माइक्रोसर्विसेज का एक मुख्य लाभ यह है कि प्रत्येक सेवा को स्वतंत्र रूप से स्केल किया जा सकता है अपने स्वयं के लोड से मेल खाने के लिए, पूरे ऐप को स्केल करने के बजाय। बाधाओं को खोजना तब प्रति-सेवा और प्रति-हॉप मापने का मामला है।
माइक्रोसर्विसेज का एक मुख्य लाभ यह है कि प्रत्येक सेवा को स्वतंत्र रूप से स्केल किया जा सकता है अपने स्वयं के लोड से मेल खाने के लिए, पूरे ऐप को स्केल करने के बजाय। बाधाओं को खोजना तब प्रति-सेवा और प्रति-हॉप मापने का मामला है।
# Kubernetes HPA: scale orders on CPU
minReplicas: 3
maxReplicas: 20
metric: cpu
targetUtilization: 70 # add pods when avg CPU > 70%
1. Metrics: which service has high latency / saturation? (RED/USE)
2. Traces: which SPAN in the request is slow?
3. Drill in: DB query? lock? N+1 calls? GC pause?
Gateway ──┤ Orders ──┤ Payments ████████████ ← 80% of latency here
Inventory ─┤
⚠️ Chatty synchronous calls (fan-out per request)
⚠️ Shared/overloaded database
⚠️ Missing or cold cache
⚠️ Unbounded retries amplifying load
एक सेवा को स्केल करना जिसकी बाधा एक साझा डेटाबेस है, बस DB पर अधिक लोड स्थानांतरित करता है — वास्तविक बाधा को स्केल करें, लक्षण को नहीं।
स्वतंत्र स्केलिंग आपको क्षमता को सटीक रूप से जहां लोड है वहां खर्च करने देता है, जो एक मोनोलिथ को थोक में स्केल करने की तुलना में बहुत सस्ता है।
लेकिन अंधाधुंध स्केलिंग पैसा बर्बाद करता है और चीजों को बदतर बना सकता है; प्रति-सेवा मेट्रिक्स और प्रति-हॉप ट्रेस को मापना ही वह है जो आपको ठीक करने के लिए वास्तविक बाधा बताता है।