Scale Up , Scale Oup이란?

Scale Up과 Scale Out에 대해서 알아보자.

Scale Up(스케일 업)

• 기존의 서버를 보다 높은 사양으로 업그레이드 하는것을 의미합니다.
• 하드웨어적인 경우를 말하면, CPU 혹은 메모리를 기존 사양보다 높은 사양으로 Upgrade하는 것을 의미합니다.
• 이처럼 존재하는 기존의 서버의 사양을 높이는 방식이므로, 수직적 스케일링(Vertical Scaling)이라고 말합니다.

Scale Out(스케일 아웃)

• 이 방식은 장비를 추가해서 기존 서버를 늘리면서 확장하는 방식을 의미합니다.
• 기존 서버의 용량이나 성능의 한계치에 임박했을때, 서버를 추가함으로써 부담을 덜어주고 부하를 분담할수 있습니다.
• 서버를 추가하여 확장하는 방식이기 때문에, 수평적 스케일링(horizontal scaling)이라고 할수 있습니다.
• Aws의 경우, Auto Scaling Group을 지정할수 있는데 이는 해당 방식을 이용한것입니다.

Scale Up vs Scale Out

Scale Up

• 추가적인 네트워크 연결 없이 확장이 가능하며, 스케일 아웃보다 관리 비용이나 운영 이슈가 적고, 사양만 올리면 되는 것이기 때문에 비교적 쉽다.
• 성능 향상에 한계가 있으며 성능 향상에 따른 비용부담이 크고, 서버 한 대가 부담하는 양이 많다.
• 기존의 서버를 교체하는것으므로, 성능 확장시 서버를 이용할수 없다.

Scale Out

• 스케일 업에서 발생할수 있는 단점을 상당부분 보완하였다.
• 스케일 업의 경우, 이후 트래픽이 늘어날것을 대비해 미리 자원을 확장해놓는 경우가 많다. 하지만 그렇기에 트래픽이 증가하지 않는다면 확보해 놓은 자원만큼의 손해가 발생한다.
• 스케일 아웃방식은 서버를 필요한 만큼만 도입해놓고 그때 그때 필요한 만큼 서버를 추가해 용량과 성능을 확장할 수 있게 된다.
• 다만, 아무래도 병렬적으로 시스템이 늘어나는 환경이다 보니 관련 지식에 대한 깊은 이해를 필요로 하고 서버를 효율적으로 관리할수 있는 방법도 필요해진다.
• 추가적으로, 서버가 여러대가 구성되어 있기 때문에 부하가 심할때 부하를 균등하게 분산시켜주기 위한 로드 밸런싱이 필요하고, 노드를 확장할수록 문제 발생의 원인 또한 추가한 만큼 늘어나게 된다.

결론

• 어느것이 뛰어나다라고 할것 없이 용도에 맞춰 사양하는것이 바람직하다.
• 즉각적인 반응은 필요로 하지 않지만, 대량의 데이터와 복잡한 쿼리가 이루어지는 OLAP 환경(빅데이터의 데이터 마이닝, 데이터 분석 처리)에서는 스케일 아웃 구성이 더 효율적이다.
• 반면, 효율적이고 빠르고 정확한 단순한 업무를 처리하기 위한 OLTP환경에서는 스케일 업의 구성이 더 효율적이다.

출처

https://tech.gluesys.com/blog/2020/02/17/storage_3_intro.html

글루시스 기술 블로그