Vertical Scaling là gì? Phân biệt với Horizontal Scaling

Khi ứng dụng bắt đầu tăng tải, máy chủ hiện tại có thể không còn đủ tài nguyên để xử lý ổn định. Lúc này, doanh nghiệp thường phải lựa chọn giữa việc nâng cấp máy chủ hiện có hoặc mở rộng sang nhiều máy chủ mới. Vậy Vertical Scaling là gì, hoạt động như thế nào và phù hợp trong trường hợp nào? Bài viết dưới đây sẽ giúp làm rõ cách mở rộng này trước khi so sánh với Horizontal Scaling. 

Vertical Scaling là gì?

Vertical scaling (mở rộng theo chiều dọc), còn được gọi là scaling up hoặc scaling down, là quá trình tăng dung lượng hoặc năng lực của một thành phần phần cứng hoặc phần mềm riêng lẻ trong hệ thống.

Thay vì thêm nhiều hệ thống mới, chúng ta nâng cấp chính hệ thống hiện tại. Có thể tăng sức mạnh cho máy bằng cách thêm bộ xử lý tốt hơn, tăng RAM, bổ sung các tài nguyên như năng lực xử lý của CPU, dung lượng lưu trữ của một máy chủ hoặc thực hiện các điều chỉnh khác để nâng cao hiệu năng.

Cách này đơn giản để triển khai và phù hợp với các ứng dụng monolithic và các ứng dụng quy mô nhỏ.

Vertical Scaling có thể được hình dung giống như việc mở rộng sức chứa của một cây cầu để phục vụ nhiều phương tiện hơn. Khi cây cầu được làm chắc hơn và rộng hơn, nó có thể chịu tải lớn hơn mà không cần xây thêm làn đường mới. 

Ví dụ về Vertical Scaling

Các ví dụ sau minh họa cách vertical scaling cải thiện năng lực hệ thống bằng cách nâng cấp tài nguyên của một máy chủ duy nhất:

• Nâng cấp máy chủ MySQL từ 16 GB RAM lên 64 GB RAM để xử lý nhiều truy vấn hơn.
• Chuyển website đang chạy trên máy ảo 2-core sang máy ảo 8-core có RAM cao hơn để cải thiện hiệu năng.
• Nền tảng thương mại điện tử chạy trên một AWS EC2 instance lớn duy nhất, với tài nguyên được tăng cường như CPU, RAM và ổ đĩa.

Một ví dụ khác: Nếu một API được chạy trên một máy ảo được cấp 1 lõi CPU và 512 megabyte RAM, thì việc scaling up API đó có thể là tăng gấp đôi số lõi CPU và RAM. Khi đó, API sẽ có 2 lõi CPU chuyên dụng và 1.024 megabyte RAM. Với cấu hình mới này, API về lý thuyết có thể xử lý lượng tải gần như gấp đôi. Tuy nhiên, các giới hạn về băng thông mạng, tốc độ lưu trữ và những yếu tố khác có thể làm giảm hiệu quả của vertical scaling. Ngoài ra, vertical scaling cũng đặt ra thách thức về quản lý tài nguyên, nhưng các phần mềm chuyên dụng thường có thể xử lý vấn đề này.

💡 Netflix sử dụng cả Horizontal Scaling và Vertical Scaling, cho thấy hiệu quả của cách tiếp cận kết hợp trong việc xử lý hoạt động phân phối nội dung toàn cầu và các tập dữ liệu khổng lồ. 

Ưu điểm của Vertical Scaling

Ưu điểm của Vertical Scaling là dễ triển khai, ít thay đổi kiến trúc và giúp tăng hiệu năng nhanh bằng cách nâng cấp CPU, RAM hoặc storage cho máy chủ hiện có. Cụ thể: 

