คุณปรับขนาดบริการแต่ละรายการอย่างไรและค้นหาคอขวดประสิทธิภาพได้อย่างไร

Question

Accepted Answer

ประโยชน์หลักของ microservices คือ **ปรับขนาดแต่ละบริการอย่างเป็นอิสระ** เพื่อให้สอดคล้องกับภาระงานของตัวเอง แทนที่จะปรับขนาดแอปทั้งหมด การค้นหาคอขวดเป็นเรื่องของการวัดต่อบริการและต่อฮอป

## เทคนิคการปรับขนาด

- **การปรับขนาดแนวนอน** — เพิ่มอินสแตนซ์ที่ไม่มีสถานะหลังตัวสมดุลโหลด
- **การปรับขนาดอัตโนมัติ** — ปรับขนาดบน CPU หน่วยความจำ ความลึกของคิว หรือเมตริกที่กำหนดเอง
- **การแคช** — ลดการทำงานซ้ำและโหลดดั้งเดิม
- **Async + คิว** — ดูดซึมจุดสูงสุด แยกงานช้า
- **การปรับขนาดข้อมูล** — สำเนาการอ่าน sharding ร้านค้าต่อบริการ

```yaml
# Kubernetes HPA: scale orders on CPU
minReplicas: 3
maxReplicas: 20
metric: cpu
targetUtilization: 70   # add pods when avg CPU > 70%
```

## ค้นหาคอขวด

```text
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?
```

```text
Gateway ──┤ Orders ──┤ Payments ████████████ ← 80% of latency here
                       Inventory ─┤
```

## คอขวดทั่วไป

```text
⚠️ Chatty synchronous calls (fan-out per request)
⚠️ Shared/overloaded database
⚠️ Missing or cold cache
⚠️ Unbounded retries amplifying load
```

## ความเสี่ยง

การปรับขนาดบริการที่มีคอขวดเป็น **ฐานข้อมูลที่ใช้ร่วมกัน** เพียงแต่ย้ายโหลดไปยัง DB — ปรับขนาดข้อจำกัดจริง ไม่ใช่อาการ

## ทำไมมันถึงสำคัญ

การปรับขนาดอย่างเป็นอิสระช่วยให้คุณใช้ความจุอย่างแม่นยำตรงจุดที่มีภาระงาน ซึ่งราคาถูกกว่าการปรับขนาด monolith แบบขายปลีก

แต่การปรับขนาดแบบตาบอดนั้นเสียเงินและอาจทำให้สิ่งต่างๆ แย่ลง การวัดเมตริกต่อบริการและการติดตามต่อฮอปคือสิ่งที่บอกคุณถึงข้อจำกัดที่แท้จริงที่ต้องแก้ไข