉庫で処理できる荷物の数は限られているため、システムのスケーラビリティは低下します。^[2]

コンピューティングにおいて、スケーラビリティとは、コンピュータ、ネットワーク、アルゴリズム、ネットワークプロトコル、プログラム、アプリケーションの特性です。例えば、検索エンジンは増加するユーザー数とインデックスするトピック数に対応する必要があります。^[3] Webスケールとは、大規模クラウドコンピューティング企業の機能をエンタープライズデータセンターに導入するコンピュータアーキテクチャのアプローチです。^[4]

分散システムには、著者によって様々な定義があり、スケーラビリティの概念を弾力性の一部と捉える人もいれば、別個の概念と捉える人もいます。Marc Brooker氏によると、「システムは、追加ワークロードの限界費用がほぼ一定となる範囲でスケーラブルである」とのことです。サーバーレス技術はこの定義に当てはまりますが、インフラコストだけでなく総所有コストも考慮する必要があります。^[5]

数学において、スケーラビリティとは、主にスカラー乗算における閉包性を指します。

産業工学と製造業において、スケーラビリティとは、プロセス、システム、または組織が増大する作業負荷に対応し、高まる需要に適応し、運用効率を維持する能力を指します。スケーラブルなシステムは、品質や性能を損なうことなく、生産量の増加、新製品ライン、市場の拡大を効果的に管理できます。この文脈において、スケーラビリティは、顧客の期待に応え、競争力を維持し、持続可能な成長を目指す企業にとって不可欠な考慮事項です。スケーラビリティに影響を与える要因には、生産プロセスの柔軟性、従業員の適応性、先進技術の統合などがあります。スケーラブルなソリューションを実装することで、企業はリソースの活用を最適化し、コストを削減し、業務を合理化できます。産業工学と製造業におけるスケーラビリティは、企業が変動する市場状況に対応し、新たな機会を活用し、絶えず変化するグローバルな環境で繁栄することを可能にします。^[要出典]

例

米国の緊急対応機関では、インシデント・コマンド・システム（ICS）が活用されています。ICSは、単発エンジンによる道路脇の山火事から州間山火事まで、幅広い規模のリソース調整を可能にします。現場に最初に到着したリソースが指揮権を握り、リソースの指示と責任の委譲（5～7名の隊員を管理し、さらに最大7名に委譲し、事態の拡大に応じてさらに増員）を行う権限を持ちます。事態が拡大するにつれて、より上級の隊員が指揮権を握ります。^[6]

寸法

スケーラビリティは、次のような複数の次元で測定できます。^[7]

• 管理上のスケーラビリティ: 増加する組織またはユーザーがシステムにアクセスできる能力。
• 機能のスケーラビリティ: 既存のアクティビティを中断することなく、新しい機能を追加してシステムを強化する能力。
• 地理的スケーラビリティ: ローカルエリアからより広い地域に拡大する際に有効性を維持する能力。
• 負荷のスケーラビリティ: 負荷の増減に合わせて分散システムを拡張および縮小する能力。これには、変化する負荷に合わせてシステムまたはコンポーネントを変更、追加、または削除する容易さも含まれます。
• 世代のスケーラビリティ: 新しい世代のコンポーネントを採用することでシステムを拡張する能力。
• 異種スケーラビリティとは、異なるベンダーのコンポーネントを採用できる能力です。

ドメイン

• ルーティングプロトコルは、各ノードに必要なルーティングテーブルのサイズがO (log N ) （Nはネットワーク内のノード数）の増加に応じて増加する場合、ネットワークサイズに関してスケーラブルであるとみなされます。Gnutellaの初期のピアツーピア（ P2P）実装には、スケーリングの問題がありました。各ノードからのクエリがすべてのノードにフラッドし、各ピアへの要求がピアの総数に比例して増加し、すぐに容量を超過してしまうという問題がありました。BitTorrentなどの他のP2Pシステムは、各ピアへの要求がピアの数に依存しないため、スケーラビリティに優れています。集中管理されていないため、ピア以外のリソースを必要とせずにシステムを無制限に拡張できます。
• スケーラブルなオンライン トランザクション処理システムまたはデータベース管理システムとは、新しいプロセッサ、デバイス、ストレージを追加することで、より多くのトランザクションを処理できるようにアップグレードでき、システムをシャットダウンせずに簡単かつ透過的にアップグレードできるシステムです。
• ドメイン ネーム システム(DNS)は分散型の性質を持つため、効率的に動作し、世界中のインターネット上の何十億ものホストにサービスを提供します。

