Skalowanie — Od laptopa do chmury

Aplikacje Pytigona skalują się poziomo — od jednoosobowej konfiguracji SQLite na jednym deweloperze po wieloserwerowy klaster PostgreSQL za load balancerem, bez zmian w kodzie aplikacji.

Wymiary skalowania

Skalowanie pionowe (większy serwer)

Najprostsza ścieżka: daj Pytigonowi więcej CPU, RAM i szybszych dysków. Pytigon zyskuje na:

  • Więcej RAM — większe cache'e QuerySetów, więcej równoległych renderowań szablonów
  • Szybsze CPU — szybsza kompilacja .ihtml → .html
  • Dyski SSD — szybsze operacje wirtualnego systemu plików

Skalowanie poziome (więcej serwerów)

Bezstanowy design Pytigona (cały stan w bazie i VFS) umożliwia skalowanie poziome:

                 [Load Balancer]
                  /     |     \
            [App 1] [App 2] [App 3]
                  \     |     /
               [PostgreSQL] [Redis]

Architektura produkcyjna

Internet → Nginx (SSL termination, pliki statyczne)
              ├─→ Gunicorn (WSGI: żądania HTTP)
              └─→ Daphne (ASGI: WebSockets)
                     ↓
                  Django
                     ↓
              PostgreSQL + Redis

Konfiguracja Nginx

upstream pytigon_app {
    server 127.0.0.1:8000;
    server 127.0.0.1:8001;
    server 127.0.0.1:8002;
}

server {
    listen 443 ssl;
    server_name myapp.example.com;

    location /static/ {
        alias /var/www/pytigon/static/;
        expires 30d;
    }

    location / {
        proxy_pass http://pytigon_app;
        proxy_set_header Host $host;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }

    location /ws/ {
        proxy_pass http://pytigon_ws;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
    }
}

Skalowanie bazy danych

  • SQLite — tylko pojedynczy serwer. Dobre do developmentu, małych wdrożeń.
  • PostgreSQL — wieloserwerowe. Użyj poolingu połączeń (PgBouncer), replik do odczytu dla zapytań raportowych.
  • Pooling połączeń — ustawienie CONN_MAX_AGE Django trzyma połączenia z bazą między żądaniami.

Cache'owanie

Typ cache Backend Zastosowanie
Cache szablonów File/Memcached skompilowane .ihtml → .html
Cache zapytań Redis często dostępne dane
Cache sesji Redis sesje użytkowników (wymagane przy wielu serwerach)
Pliki statyczne Nginx/CDN CSS, JS, obrazy

Zadania w tle na dużą skalę

Dla wdrożeń wieloserwerowych skonfiguruj dedykowanego workera zadań:

# settings_app.py
TASK_BACKEND = 'redis'  # lub 'rabbitmq'
TASK_WORKER_COUNT = 4

Zadania są rozdzielane między workerów używając Redis jako brokera wiadomości.

?: Scaling ?: Scaling