2. Analysis of Scale-out Ability of Akka Sharding cluster

跟很多分片集群解决方案不同，akka 分片集群（sharding cluster）中每一个节点都在直接访问本地数据的同时，也都可以作为 proxy 访问集群中其它节点的数据。在我看来，这是 akka 分片集群水平扩展（scale-out）能力可能接近线性的关键。

Comparing to some sharding solutions, Akka let you access whole sharding cluster data via any node.

2.1. Benchmark

在采用 Raspberry Pi 2 Model B 组成的 10 x nodes cluster ，我用 astore 测试了 akka 分片的水平扩展能力，结果显示出非常好的线性。我们不妨在此做个简单的分析。

2.2. Evaluate

设 c 为 number of connections， 为average response time（平均响应时间），则单节点（single node）时 qps 为：

当节点数（number of nodes）为 n 时，数据（data）有 的概率 （probability）在本节点（local node），而 的概率（probability）在 其它节点（remote nodes）。假设在本节点（local node）的平均响应时间（average response time） 仍然为 ，在其它节点的则为 ，则总体的平均响应时间（total average response time）为：

这时，qps 为：

当 随着 n 的增加（increasing）而越来越小于（less than more and more） 时，我们可以开始忽略（ignore） 项，也即：

2.3. Verify

下面我们看看几个测试中实际的数据：

连接数

单节点（single node）时，平均响应时间 ，则：

多节点（multiple nodes）情况下，假设 不变，根据测试数据可以估算出 左右，则：

从这个公式可以看出，当 n 逐渐增大（increasing）时， 中的 比重很快上升，当 n = 7 时，，已经是 0.12 的 10 倍（times），

那么这个公式是否真的有效呢？我计算了 n 从 2 到 10 的数据，跟实测数据很接近：

n	Eval	Real
1	1667	1643
2	1667	1505
3	2143	2102
4	2667	2685
5	3205	3243
6	3750	3749
7	4298	4297
8	4848	4846
9	5400	5370
10	5952	5920