水平方向（スケールアウト）と垂直方向（スケールアップ）のスケーリング

水平スケーリングではコンピューティング クラスターに新しいノードが追加され、垂直スケーリングでは既存のノードにリソースが追加されます。

資源は大きく分けて水平と垂直の2つのカテゴリーに分類されます。^[8]

水平またはスケールアウト

水平方向のスケーリング（アウト/イン）とは、分散ソフトウェアアプリケーションに新しいコンピュータを追加するなど、ノードの追加または削除を意味します。例えば、1台のWebサーバーから3台へのスケールアウトなどが挙げられます。地震解析やバイオテクノロジーなどの高性能コンピューティングアプリケーションでは、かつては高価なスーパーコンピュータが必要だったタスクをサポートするために、ワークロードを水平方向にスケーリングしています。一方、大規模なソーシャルネットワークなどのワークロードは、最大規模のスーパーコンピュータの容量を超えており、スケーラブルなシステムでしか処理できません。このスケーラビリティを活用するには、効率的なリソース管理と保守のためのソフトウェアが必要です。^[7]

垂直またはスケールアップ

垂直方向のスケーリング（アップ/ダウン）とは、単一のノードにリソースを追加する（または単一のノードからリソースを削除する）ことを意味し、通常は単一のコンピューターにCPU、メモリ、またはストレージを追加することを伴います。^[7]

スケールアップの利点としては、管理の複雑さの増大を回避できること、リソース間でタスクを割り当てるためのより高度なプログラミング、スループット、レイテンシ、ノード間の同期といった問題への対処などが挙げられます。さらに、一部のアプリケーションは水平方向にスケールしません。

ネットワークのスケーラビリティ

ネットワーク機能仮想化では、これらの用語は異なる定義を持っています。スケールアウト/インは、リソースインスタンス（仮想マシンなど）を追加/削除することでスケーリングする機能ですが、スケールアップ/ダウンは、割り当てられたリソース（メモリ/CPU/ストレージ容量など）を変更することでスケーリングする機能です。^[9]

データベースのスケーラビリティ

データベースのスケーラビリティを実現するには、サーバー、プロセッサ、メモリ、ストレージなどのハードウェアリソースの増加に応じて、データベースシステムが追加の作業を実行できることが求められます。ワークロードは増加し続けており、データベースへの需要もそれに伴って増加しています。

アルゴリズムの革新には、行レベルのロック、テーブルとインデックスのパーティション分割が含まれます。アーキテクチャの革新には、マルチサーバー構成を管理するためのシェアード・ナッシング・アーキテクチャとシェアード・エブリシング・アーキテクチャが含まれます。

強力な一貫性と結果的な一貫性（ストレージ）

スケールアウト型データストレージの文脈において、スケーラビリティとは、完全なデータ整合性を保証するストレージクラスタの最大サイズとして定義されます。つまり、冗長化された物理データコピーの数とは無関係に、クラスタ全体で保存されたデータの有効なバージョンは常に1つだけであることを意味します。非同期的にコピーを更新することで「遅延」冗長性を提供するクラスタは、「結果整合性」と呼ばれます。このタイプのスケールアウト設計は、可用性と応答性が整合性よりも重視される場合に適しています。これは多くのWebファイルホスティングサービスやWebキャッシュに当てはまります（最新バージョンが必要な場合は、伝播するまで数秒待つ必要があります）。従来のトランザクション指向アプリケーションでは、この設計は避けるべきです。^[10]

