Escalando o Volume de Dados

Este documento aborda cenários de escalonamento de volume de dados, onde o tamanho total do conjunto de dados excede a capacidade de um único nó.

Escalamento de Inquilinos (Tenant Scaling)

Se o caso de uso for multi-inquilino (multi-tenant), significando que cada usuário tem acesso apenas a um subconjunto dos dados, e nunca precisamos consultar todos os dados, então podemos usar padrões de multi-inquilino para escalar.

A forma recomendada é usar cargas de trabalho multi-inquilino com particionamento de carga útil (payload partitioning), índices por inquilino (per-tenant indexes) e multi-inquilino em camadas (tiered multitenancy).

Saiba mais Escalamento de Inquilinos

Janela de Tempo Deslizante (Sliding Time Window)

Alguns casos de uso são baseados em uma janela de tempo deslizante, onde apenas os dados mais recentes são relevantes. Por exemplo, um índice para posts de mídias sociais, onde apenas os últimos 6 meses de dados exigem busca rápida.

Saiba mais Janela de Tempo Deslizante

Busca Global (Global Search)

A maioria dos casos de uso gerais requer busca global em todos os dados. Nessas situações, podemos precisar recorrer ao escalonamento vertical e, em seguida, ao escalonamento horizontal quando atingirmos os limites do escalonamento vertical.

Escalamento Vertical

Quando os dados não cabem em um único nó, a primeira abordagem é escalar o próprio nó — mais RAM, disco melhor, quantização, mmap. Esgote as opções verticais antes de ir para o horizontal, pois o escalonamento horizontal adiciona complexidade operacional permanente.

Saiba mais Escalamento Vertical

Escalamento Horizontal

Quando um único nó não consegue armazenar os dados, mesmo com quantização e mmap, distribua os dados por vários nós através de sharding.

Saiba mais Escalamento Horizontal