高可扩展性表示可通过加机器线性提高系统处理能力，承担更高流量和并发。
由于峰值的流量不可控，不可能在系统架构设计初期就考虑好机器数量以支持并发。
一般基于成本考虑，在业务平稳期，会预留30%～50%冗余机器应对运营活动或者推广可能带来的峰值流量，但当有突发事件时，流量可能瞬间提升几倍。莫过于明星公布恋情，大家都会到两人微博下互动，微博流量短时内迅速增长，微博信息流也短暂出现无法刷新消息，系统一时间不可用。
所以如何应对突发的流量呢？
最快的方式就是堆机器。不过能保证扩容三倍机器后，系统也能支撑三倍的流量吗？
系统瓶颈在哪里？
通过在单机系统中增加处理核心，可增加系统的并行处理能力，但当并行任务数较多时，系统会因为争抢资源而达到性能拐点，处理能力不升反降。
集群系统也是这样。不同的系统分层上可能存在一些“瓶颈”，这些瓶颈点制约着统的横向扩展能力。
比如系统流量1000 QPS，对DB也是1000 QPS。若流量增加10倍，虽然系统可通过扩容正常服务，DB却成瓶颈。或单机网络带宽50Mbps，若扩容到30台机器，前端负载均衡带宽就超过千兆带宽限制，也会成为瓶颈点。
所以系统中存在哪些服务会成为系统扩展的瓶颈呢？
无状态的服务和组件很易于扩展，但是MySQL这种存储服务有状态，较难扩展。因为向存储集群中增减机器时，涉及大量数据迁移，一般关系型DB都不支持。
DB、缓存、依赖的第三方、负载均衡、交换机带宽等都是系统扩展时需考虑因素。得清楚系统并发达到某量级后，哪个因素会成为系统瓶颈点，从而对症下药。
高可扩展性设计
拆分，把庞杂系统拆分成独立、单一职责的模块。
注意对不同类型模块，拆分原则不同。假如设计一个知乎，那么会有几个模块呢？至少5个模块。
用户：负责维护社区用户信息，注册，登陆等；
关系：用户之间关注、好友、拉黑等关系的维护；
内容：社区发的内容，就像朋友圈或者微博的内容；
评论、赞：用户可能会有的两种常规互动操作；
搜索：用户的搜索，内容的搜索。
部署方式遵照最简单三层部署架构
负载均衡负责请求的分发
应用服务器负责业务逻辑的处理
数据库负责数据的存储落地
所有模块的业务代码混合，数据也都存在一个库。
存储层的扩展性
无论是存储数据量，还是并发访问量，不同业务模块间量级相差很大。
比如知乎，关系数据量远大于用户数据量，但用户数据的访问量却远比关系数据大。所以假如存储目前的瓶颈点是容量，那只需针对关系模块的数据做拆分，而无需拆分用户模块数据。所以存储拆分首先考虑业务维度。
拆分后，这简单社区系统就有用户库、内容库、评论库、点赞库和关系库。这还能隔离故障，某库挂了不会影响到其它DB。
按DB业务拆分后的部署架构
业务拆分一定程度提升了系统扩展性，但运行久后，单一业务DB在容量和并发请求量上仍会超过单机限制。需针对DB做二次拆分。
这次拆分按照数据特征做水平的拆分，比如给用户库增加俩节点，然后将用户数据拆分库。
水平拆分后，即可突破单机限制。不能随意地增加节点，因为一旦增加节点就需手动迁移数据。所以长远考虑最好一次增加足够节点，避免频繁扩容。
当DB按业务和数据维度拆分后，尽量不要使用事务。因为当一个事务同时更新不同DB，需使用二阶段提交，来协调所有DB要么全部更新成功，要么全部更新失败。
