Unternehmen, die ihre IT-Workloads auf einem einzelnen Server ausführen, der mit den steigenden Anforderungen an Datenspeicherung und -verarbeitung kaum noch Schritt halten kann, haben die Wahl: Sie können vertikal skalieren, also mit leistungsfähigeren Prozessoren und mehr Speicherkapazität aufrüsten, oder horizontal skalieren, indem sie Workloads auf neue Server verteilen, die deren Leistungsanforderungen erfüllen. Was ist besser: Scale-up oder Scale-out? Die kurze Antwort lautet: Es kommt darauf an – beide Wege bieten je nach den spezifischen Anforderungen des Unternehmens Vorteile und Einschränkungen.
Dieser Artikel betrachtet beide Ansätze, damit Sie entscheiden können, welcher besser für Ihre Anforderungen geeignet ist.
Scale-up vs. Scale-out: Wo liegt der Unterschied?
Einfach ausgedrückt bedeutet Scale-up, einen vorhandenen Server für mehr Kapazität und eine bessere Leistung aufzurüsten, während Scale-out darin besteht, weitere Server hinzuzufügen und die Workload auf diese zu verteilen, um die Verarbeitungskapazitäten zu verbessern. Beide Ansätze sind unterschiedliche Lösungen für dasselbe Problem: Wie lassen sich Speicher und Verarbeitungsgeschwindigkeit erhöhen, um den gesamten Datenbedarf moderner Unternehmen zu bewältigen?
Die Datennutzung in Unternehmen verändert sich durch neue Technologien wie künstliche Intelligenz, IoT und Analysen, die neue Verarbeitungs- und Speicherkapazitäten erfordern. Zusammengenommen zwingen diese Veränderungen IT-Abteilungen dazu, Expansionsstrategien zu entwickeln, und viele von ihnen müssen entscheiden, ob sie vertikal oder horizontal skalieren.
Diese Ansätze gelten für eine Vielzahl von Technologien – von einzelnen Computern und Network Attached Storage (NAS) bis hin zu Servern, auf denen leistungsstarke Anwendungen und Datenbanken ausgeführt werden.
Scale-up: Vertikales Aufrüsten
Scale-up bezeichnet den Prozess, den vorhandenen Prozessor eines Servers aufzurüsten oder durch einen leistungsfähigeren zu ersetzen, der Workloads schneller verarbeiten kann. Im Kern bedeutet Scale-up, die Verarbeitungskapazität innerhalb des Platzbedarfs eines einzelnen Servers vertikal zu erweitern. Dieses „Scale-up“ eines Servers kann auf zwei Arten erfolgen:
- Durch Hinzufügen oder Ersetzen vorhandener Kernprozessoren und Arbeitsspeicher lässt sich der Server schneller machen
- Durch Aufteilung des Servers in mehrere virtuelle Betriebssysteme können verschiedene Aufgaben oder Workloads gleichzeitig auf demselben Computer ausgeführt werden
Beispiele
Scale-up bedeutet einfach, die Verarbeitungskomponenten eines Computers aufzurüsten. In diesem Zusammenhang bezieht sich der Begriff speziell auf einen Server, es gibt jedoch auch andere Beispiele.
Ein Heimcomputer, auf dem eine neue Betriebssystemversion installiert wird, benötigt möglicherweise mehr Arbeitsspeicher (RAM) oder ein größeres, schnelleres Solid-State-Laufwerk (SSD) – beide Upgrades wären Möglichkeiten, diesen Rechner vertikal zu skalieren. Oder ein Datenbankanbieter führt möglicherweise eine neue Version mit zusätzlichen Funktionen für Kunden ein, die jedoch auch höhere Verarbeitungsanforderungen mit sich bringt. Das Unternehmen könnte seine Server aufrüsten, also vertikal skalieren, um diesen Bedarf zu decken.
Vorteile
Der Vorteil eines Scale-up-Ansatzes besteht darin, dass sich die Aufrüstung der Verarbeitung vereinfacht, da nur ein einzelner Server berücksichtigt werden muss. Es genügt, die Verarbeitungs- und Speicherkomponenten zu erweitern oder zu ersetzen, damit der Rechner schneller läuft. Die Software muss nicht neu konfiguriert werden, und es gibt keine Integrationsprobleme oder potenzielle Latenzzeiten, die durch die Verbindung des Servers mit anderen Servern und die gemeinsame Nutzung von Workloads entstehen könnten.
Nachteile
Der Nachteil eines Scale-up-Ansatzes ist die fehlende Redundanz – wenn die Arbeit von einem einzelnen Server abhängt und dieser Server ausfällt, kommen die Workloads zum Stillstand. Dies lässt sich abmildern, indem Verarbeitung und Daten auf einem anderen Server in der Cloud oder in einem Rechenzentrum repliziert werden. Da dabei mehr als ein Server verwendet wird, und sei es nur für Systemwiederherstellung und Failover, könnte man argumentieren, dass es sich technisch gesehen um Scale-out handelt.
Scale-up ist keine praktikable Strategie, wenn die Abläufe eines Unternehmens verteilt sind – etwa wenn das Internet der Dinge (IoT) und Robotik in den Netzwerken entfernter Produktionsstandorte eingesetzt werden oder wenn für separate Point-of-Sale-Abläufe in Einzelhandelsfilialen Serverunterstützung benötigt wird.
