در مقابل، افزایش مقیاس، بزرگتر یا سریعتر کردن یک جزء برای تحمل بار بیشتر است. این به معنای انتقال برنامه شما به یک سرور مجازی (VM) با 2 CPU به یکی با 3 CPU است. برای کامل‌تر شدن، کوچک‌سازی به کاهش منابع سیستم شما اشاره دارد، صرف نظر از اینکه از رویکرد بالا یا خارج استفاده می‌کنید.
بزرگ کردن و افزایش مقیاس چیست؟
اصطلاح "مقیاس‌سازی" به معنای استفاده از یک سرور واحد قدرتمندتر برای پردازش حجم کاری است که در محدوده‌های سرور قرار می‌گیرد. … Scale-out یک مدل متفاوت است که از چندین پردازنده به عنوان یک موجودیت واحد استفاده می کند، بنابراین یک کسب و کار می تواند فراتر از ظرفیت رایانه یک سرور واحد باشد
تفاوت بین افزایش مقیاس و کاهش مقیاس چیست؟
مجازی‌سازی تابع شبکه این عبارات را به‌طور متفاوتی تعریف می‌کند: کوچک‌سازی/ورود توانایی مقیاس‌پذیری با افزودن/حذف نمونه‌های منبع (مثلاً ماشین مجازی)، در حالی که مقیاس‌سازی بالا/پایین توانایی برای مقیاس است. با تغییر منابع تخصیص یافته (به عنوان مثال، حافظه/CPU/ظرفیت ذخیره سازی).
افزایش و کاهش مقیاس در رایانش ابری چیست؟
در اصل، دو راه برای مقیاس بندی در ابر وجود دارد: افقی یا عمودی. هنگامی که به صورت افقی مقیاس می کنید، در حال کاهش یا کاهش هستید که به تعداد منابع ارائه شده اشاره دارد. هنگامی که به صورت عمودی مقیاس می‌گیرید، معمولاً به آن افزایش یا کاهش می‌گویند، که به قدرت و ظرفیت یک منبع فردی اشاره دارد
کاهش مقیاس در رایانش ابری چیست؟
دو نوع اساسی مقیاس پذیری در رایانش ابری وجود دارد: مقیاس عمودی و افقی. با مقیاس عمودی، که به‌عنوان «افزایش مقیاس» یا «کاهش مقیاس» نیز شناخته می‌شود، به یک سرور ابری موجود در حال ارتقای حافظه (RAM)، ذخیره‌سازی یا قدرت پردازش (CPU) نیرو اضافه یا کم می‌کنید
