Penskalaan Horizontal vs Vertikal
Pahami dua cara mendasar untuk menambah kapasitas antarmuka pemrograman aplikasi: penskalaan vertikal dan penskalaan horizontal, serta cara memilih di antara keduanya berdasarkan biaya, batasan, dan arsitektur.
Penskalaan Horizontal vs Vertikal adalah pelajaran API Rate Limiting & Scalability Patterns gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar API Rate Limiting & Scalability Patterns, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus API Rate Limiting & Scalability Patterns mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Two Ways to Grow
When an API runs out of capacity you have two levers:
- Vertical scaling (scale up) — make the machine bigger
- Horizontal scaling (scale out) — add more machines
Each has very different cost and reliability profiles.
Vertical Scaling Explained
Vertical scaling means upgrading a single server: more CPU cores, more RAM, faster disks.
It is simple — no code changes — but you eventually hit the largest instance available, and that one box is a single point of failure.
Horizontal Scaling Explained
Horizontal scaling adds more identical servers behind a load balancer. Traffic spreads across the fleet.
- No hard ceiling — add nodes as needed
- One node failing does not take down the service
The Cost Curve
Vertical scaling cost rises steeply — top-tier hardware carries a premium. Horizontal scaling uses many commodity nodes, which is usually cheaper per unit of capacity at large scale.
Statelessness Enables Scale-Out
To scale out, any node must handle any request. That requires stateless services — no session data stored on the instance.
Push session and state to a shared store (Redis, a database) so nodes stay interchangeable.
// session in a shared store, not local memory
await redis.set('session:' + id, data, 'EX', 3600)Auto-Scaling Groups
Cloud platforms add or remove nodes automatically based on metrics like CPU or request rate.
You define a min, max, and a target metric; the platform keeps the fleet sized to load.
min_instances: 2
max_instances: 20
target_cpu_percent: 60When Vertical Still Wins
Scaling up is the right call when:
- The workload is hard to distribute (a single large in-memory dataset)
- You need a quick fix before re-architecting
- Licensing is per-node and a bigger box is cheaper
Diminishing Returns
Adding nodes is not free scaling — shared resources (a single database, a lock) become the new bottleneck. This is why scaling the data tier often matters more than the app tier.
Combining Both
Real systems mix strategies: right-size each node (a bit of vertical) then run many of them (horizontal). The goal is the best cost per request at your reliability target.
Measuring Before Scaling
Never scale blindly. Profile first to find the real constraint — CPU, memory, I/O, or a downstream dependency. Scaling the wrong dimension wastes money and hides the true bottleneck.
Scaling and Cost Awareness
Capacity is not free. A fleet sized for peak sits idle at night, burning money. Combine auto-scaling with right-sizing and consider spot or reserved capacity to match spend to real demand.
Quick Check
Check your understanding of scaling directions.
Recap
You compared scaling strategies:
- Vertical — bigger box, simple, but capped and a single point of failure
- Horizontal — more boxes, resilient, needs statelessness
- Auto-scaling sizes the fleet to load
- Always measure the real bottleneck first
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Penskalaan Horizontal vs Vertikal” gratis?
Ya — teks lengkap “Penskalaan Horizontal vs Vertikal” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus API Rate Limiting & Scalability Patterns, upgrade ke CoddyKit PRO. Kursus API Rate Limiting & Scalability Patterns mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Penskalaan Horizontal vs Vertikal”?
Pahami dua cara mendasar untuk menambah kapasitas antarmuka pemrograman aplikasi: penskalaan vertikal dan penskalaan horizontal, serta cara memilih di antara keduanya berdasarkan biaya, batasan, dan… Kamu berlatih API Rate Limiting & Scalability Patterns dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai API Rate Limiting & Scalability Patterns?
Tidak diperlukan pengalaman sebelumnya. API Rate Limiting & Scalability Patterns di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Penskalaan Horizontal vs Vertikal” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran API Rate Limiting & Scalability Patterns ini?
Ya. Setiap pelajaran API Rate Limiting & Scalability Patterns menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Memahami Skalabilitas API
- Metrik Utama Skalabilitas
- Rancangan API Tanpa Status dan Berstatus
- Penskalaan Horizontal vs Vertikal