मायक्रोसर्विसेसचा मुख्य फायदा म्हणजे प्रत्येक सेवेचे स्वतंत्र प्रमाण त्याच्या स्वतःच्या लोडसाठी, संपूर्ण ऍप्लिकेशन स्केल करण्याऐवजी. बाधा शोधणे हे प्रति-सेवा आणि प्रति-हॉप मापनाचा विषय आहे.
मायक्रोसर्विसेसचा मुख्य फायदा म्हणजे प्रत्येक सेवेचे स्वतंत्र प्रमाण त्याच्या स्वतःच्या लोडसाठी, संपूर्ण ऍप्लिकेशन स्केल करण्याऐवजी. बाधा शोधणे हे प्रति-सेवा आणि प्रति-हॉप मापनाचा विषय आहे.
# 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
अशा सेवेचे प्रमाण ज्याची बाधा सामायिक डेटाबेस आहे तर डीबीवर अधिक लोड हलवून घेते — वास्तविक मर्यादा स्केल करा, लक्षण नव्हे.
स्वतंत्र स्केलिंग तुम्हाला लोड आहे तेथे क्षमता अचूकपणे खर्च करण्यास सक्षम करते, जे पूर्ण मोनोलिथ स्केल करण्यापेक्षा बरेच सस्ते आहे.
परंतु अंधाधुंद स्केलिंग पैसा वाया करते आणि चीजें वाईट करू शकते; प्रति-सेवा मेट्रिक्स आणि प्रति-हॉप ट्रेस मापन हीच गोष्ट आहे जी तुम्हाला सुधारण्यासाठी खरी मर्यादा सांगते.