Scale Out 與 Scale Up的理解

Scale Out是指Application能夠在水平方向上擴展。通常對數據中心的應用而言，Scale out指的是當添加更多的機器時，應用仍然能夠很好的利用這些機器的資源來提高本身的效率從而達到很好的擴展性。

Scale Up是指Application能夠在垂直方向上擴展。通常對單臺機器而言，Scale Up值得是當某個計算節點（機器）添加更多的CPU Cores，存儲設備，使用更大的內存時，應用能夠很充分的利用這些資源來提高本身的效率從而達到很好的擴展性。
————————————————
版權聲明：本文爲CSDN博主「下木」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/Hipercomer/article/details/38375171

另一篇舉例說明頗有意思：
原文連接：https://www.cnblogs.com/jikexianfeng/p/8415707.html
魚缸的啓示：Scale-out和Scale-up架構
　提到Scale-out和Scale-up，初看到可能會有點暈。其實我認爲Scale-out和Scale-up的概念能夠用一個簡單的例子來解釋。

不知您有沒有養過魚?當你只有六七條魚的時候，一個小型魚缸就夠了;但是過一段時間新生了三十多條小魚，這個小缸顯然不夠大了。

　　若是用Scale-up解決方案，那麼你就須要去買一個大缸，把全部沙啊、水草啊、佈景啊、加熱棒、溫度計都從小缸裏拿出來，從新佈置到大缸。這個工程可不簡單哦，不是十分鐘八分鐘能搞得定的，尤爲水草，糾在一塊兒很難分開(不過這跟遷移數據的工程複雜度比起來實在是毛毛雨啦，不值一提)。

　　那麼如今換個思路，用Scale-out方案，就至關因而你在這個小缸旁邊接了一個一樣的小缸，兩個缸聯通。魚能夠自動分散到兩個缸，你也就省掉了上面提到的那一系列挪沙、水草、佈景等的折騰了。

　　回到存儲架構。用戶在採購之初很難準確預測將來數據增加的速度和總量。用戶每每不得不採購比本身目前實際需求容量更大的存儲，這就致使兩個問題，一是預算的浪費，不少存儲空間都是爲將來數據增加採購的，花了10TB的錢，可是可能只利用上了5TB，另5TB的資金都白白放在那裏。另外一個問題是，隨着時間推移，數據增加，數據量超過了10TB。

按照過去Scale-up的理念，解決方案就是購買更大容量的存儲，那麼不免面臨數據遷移的問題，用戶必須停機遷移數據，意味着服務的中斷。而Scale-out架構解決了這個矛盾。用戶按需採購存儲，一旦容量不夠了，再購置一臺接到原有存儲上就能夠了。