Was bedeutet Skalierbarkeit?

Skalierbarkeit bezeichnet die Eigenschaft eines Systems, bei wachsender Last durch zusätzliche Mittel weiterhin verlässlich zu arbeiten. Sie zeigt sich daran, ob doppelte Rechenleistung auch einen annähernd doppelten Durchsatz bringt. Von der reinen Leistungsfähigkeit unterscheidet sie sich darin, dass nicht der einmalige Höchstwert zählt, sondern das Verhalten beim Wachsen der Last.

Bei der vertikalen Skalierung bekommt ein einzelner Server mehr Arbeitsspeicher, mehr Prozessorkerne oder eine stärkere Grafikkarte, bis der Platz im Gehäuse ausgereizt ist. Die horizontale Skalierung verteilt die Last stattdessen auf mehrere Server, setzt dafür aber einen Lastverteiler und Dienste ohne gespeicherten Sitzungszustand voraus. Container und Kubernetes erlauben es, Kapazität im laufenden Betrieb zu ergänzen und wieder abzuziehen. Bei KI-Anwendungen liegt der Engpass meist beim Grafikspeicher, seltener bei der Rechenzeit.

Die Frage nach der Skalierbarkeit stellt sich, sobald ein Dienst über eine Abteilung hinaus geöffnet wird und die Last über den Tag schwankt. Beispiele sind Suchdienste, Assistenzfunktionen am Arbeitsplatz und Auswertungen mit festen Stichtagen. Bei gleichbleibender Zahl von Nutzern und Anfragen genügt eine feste Auslegung.

Der Vorteil gegenüber einer Auslegung auf den Höchstwert liegt in den Kosten. Kapazität wird in der Spitze ergänzt und danach wieder abgeschaltet, sodass außerhalb der Stoßzeiten keine ungenutzte Hardware bezahlt wird. Weitere Bereiche lassen sich anschließen, ohne die Architektur zu ändern.

Skalierbarkeit entscheidet sich an der Architektur und nicht an der Beschaffung. Speichert ein Dienst die Sitzungsdaten seiner Nutzer im Arbeitsspeicher eines Servers, müssen alle Anfragen dorthin zurück, und zusätzliche Server bringen nichts. Beim Betrieb im eigenen Rechenzentrum kommt dessen physische Grenze hinzu, die vor der Beschaffung bekannt sein sollte.