多くのオープンソース、さらには商用スケールアウト・ストレージ・クラスター、特に標準的なPCハードウェアとネットワーク上に構築されたものは、CouchDBなどの一部のNoSQLデータベースや前述のもののように、結果整合性のみを提供します。書き込み操作は他のコピーを無効化しますが、多くの場合、それらの確認応答を待たずに実行されます。読み取り操作は通常、応答前にすべての冗長コピーをチェックしないため、先行する書き込み操作が読み取られない可能性があります。大量のメタデータ信号トラフィックを許容可能なパフォーマンス（つまり、非クラスター化ストレージデバイスまたはデータベースのように動作）で処理するには、専用のハードウェアと短距離接続が必要になります。^[要出典]

強力なデータ一貫性が期待される場合は、次の指標を確認してください。^{[引用が必要]}

• クラスターのサイズと冗長コピーの数の増加に伴うパフォーマンスの低下を回避するために、InfiniBand、Fibrechannel、または同様の低遅延ネットワークを使用します。
• ケーブル長が短く、物理的な範囲が限られているため、信号実行時のパフォーマンスの低下を回避できます。
• クラスターの一部がアクセス不能になった場合にデータの一貫性を保証するための多数決/クォーラム メカニズム。

最終的に一貫性のある設計の指標（トランザクションアプリケーションには適していません！）は次のとおりです。^{[引用が必要]}

• 書き込みパフォーマンスは、クラスター内の接続されたデバイスの数に応じて直線的に増加します。
• ストレージクラスターがパーティション分割されている間も、すべての部分は応答を継続します。更新の競合が発生するリスクがあります。

パフォーマンスチューニングとハードウェアのスケーラビリティ

システム設計においては、容量よりもハードウェアのスケーラビリティに重点を置くことが推奨されることが多い。一般的に、パフォーマンス向上のためにシステムに新しいノードを追加する方が、各ノードが処理できる容量を向上させるためのパフォーマンスチューニングを行うよりも安価である。しかし、このアプローチは収穫逓減の法則に従う可能性がある（パフォーマンスエンジニアリングで説明されているように）。例えば、プログラムの70%を並列化し、1つのCPUではなく複数のCPUで実行することで高速化できると仮定する。計算のうち逐次的に実行される割合を 、並列化可能な割合を とすると、P個のプロセッサを使用することで達成できる最大の高速化は、アムダールの法則に従って次のように求められる。 ${\displaystyle \alpha }$ ${\displaystyle 1-\alpha }$

${\displaystyle {\frac {1}{\alpha +{\frac {1-\alpha }{P}}}}.}$

この例の値を4つのプロセッサに代入すると、

${\displaystyle {\frac {1}{0.3+{\frac {1-0.3}{4}}}}=2.105.}$

計算能力を8つのプロセッサに倍増すると、

${\displaystyle {\frac {1}{0.3+{\frac {1-0.3}{8}}}}=2.581.}$

処理能力を倍増しても、処理速度は5分の1程度しか向上しません。問題全体を並列化できれば、速度も倍増します。したがって、ハードウェアを増設することが必ずしも最適なアプローチとは限りません。

普遍的なスケーラビリティの法則

分散システムでは、ユニバーサル・スケーラビリティ法則（USL）を用いてシステムのスケーラビリティをモデル化し、最適化することができます。USLはNeil J. Guntherによって提唱され、競合や一貫性といったパラメータに基づいてスケーラビリティを定量化します。競合とは、共有リソースの待機やキューイングによる遅延を指します。一貫性とは、データの一貫性が確保されるまでの遅延を指します。例えば、競合率が高い場合は、処理が逐次的に行われているため並列化が可能であることを示しており、一貫性が高い場合は、プロセス間の依存関係が過剰であることを示唆しており、相互作用を最小限に抑える必要があることを示しています。また、USLを用いることで、システムの最大有効容量を事前に計算することが可能です。その容量を超えてシステムをスケールアップすることは無駄です。^[11]

