Jak škálujete databáze?

Question

Accepted Answer

Databáze se často stávají **úzkým hrdlem** s růstem systémů. Jejich škálování zahrnuje techniky jako **replikace** (kopie pro škálování čtení a dostupnost), **sharding** (rozdělení dat mezi servery), **caching** a volba vhodných typů databází.

## Replikace — kopie dat

```text
REPLICATION → maintain COPIES of the database across servers:
  → PRIMARY (writes) + REPLICAS (copies):
    - READ SCALING → direct reads to replicas (offload the primary) → handle more reads
    - AVAILABILITY → a replica can take over if the primary fails (failover)
  ⚠️ replication lag → replicas may be slightly behind (eventual consistency for reads)
→ great for READ-heavy workloads and availability (most apps are read-heavy)
```

## Sharding — rozdělení dat

```text
SHARDING → split (partition) data across MULTIPLE database servers (each holds a SUBSET):
  → distribute by a SHARD KEY (e.g. user ID) → each shard handles part of the data/load
  → scales WRITES and storage horizontally (beyond one server's capacity)
  ⚠️ complex: choosing a good shard key (even distribution), cross-shard queries are hard,
    rebalancing → significant complexity
→ for when data/write volume exceeds a single server (large scale)
```

## Další techniky škálování

```text
✓ CACHING → cache query results / hot data (Redis) → big reduction in DB load (often the
  first and most impactful step)
✓ INDEXING & query optimization → make queries efficient (before scaling out)
✓ Read/write SPLITTING; connection pooling; denormalization (for read performance)
✓ Choose the right DATABASE (some scale horizontally more easily — NoSQL)
✓ Vertical scaling (bigger DB server) → simple first step, but limited
```

## Proč je to důležité

Rozmění si, jak škálovat databáze, je cenné, protože **databáze je často úzkým hrdlem** s růstem systémů, takže její škálování je kritickou, běžnou výzvou návrhu systému, což z toho dělá důležité znalosti.

S růstem systémů se databáze často stává limitujícím faktorem (jediná databáze zvládne jen určitou zátěž a objem dat), čímž se škálování databáze stává klíčovou otázkou.

Rozmění si **replikace** — udržování kopií (primární pro zápisy plus repliky) umožňující **škálování čtení** (směrování čtení na repliky k odlehčení primární databáze, cenné, protože většina aplikací je orientována na čtení) a **dostupnost** (replika převzetí při selhání) — je základní, široce používanou technikou, spolu s porozuměním výhradě replikační prodlevy (eventual consistency pro čtení z replik).

Rozmění si **shardingu** — rozdělení dat mezi více serverů (každý drží podmnožinu, distribuovanou podle shard klíče) pro horizontální škálování **zápisů a úložiště** nad rámec jednoho serveru — je nezbytné pro velmi velký rozsah, spolu s jeho významnou složitostí (výběr dobrého shard klíče, obtížné dotazy napříč shardy, vyvažování).

Rozmění si **dalších technik** — **cachingu** (často prvního a nejvíce dopadového kroku, dramaticky redukujícího zátěž databáze), **indexování a optimalizace dotazů** (efektivní dotazy před horizontálním škálováním), oddělení čtení a zápisu, denormalizace, výběr horizontálně škálovatelných databází a vertikální škálování jako jednoduchý první krok — poskytuje kompletní sadu nástrojů, s důležitou praktickou moudrostí, že caching a optimalizace často předchází složitosti shardingu.

Protože je databáze běžně úzkým místem škálování a její škálování (prostřednictvím replikace pro čtení/dostupnost, shardingu pro zápisy/úložiště, cachingu a optimalizace) je kritickou, běžnou výzvou, a protože porozumění těmto technikám a jejich kompromisům je důležité pro návrh škálovatelných systémů, je porozumění tomu, jak škálovat databáze, cenné, prakticky důležité znalosti návrhu systému — řešení kritického, běžného úzkého místa, centrální pro škálování reálných systémů a vyžadující porozumění replikaci, shardingu, cachingu a optimalizaci pro zvládnutí škálování databáze, které rostoucí systémy nevyhnutelně potřebují.