Как проектировать систему с расчётом на масштабируемость?

Начать с требований

До выбора технологий нужно уточнить функциональные сценарии, ожидаемые DAU, пиковый RPS, read/write ratio, объём и рост данных, p95/p99 latency, допустимую потерю данных, consistency и требования к доступности. Масштабируемость — не абстрактная цель, а способность выдерживать конкретный прогнозируемый рост.

Stateless application layer

Web- и API-сервисы стоит делать stateless, чтобы любой запрос мог обработать любой экземпляр. Сессии, кэш, файлы и фоновые задачи выносят во внешние системы: Redis, database, object storage и message broker.

Clients
  |
CDN / WAF / Load Balancer
  |
Stateless API replicas
  |
+-----------+------------+-------------+
|           |            |             |
Cache     Database     Message broker
Redis     Shards       Async workers

Стратегии масштабирования

• горизонтально масштабировать API через дополнительные реплики за load balancer;

• кэшировать горячие данные на CDN, gateway и application level;

• выносить долгие действия в очередь и background workers;

• добавлять индексы, read replicas, partitioning или sharding для данных при подтверждённой необходимости;

• использовать object storage и CDN для файлов и медиа;

• защищать сервис через rate limiting, backpressure и quotas.

Данные и consistency

Нужно заранее разделить критичные данные, где важна строгая консистентность, и данные, для которых допустима eventual consistency: счётчики, аналитика, поиск, рекомендации или часть feed. Это влияет на выбор базы, репликации, очередей и модель отказов.

Наблюдаемость и тесты

Без метрик нельзя доказать масштабируемость. Нужны SLI/SLO, p95/p99 latency, throughput, error rate, saturation, database metrics, cache hit rate, queue lag и distributed tracing. Архитектурные решения нужно подтверждать нагрузочными тестами и failure-тестами.

Как ответить на собеседовании

Я начинаю с количественных требований, а затем делаю application layer stateless и горизонтально масштабируемым. Состояние выношу во внешние хранилища, применяю cache, очереди и CDN, а БД оптимизирую по фактической нагрузке. Отдельно продумываю consistency, failure modes, rate limiting и observability; каждую гипотезу проверяю нагрузочными тестами.