• Tối ưu chi phí trong một số trường hợp: Với hệ thống on-premises hoặc máy chủ tự vận hành, việc nâng cấp linh kiện của máy chủ hiện có thường rẻ hơn so với mua thêm nhiều máy chủ mới.
• Triển khai đơn giản hơn: Vertical Scaling chỉ tập trung nâng cấp tài nguyên trên một máy, trong khi Horizontal Scaling có thể phức tạp hơn vì phải thiết kế cách nhiều máy chủ cùng chia sẻ tải.
• Dễ quản lý và bảo trì hơn: Việc nâng cấp, giám sát, bảo trì hoặc xử lý sự cố trên một máy chủ duy nhất thường đơn giản hơn so với quản lý nhiều máy chủ cùng lúc.
• Phù hợp với hệ thống quy mô nhỏ đến trung bình: Đây là lựa chọn phù hợp khi hệ thống chưa cần mở rộng quá lớn, chưa yêu cầu kiến trúc phân tán hoặc khả năng chịu tải cực cao.
• Ít thay đổi về kiến trúc hệ thống: Do chỉ nâng cấp tài nguyên phần cứng, Vertical Scaling thường không yêu cầu thay đổi lớn về cách ứng dụng hoặc cơ sở dữ liệu vận hành.

Hạn chế của Vertical Scaling

• Vẫn tồn tại điểm lỗi duy nhất: Dù cơ sở dữ liệu chạy trên 8 vCPU hay 64 vCPU, nếu toàn bộ đặt trên một máy duy nhất và máy đó gặp sự cố, database cùng phần lớn hoặc toàn bộ ứng dụng sẽ bị gián đoạn cho đến khi sự cố được xử lý.
• Khả năng mở rộng bị giới hạn: Vertical Scaling không thể mở rộng vô hạn. Dù chạy trên public cloud hay máy chủ cục bộ, hệ thống sẽ đến ngưỡng mà việc nâng cấp năng lực cho một máy duy nhất trở nên quá đắt đỏ hoặc không thể thực hiện.
• Chi phí tăng cao: Dù Vertical Scaling tiết kiệm chi phí trong một số trường hợp, chi phí sẽ tăng mạnh khi hệ thống tiến gần đến các cấp cấu hình cao nhất của một máy chủ đơn lẻ.

Ngoài ra, Vertical Scaling còn phát sinh chi phí “ẩn” không dễ nhận thấy khi nâng cấp. Ví dụ, việc phụ thuộc vào một hệ thống có điểm lỗi duy nhất sẽ gây thiệt hại lớn khi downtime xảy ra. Theo nghiên cứu năm 2022 của Enterprise Management Associates (EMA) và BigPanda, downtime khiến doanh nghiệp thiệt hại trung bình 12.900 USD mỗi phút. Những chi phí này nhanh chóng xóa sạch khoản tiết kiệm ban đầu khi lựa chọn Vertical Scaling. 

Phân biệt Vertical Scaling và Horizontal Scaling

Trong quá trình phát triển ứng dụng, hệ thống có thể gặp tình trạng quá tải khi lượng người dùng, dữ liệu hoặc request tăng lên. Để cải thiện hiệu năng và khả năng xử lý, hai phương pháp mở rộng thường được sử dụng là Horizontal Scaling và Vertical Scaling.

Mỗi phương pháp có cách triển khai, ưu điểm và giới hạn riêng. Việc hiểu rõ sự khác nhau giữa Horizontal Scaling và Vertical Scaling giúp lựa chọn mô hình mở rộng phù hợp với quy mô hệ thống, chi phí vận hành và yêu cầu về độ ổn định.

Trường hợp sử dụng Vertical Scaling

Vertical Scaling phù hợp với các hệ thống cần tăng tài nguyên xử lý trên một máy chủ duy nhất, đặc biệt khi ứng dụng chưa có nhu cầu mở rộng quá lớn hoặc kiến trúc hiện tại vẫn vận hành tốt trên một server. Cách tiếp cận này thường được lựa chọn khi doanh nghiệp muốn nâng cấp nhanh CPU, RAM, dung lượng lưu trữ hoặc hiệu năng xử lý mà chưa cần thay đổi nhiều về kiến trúc hệ thống.

