4.1.2　被动伸缩

通过使用机器学习算法，可预测伸缩变得越来越准确，但是你仍然需要借助被动伸缩来处理突发的流量高峰。这种意料之外的流量高峰甚至可能是常规流量的10倍，这通常是由于突发的需求引起的，例如，首次进行促销尝试时我们无法对流量进行预估。

举个例子，你在电子商务网站上发起了一次限时抢购活动，你的主页访问量将大幅上升，用户会从主页跳转到限时抢购产品的指定页面，有些用户可能想要进行购买，因此，他们将继续跳转到“添加到购物车”页面。

在这种情况下，每个页面的流量模式各不相同，你需要了解现有的架构和流量模式以及所需流量的估算。你还需要了解网站的导航路径。例如，用户必须先登录才能购买产品，这可能导致登录页面的流量上升。

为了规划用于处理流量的服务器资源伸缩，需要确定以下模式：

□明确哪些Web页面是只读并且可缓存的。

□哪些用户查询只需要读取数据，不需要写入或更新数据库中的内容。

□某个用户查询是否反复地请求相同或重复的数据，例如用户资料。

一旦了解了这些模式，你就可以从架构上减轻负担，使其可以处理更多的过载流量。要减轻Web层的流量负担，可以将静态内容（例如图像和视频）从Web服务器转移到CDN。更多关于缓存分发模式的内容见第6章。

在服务器机群层面，需要使用负载均衡器来分配流量，并且通过自动伸缩机制来进行水平伸缩，自动地增加或缩减服务器。为了降低数据库负载，需要根据需求选择合适的数据库，例如使用NoSQL数据库来存储用户会话和检视意见，使用关系型数据库来存储事务数据，并对频繁的查询进行缓存。

本节介绍了用于处理应用程序伸缩需求的伸缩模式和方法，涵盖了可预测伸缩和被动伸缩两种伸缩模式。第6章将详细介绍不同类型的设计模式，以及如何用它们来扩展架构。