Scale-out: Horizontales Aufrüsten
Scale-out verfolgt einen grundlegend anderen Ansatz zur Erhöhung der Rechenleistung. Scale-out bedeutet, einen Teil der Workloads eines Unternehmens vom einzelnen vorhandenen Server auf mehrere andere Server zu verlagern, um die unterschiedlichen Workloads zu verteilen – also horizontal zu skalieren.
Dieser Ansatz stellt die erforderlichen Verarbeitungs- und Speicherkapazitäten mit Raum für Wachstum bereit, ohne den Speicher und die Verarbeitung des einzelnen vorhandenen Servers wiederholt aufrüsten zu müssen, um steigenden Anforderungen gerecht zu werden. Außerdem kann jeder neue Server bei Bedarf mit zusätzlichem Speicher und zusätzlicher Rechenleistung aufgerüstet werden, oder Workloads lassen sich durch die Einrichtung mehrerer virtueller Betriebssysteme auf jedem Server erweitern
Beispiele
Die Skalierung von Rechenkapazitäten durch die Verteilung von Workloads auf mehrere Server, anstatt nur einen einzelnen Server aufzurüsten, begann als sogenanntes Distributed Processing. Distributed Processing (und verteilte Geschäftsabläufe) wurde beispielsweise um entfernte Produktionsstandorte und Büros erweitert, die unabhängig voneinander arbeiten, sowie um Außendienstmitarbeiter, die von zu Hause aus arbeiten.
Vorteile
Für Unternehmen von heute ist es nahezu zwingend erforderlich, separate Server und Netzwerke an entfernten Standorten zu installieren, um die Latenz zu vermeiden, die durch die Zentralisierung von Echtzeitabläufen entsteht, und die Kosten für Datenpipelines mit hohem Durchsatz und hoher Bandbreite zu umgehen.
Scale-out ist außerdem die bevorzugte Methode zur Unterstützung von Disaster Recovery und Geschäftskontinuität: Wenn Transaktionen gleichzeitig auf zwei Maschinen geschrieben werden, ist ein Failover von einer auf die andere problemlos möglich. Darüber hinaus erstrecken sich manche Anwendungen über mehrere Clouds und On-Premises-Computer – in solchen Szenarien müssen Anwendungs-Workloads über mehrere Computer und Prozessoren hinweg beschleunigt werden.
Nachteile
Der wichtigste Nachteil von Scale-out ist die Komplexität. Die Fehlerbehebung kann schwieriger sein, da Ausführungsprotokolle auf mehreren Servern analysiert werden müssen, um Probleme zu lokalisieren und zu beheben.
Auch die Zuständigkeit ist ein Problem: Wenn Workloads über mehrere Standorte und Clouds verteilt werden, können unterschiedliche Parteien verantwortlich sein. Die IT-Abteilung wartet möglicherweise einen Teil der Technologie, Anbieter kümmern sich um andere Teile und manche Komponenten werden vielleicht sogar von den Endnutzerabteilungen betreut. Wenn mehrere Akteure beteiligt sind, dauert die Behebung von Leistungsproblemen länger.
Scale-out kann außerdem die Computing-Kosten und Sicherheitsrisiken erhöhen. Es werden mehr Rechenressourcen und mehr Energie verbraucht, und es gibt mehr potenzielle Einstiegspunkte, die ausgenutzt werden können.
Fazit: So treffen Sie die Entscheidung
Die Art und Weise, wie Unternehmen Daten nutzen, verändert sich, und Unternehmen, die mit den Anforderungen an die Erfassung, Speicherung und Verarbeitung riesiger Datenmengen Schritt halten wollen, benötigen dafür geeignete Hardware. Viele von ihnen müssen entscheiden, ob sie vorhandene Server aufrüsten – also Scale-up betreiben – oder mit zusätzlichen Servern erweitern, also Scale-out einsetzen.
Da immer mehr Verarbeitung in Richtung Edge und außerhalb von Unternehmen verlagert wird, ist ein Scale-out-Ansatz sinnvoll. Dennoch werden die Verarbeitungs-Workloads am Edge zunehmen, und wahrscheinlich müssen auch die Ressourcen der Computer an verteilten Standorten skaliert werden. Da gleichzeitig der Verarbeitungsbedarf in zentralen Rechenzentren steigt, verfügen viele Unternehmen über Enterprise-Resource-Planning-Systeme (ERP) und große Datenbanken, die sie aus Gründen der Verarbeitung und Sicherheit auf einem einzigen Mainframe oder Server betreiben möchten.
Beim Vergleich der Funktionen und Einschränkungen von Scale-up und Scale-out kommen die meisten Unternehmen zum gleichen Schluss: Die beiden Ansätze schließen einander nicht aus. Tatsächlich werden die meisten Unternehmen beide Ansätze nutzen, da sie gemeinsam mehr Optionen und einen besseren Expansionspfad für künftiges Wachstum bieten. Die Frage lautet nicht Scale-up oder Scale-out, sondern wie sich beide Expansionsmöglichkeiten integrieren lassen, um das Unternehmen bestmöglich für künftiges Wachstum aufzustellen.
Lesen Sie 5 Arten der Enterprise-Datenspeicherung , um mehr darüber zu erfahren, wie Unternehmen mit den Anforderungen umgehen, alle für ihre tägliche Arbeit benötigten Informationen aufzubewahren.