弱いスケーリングと強いスケーリング

高性能コンピューティングには、スケーラビリティに関して 2 つの共通の概念があります。

• 強力なスケーリングは、問題の合計サイズが固定されている場合に、プロセッサの数に応じて解決時間がどのように変化するかとして定義されます。
• 弱いスケーリングは、プロセッサあたりの問題サイズが固定されている場合、プロセッサ数に応じて解決時間がどのように変化するかとして定義されます。^[12]

参照

• 計算複雑性理論
• 拡張性
• グスタフソンの法則
• システム品質属性のリスト
• 負荷分散（コンピューティング）
• ロック（コンピュータサイエンス）
• ノーSQL
• スケーラブルビデオコーディング（SVC）
• 相似（モデル）
• スケール（分析ツール）

参考文献

1. Bondi, André B. (2000).スケーラビリティの特性とパフォーマンスへの影響. ソフトウェアとパフォーマンスに関する第2回国際ワークショップ議事録 – WOSP '00. p. 195. doi :10.1145/350391.350432. ISBN 158113195X。
2. Hill, Mark D. (1990). 「スケーラビリティとは何か？」(PDF) . ACM SIGARCH Computer Architecture News . 18 (4): 18. doi :10.1145/121973.121975. S2CID  1232925.レティシア・デュボック、デビッド・S・ローゼンブラム、トニー・ウィックス (2006). ソフトウェアシステムのスケーラビリティのモデリングと分析のためのフレームワーク(PDF) . 第28回国際ソフトウェア工学会議 (ICSE '06) の議事録. p. 949. doi :10.1145/1134285.1134460. ISBN
    1595933751。
3. ラウドン、ケネス・クレイグ、トラバー、キャロル・ゲルシオ (2008). 『電子商取引：ビジネス、テクノロジー、社会』 ピアソン・プレンティス・ホール/ピアソン・エデュケーション. ISBN 9780136006459。
4. 「なぜWebスケールが未来なのか」Network World . 2020年2月13日. 2017年6月1日閲覧。
5. Knativeでのサーバーレスアプリケーションの構築。O'Reilly Media。ISBN 9781098142049。
6. Bigley, Gregory A.; Roberts, Karlene H. (2001-12-01). 「インシデント・コマンド・システム：複雑かつ不安定なタスク環境における高信頼性組織化」. Academy of Management Journal . 44 (6): 1281– 1299. doi :10.5465/3069401 (2025年7月12日現在非アクティブ). ISSN  0001-4273.
7. ヘシャム・エル・レウィニとモスタファ・アブド・エル・バール（2005年4月）『先進コンピュータアーキテクチャと並列処理』John Wiley & Sons . p. 66. ISBN 978-0-471-47839-3。
8. Michael, Maged; Moreira, Jose E.; Shiloach, Doron; Wisniewski, Robert W. (2007年3月26日).スケールアップ×スケールアウト：Nutch/Luceneを用いたケーススタディ. 2007 IEEE International Parallel and Distributed Processing Symposium. p. 1. doi :10.1109/IPDPS.2007.370631. ISBN 978-1-4244-0909-9。
9. 2020年5月11日時点のオリジナル（PDF）からアーカイブ。 2016年1月12日閲覧。
10. Sadek Drobi (2008年1月11日). 「Werner Vogelsによる結果整合性」. InfoQ . 2017年4月8日閲覧。
11. ガンサー、ニール（2007年）『ゲリラキャパシティプランニング：高度にスケーラブルなアプリケーションとサービスの計画に対する戦術的アプローチ』ISBN 978-3540261384。
12. 「DL_POLY 3の弱いスケーリング」. STFC計算科学工学部. 2014年3月7日時点のオリジナルよりアーカイブ。 2014年3月8日閲覧。

外部リンク

• さまざまな学習リソースへのリンク – memcachedプロジェクトによってキュレーションされたページ。
• スケーラブルな定義 – Linux情報プロジェクト（LINFO）
• 分散システムにおけるスケール B. クリフォード・ニューマン著『分散コンピューティングシステムの読み物』IEEE Computer Society Press、1994年