请分析对于关系型数据库来说，为什么纵向扩展会遇到瓶颈？横向扩展需要解决何种问题

纵向扩展指的是增加单个数据库服务器的性能，这包括增加内存、磁盘空间、CPU 等资源。这种扩展方式会遇到瓶颈，是因为单台数据库服务器的性能有限，总有一天会达到极限。

横向扩展指的是增加多台数据库服务器，将数据分布在多台服务器上。这种扩展方式需要解决如何在多台服务器之间进行数据同步、如何确保数据的一致性、如何处理负载均衡等问题。横向扩展能够提高数据库的性能和可扩展性，但也带来了更多的复杂性。

磁盘：是最终存储数据的载体，这个和数据量成正比

内存：是提供计算机运算的动力，是临时运算的存储，并不是储存所有数据。

阵列卡。是提供数据同步，备份，等功能的桥梁。是要两个硬盘相同内容的工具。

所以你根据你自己的需求，看看升级哪些就可以了。

软件开发中常见的十大系统瓶颈

件开发常见的20个传统的系统瓶颈，这听起来像是说有20个故事情节，并且依赖于你如何策划这些故事，或许都是真的，但唯有实践才知道它们带给我们的酸甜苦辣。下面是我整理的关于软件开发中常见的十大系统瓶颈，希望可以帮助大家!

Russell说：“我真希望在年轻时看到这样的一份列表”。伴随着经验的增长、项目的增多、解决各种不同类型的问题和不断总结各种经验教训，你会在这份列表上添加更多的东西。所以，当你在阅读该份列表时就像是在回顾一个个故事片段。

数据库

工作任务内存超过可用的RAM内存

长/短查询

写入冲突

大连接(join)占用内存

虚拟化

共享一个HDD、磁盘寻死(disk seek death)

在云端网络I/O波动

编程

线程：死锁、调试、非线性扩展等

事件驱动编程：callback()过于复杂、如何在函数调用中存储有状态等

缺乏调优、跟踪、日志等

单模块不可扩展、单点故障(SPOF:Single Point Of Failure)、非横向扩展等

有状态应用程序

设计问题：开发的.应用程序只在自己的机器行运行正常，或者只是在几个人测试的时候正常(没有经历压力测试)。

算法过于复杂

相关服务，例如DNS查找以及其他可能屏蔽的服务

堆栈空间

磁盘

访问本地磁盘

随机访问磁盘I/O

磁盘碎片

当SSD写入的数据大于SSD容量时，性能会下降

OS

Fsync饱和，Linux缓冲区填塞(Fsync flushing, linux buffer cache filling up)

TCP缓冲区太小

文件描述符限制

功率分配(Power budget)

缓存

没使用memcached(数据库崩溃)

HTTP中：headers、etags、没有使用gzip压缩等。

没有充分利用浏览器缓存

字节码缓存(如PHP)

L1/L2缓存：这是个令人头疼的大瓶颈。把关键并且经常访问的数据存储在L1/L2中。这涉及到很多：snappy网络I/O,列数据库直接在压缩数据上运行算法等。利用一些技术不销毁你的TLB。最重要的思想是紧紧的抓住计算机的体系结构，涉及多核CPU，L1/L2，共享的L3，NUMA RAM，从DRAM到芯片数据传输带宽/延迟，DRAM缓存的DiskPages，DirtyPages，流经CPU<->DRAM<->NIC的TCP包。

CPU

CPU过载

内容切换—>单核上开启的线程过多、Linux调度器、系统调用太多等

IO等待—>所有的CPU在同速等待

CPU缓存：缓存数据是一个细粒度进程，为了在多个实例与不同的值数据之间找到正确的平衡，来保持缓存数据的一致性和繁重同步。

底板吞吐量(Backplane throughput)

网络

NIC刷爆、IRQ饱和、软中断占用掉了100%CPU

DNS查询

数据包丢失

网络中存在预期外的路由

访问网络磁盘

共享SAN

服务器故障—>无法从服务处得到响应

进程

测试时间

开发时间

团队规模

预算

代码债务

内存

内存不足—>杀死进程，切换到swap，挂起

内存不足导致磁盘交换(与swap相关)

记忆库开销过大(Memory library overhead)

内存分片(在Java中需要会因为内存回收而停顿在C中，malloc总是开始分配内存)

---