キャパシティプランニング

将来の業務量や利用者数の増加を予測し、求められる性能や応答時間を満たすのに必要なCPU、メモリ、ストレージ、ネットワークなどの資源の量と、増強する時期を計画すること。現状の資源の使用状況を測定・分析し、需要の予測に基づいて過不足のない構成を見積もる。

将来の業務量やユーザ数の増加を予測し、必要なシステム資源（CPU、メモリ、ディスク、ネットワーク帯域等）を事前に計画すること。過剰投資と性能不足の両方を避けるために、適切なサイジングを行う。

将来のトラフィック増加を予測し、必要なネットワーク帯域や機器の処理能力を計画する活動。トラフィック分析、成長予測、ピーク時の負荷推定に基づき、設備投資の時期と規模を決定する。

将来の業務量やユーザ数の増加を予測し、必要なシステム資源（CPU、メモリ、ディスク、ネットワーク帯域等）を事前に計画すること。過剰投資と性能不足の両方を避けるために、適切なサイジングを行う。

将来の業務量や利用者数の増加を予測し、必要となるサーバ、ストレージ、ネットワークなどの資源の量と増強の時期を計画すること。現状の資源の使用状況を測定・分析して性能の限界を見極め、過不足のない投資で求められるサービスレベルを維持する。

複数のサーバの記憶領域を束ねて、1つの大きなファイルシステムとして提供するオープンソースの分散ファイルシステム。メタデータを管理する専用のサーバを持たず、ハッシュ計算でファイルの格納先を決めるため、単一障害点がなく、サーバを追加して容量を拡張できる。

一意のキーと、それに対応する値の組だけでデータを管理するNoSQLデータベース。キーを指定した読み書きに機能を絞ることで、高速な応答と、サーバを増やして処理能力を上げるスケールアウトを実現する。値の中身による検索や複雑な問合せには向かず、セッション情報やキャッシュの保存に使われる（Redis、Amazon DynamoDBなど）。

1つのデータベースのデータを、シャードキー（顧客IDなど）の値の範囲やハッシュ値で複数のサーバ（シャード）に水平分割して格納すること。書込みも含めて処理をサーバ間に分散でき、サーバを増やして性能と容量を伸ばせる。複数のシャードにまたがる結合やトランザクションは難しくなり、データの偏り（ホットスポット）やシャードの追加時の再配置にも対処が要る。

ネットワークでつながった複数のサーバの記憶装置をまとめ、利用者には1つのファイルシステムとして見せる仕組み。ファイルを分割・複製して複数のサーバに置くので、容量と読み書きの性能をサーバの追加で伸ばせ、一部のサーバが故障してもデータを失わない。HDFS、Ceph、GlusterFSなどがあり、大規模データの分析基盤に使われる。

システムの性能を評価する手法の一つで、稼働中のシステムのCPU使用率、メモリの使用量、入出力の回数や待ち時間、応答時間などを継続的に測定・記録すること。ソフトウェアモニタやハードウェアモニタで測り、性能のボトルネックの特定、性能の評価、キャパシティプランニングの基礎データに使う。標準的な処理で製品を比べるベンチマークと異なり、実際の業務の負荷のもとでの性能を捉える。

同じ機能を持つ対等な複数のコンピュータに処理を振り分けて、負荷を分散させる分散システムの構成。ロードバランサで要求を各サーバに割り当てる構成が代表例で、サーバの台数を増やせば処理能力を拡張でき（スケールアウト）、一部のサーバが故障しても処理を継続できる。