公认的答案是水平与垂直缩放的基本定义。但与人们普遍认为的只有Cassandra、MongoDB等才能实现数据库的水平缩放不同，我想补充一点，任何传统的RDMS都可以实现水平缩放；而不使用任何第三方解决方案。

我知道很多公司，特别是基于SaaS的公司都这样做。这是使用简单的应用程序逻辑完成的。基本上，您需要一组用户，并将他们划分到多个DB服务器上。因此，例如，您通常会有一个存储客户端、DB服务器/连接字符串等的“元”数据库/表，以及一个存储客户机/服务器映射的表。

然后，只需将来自每个客户端的请求定向到它们映射到的DB服务器。

现在有些人可能会说这类似于水平分区，而不是“真正的”水平缩放，他们在某些方面是正确的。但最终结果是，您已经在多个DB服务器上扩展了数据库。

两种水平缩放方法之间的唯一区别是，一种方法（MongoDB等）缩放是由DB软件本身完成的。从这个意义上说，你是在“购买”规模。在另一种方法中（对于RDBMS水平缩放），缩放是由应用程序代码/逻辑构建的。

让我们从增加资源的扩展需求开始，这样您的系统现在可以处理比以前更多的请求。

当你意识到你的系统越来越慢，无法处理当前的请求数量时，你需要调整系统。

这为您提供了两个选项。要么增加当前使用的服务器中的资源，即增加RAM、CPU、GPU和其他资源的数量。这就是所谓的垂直缩放。

垂直缩放通常代价高昂。它不会使系统具有容错性，即，如果您正在扩展使用单个服务器运行的应用程序，如果该服务器停机，您的系统将停机。在垂直缩放中，线程数量也保持不变。当过程发生时，垂直缩放可能需要系统暂时停止。增加服务器上的资源需要重新启动并关闭系统。

这个问题的另一个解决方案是增加系统中的服务器数量。该解决方案在科技行业中得到了广泛应用。这将最终降低每台服务器的每秒请求速率。如果您需要扩展系统，只需添加另一台服务器即可。您不需要重新启动系统。每个系统中的线程数减少，从而导致高吞吐量。为了将请求平均地分离到每个应用程序服务器，您需要添加负载平衡器，它将充当web服务器的反向代理。整个系统可以称为单个集群。您的系统可能包含大量请求，这些请求需要更多的集群。

希望您了解将缩放引入系统的整个概念。

传统的关系数据库被设计为客户端/服务器数据库系统。它们可以水平缩放，但这样做的过程往往复杂且容易出错。像NuoDB这样的新SQL数据库是以内存为中心的分布式数据库系统，旨在横向扩展，同时保持传统RDBMS的SQL/AID财产。

有关NuoDB的更多信息，请阅读他们的技术白皮书。

你有一家公司，只有一名员工，但你当时有一个新项目，你雇佣了新的应聘者——这是横向扩展。其中，新候选是新机器，项目是对api的新流量/调用。

作为一个项目，IIT/NIT负责处理所有对api/流量的请求。如果任何时候对你的api有更多的请求，那就解雇他，换成一个高智商的NIT/IIT家伙——这是垂直缩放。

是的，水平缩放意味着添加更多的机器，但这也意味着集群中的机器是相等的。MySQL可以通过使用副本在读取数据方面进行横向扩展，但一旦它达到服务器内存/磁盘的容量，就必须开始在服务器之间分割数据。这变得越来越复杂。由于复制速度通常太慢，无法跟上数据更改速度，因此在副本之间保持数据一致性通常是一个问题。

Couchbase也是一个很棒的NoSQL Horizontal Scaling数据库，用于许多商业高可用性应用程序和游戏，可以说是该类别中性能最高的数据库。它跨集群自动分区数据，添加节点很简单，而且您可以使用商品硬件、更便宜的虚拟机实例（例如，AWS使用大型而不是高内存、高磁盘机器）。它基于Membase（Memcached）构建，但增加了持久性。此外，在Couchbase的情况下，每个节点都可以执行读取和写入，并且在集群中都是平等的，只有故障切换复制（而不是像mySQL那样跨所有服务器进行完整数据集复制）。

性能方面，您可以看到一个优秀的Cisco基准：http://blog.couchbase.com/understanding-performance-benchmark-published-cisco-and-solarflare-using-couchbase-server

这里有一篇关于Couchbase架构的博客文章：http://horicky.blogspot.com/2012/07/couchbase-architecture.html

Oracle、db2等SQL数据库也支持通过共享磁盘集群进行水平扩展。例如Oracle RAC、IBM DB2 purescale或Sybase ASE Cluster版本。可以将新节点添加到OracleRAC系统或DB2purescale系统中，以实现水平扩展。

但这种方法与noSQL数据库（如mongodb、CouchDB或IBMCloudant）的不同之处在于，数据分片不是水平缩放的一部分。在noSQL数据库中，数据在水平缩放期间被碎片化。