Vertical Scaling thường phù hợp trong các trường hợp sau:

• Ứng dụng có nhu cầu mở rộng vừa phải: Phù hợp với hệ thống có lượng người dùng ổn định, mức tăng trưởng không quá đột biến và chưa cần phân tán workload trên nhiều máy chủ.
• Workload cần xử lý chuyên sâu: Các tác vụ nặng về CPU hoặc RAM như xử lý dữ liệu lớn, huấn luyện mô hình, xử lý giao dịch hoặc chạy cơ sở dữ liệu có thể hưởng lợi từ việc tăng tài nguyên trên một máy.
• Hệ thống stateful như database: Cơ sở dữ liệu hoặc các thành phần cần tính nhất quán cao thường dễ triển khai theo hướng vertical scaling hơn, vì dữ liệu và xử lý được tập trung trên một máy chủ.
• Giai đoạn đầu của sản phẩm: Với startup, website nhỏ hoặc ứng dụng đang thử nghiệm, vertical scaling giúp mở rộng đơn giản hơn, dễ quản lý hơn và không cần đầu tư ngay vào hệ thống phân tán phức tạp.
• Môi trường yêu cầu dữ liệu lưu trữ cục bộ: Một số hệ thống cần giữ dữ liệu trong một server, một trung tâm dữ liệu hoặc một khu vực địa lý cụ thể có thể ưu tiên vertical scaling để đáp ứng yêu cầu bảo mật và tuân thủ.

Tuy nhiên, Vertical Scaling có giới hạn rõ ràng vì hiệu năng chỉ tăng đến mức tối đa mà phần cứng cho phép. Khi hệ thống bắt đầu có nhiều người dùng, traffic tăng nhanh hoặc yêu cầu độ sẵn sàng cao hơn, doanh nghiệp thường cần cân nhắc kết hợp thêm Horizontal Scaling.

Trường hợp sử dụng Horizontal Scaling

Horizontal Scaling phù hợp với các hệ thống cần mở rộng lớn, xử lý nhiều người dùng đồng thời hoặc có lưu lượng truy cập biến động mạnh. Thay vì nâng cấp một máy chủ duy nhất, phương pháp này bổ sung thêm nhiều máy chủ hoặc node để phân tán workload, tăng throughput và cải thiện khả năng chịu lỗi của hệ thống.

Horizontal Scaling thường phù hợp trong các trường hợp sau:

• Ứng dụng web có traffic cao: Các website thương mại điện tử, nền tảng nội dung, mạng xã hội hoặc ứng dụng SaaS có nhiều người dùng đồng thời thường cần horizontal scaling để phân phối request trên nhiều server.
• Workload stateless: Các dịch vụ như API gateway, microservices, inference API hoặc frontend service rất phù hợp để mở rộng theo chiều ngang vì request có thể được phân phối dễ dàng giữa nhiều instance.
• Hệ thống cần khả năng chịu lỗi tốt: Khi workload được phân tán trên nhiều máy chủ, nếu một node gặp sự cố, hệ thống vẫn có thể tiếp tục hoạt động nhờ các node còn lại.
• Nhu cầu tăng trưởng khó dự đoán: Với hệ thống có thể tăng trưởng nhanh, có traffic đột biến theo mùa, theo chiến dịch marketing hoặc sự kiện sale lớn, horizontal scaling giúp bổ sung tài nguyên linh hoạt hơn.
• Ứng dụng cần xử lý song song: Các tác vụ như phân loại hình ảnh, xử lý dữ liệu lớn, streaming, recommendation engine hoặc AI inference có thể được chia nhỏ và xử lý trên nhiều node để tăng tốc độ xử lý.
• Hệ thống cần uptime cao: Các ứng dụng quan trọng, yêu cầu hạn chế downtime và cần failover thường ưu tiên horizontal scaling vì dễ triển khai dự phòng và cân bằng tải.

Điểm cần lưu ý là Horizontal Scaling thường phức tạp hơn Vertical Scaling vì liên quan đến load balancing, service discovery, đồng bộ dữ liệu, monitoring và quản lý hệ thống phân tán. Vì vậy, phương pháp này phù hợp hơn với các hệ thống đã có yêu cầu mở rộng rõ ràng hoặc cần đảm bảo hiệu năng ở quy mô lớn.

Câu hỏi thường gặp về Vertical Scaling và Horizontal Scaling

Phương pháp mở rộng nào dễ triển khai hơn cho người mới bắt đầu?

