ریاضیات مولتیتننسی: چرا برای S3 جواب میده ولی شاید برای تو نه
خلاصهٔ کاملتر
ماجرا از یه تاپیک تو X شروع شد که مهاجرت باکت یه مشتری S3 به انبوهی از خطاهای 503 ختم شد. ریشهاش این بود که S3 به کاربرها اجازه نمیده پارتیشنبندی فیزیکی دادههاشون رو کنترل کنن. بهجاش S3 الگوی بار کاری رو یاد میگیره و با آمار، دادههای پرتقاضا رو بهطور یکنواخت پخش میکنه.
منطقش اینه: بار کاری هر کاربر بهتنهایی پرنوسانه، ولی وقتی بار میلیونها کاربر رو روی هم جمع کنی، الگوی کلی نسبتاً صاف و قابلپیشبینی میشه. اما یه شرط مهم داره؛ این فقط وقتی کار میکنه که نوسانها به هم وابسته نباشن. اگه همهی دادهی یه کاربر رو روی یه ماشین بذاری یا کاربرهایی با الگوی مشابه رو کنار هم بذاری، اثر صافشدن از بین میره.
نویسنده یه مدل آماری ساخته (که بهصورت یه صفحهی وب قابلبازی هم منتشر شده) و خروجی کلیدیش نسبت «گرما» یا H بین بار اوج و بار میانگینه. تو حالت ایدهآل که همهی بارها تصادفی و نامرتبطن، هرچی تعداد مشتریها (N) بیشتر بشه، H به ۱.۰ نزدیک میشه؛ یعنی سیستم اشتراکی تقریباً نیازی به رزرو اضافی نداره. با فرض اینکه اقتصاد فروشنده وقتی H