• Mở rộng theo chiều dọc nhìn chung dễ tiếp cận hơn với người mới bắt đầu vì nó yêu cầu tối thiểu (hoặc không cần) sự thay đổi trong kiến trúc của ứng dụng.
• Ngược lại, mở rộng theo chiều ngang đòi hỏi tư duy thiết kế ứng dụng phức tạp hơn, bắt buộc người triển khai phải xử lý các bài toán kỹ thuật như: cân bằng tải (load balancing), đồng bộ hóa dữ liệu (data synchronization) và phát triển ứng dụng theo mô hình phi trạng thái (stateless application patterns).

Ảnh hưởng về mặt chi phí của từng phương pháp mở rộng là gì?

• Mở rộng theo chiều dọc: Giai đoạn đầu thường rẻ hơn và triển khai đơn giản hơn. Tuy nhiên, phương pháp này sẽ bị giới hạn bởi ngưỡng phần cứng tối đa của thiết bị (hard limits) và chi phí sẽ tăng rất cao (thậm chí nhảy vọt) khi chạm tới các mức cấu hình cao cấp (higher tiers).
• Mở rộng theo chiều ngang: Có thể đòi hỏi chi phí đầu tư ban đầu lớn hơn cho việc thiết kế kiến trúc hệ thống. Thế nhưng, về lâu dài, phương pháp này mang lại hiệu quả chi phí tối ưu hơn nhờ khả năng tận dụng phần cứng phổ thông và mở rộng quy mô gần như không giới hạn.

Khi nào nên scale up trước, khi nào nên scale out?

Thông thường, có thể scale up trước khi hệ thống còn đơn giản, traffic chưa quá lớn và bottleneck nằm rõ ở tài nguyên máy chủ như CPU, RAM, disk I/O hoặc network. Đây là cách nhanh để cải thiện hiệu năng mà chưa phải thay đổi nhiều kiến trúc.

Nên scale out khi workload tăng liên tục, một máy chủ không còn đủ khả năng xử lý, hoặc hệ thống cần tăng tính sẵn sàng. Nếu mục tiêu là phục vụ nhiều người dùng đồng thời, giảm rủi ro downtime và mở rộng linh hoạt theo nhu cầu, Horizontal Scaling thường phù hợp hơn.

Horizontal Scaling có bắt buộc phải dùng Load Balancer không?

Trong phần lớn trường hợp, có. Khi hệ thống có nhiều server hoặc instance cùng xử lý request, cần một cơ chế phân phối traffic đến các node phù hợp. Load Balancer giúp chia tải, tránh một server bị quá tải và hỗ trợ chuyển request sang node khác nếu một node gặp lỗi.

Tuy nhiên, Load Balancer không phải thành phần duy nhất. Để Horizontal Scaling vận hành tốt, hệ thống còn cần health check, session management, monitoring, logging tập trung và cơ chế tự động thêm/bớt instance nếu chạy trên cloud.

Có nên kết hợp Vertical Scaling và Horizontal Scaling không?

Có. Trong thực tế, nhiều hệ thống không chỉ chọn một trong hai. Giai đoạn đầu có thể dùng Vertical Scaling để tăng nhanh năng lực xử lý. Khi hệ thống lớn hơn, có thể kết hợp thêm Horizontal Scaling để phân tán tải và tăng khả năng chịu lỗi.

Cách tiếp cận kết hợp này thường hợp lý hơn vì mỗi mô hình giải quyết một phần khác nhau của bài toán. Vertical Scaling giúp tăng sức mạnh từng node, còn Horizontal Scaling giúp hệ thống mở rộng linh hoạt và bền vững hơn khi tải tăng mạnh.

Tóm lại, Vertical Scaling là gì có thể hiểu đơn giản là cách mở rộng hệ thống bằng việc tăng tài nguyên cho máy chủ hiện có. Phương pháp này phù hợp với các ứng dụng cần nâng cấp nhanh CPU, RAM hoặc storage mà chưa muốn thay đổi kiến trúc. Tuy nhiên, do bị giới hạn bởi phần cứng, doanh nghiệp cần cân nhắc thời điểm kết hợp thêm Horizontal Scaling để đảm bảo khả năng mở rộng lâu dài.