Система не справляется с нагрузкой: что делать в 2026

16/11/2026
·
Обновлено
11.16.2026
Что делать, если система не выдерживает нагрузки? — обложка

Главное

• Сначала триаж, потом перестройка. Под нагрузкой почти всегда тормозит одно звено. Найдите его по метрикам, и точечная правка часто даёт запас на недели уже за день.

• Масштабируемость закладывают, её не включают кнопкой. Это способность системы обслуживать больше пользователей без переписывания и без того, чтобы счёт за серверы рос быстрее аудитории.

• Дешёвые рычаги идут первыми. Кэш, CDN и дополнительные серверы приложения за балансировщиком почти всегда выгоднее, чем машина побольше или переход на микросервисы.

• База данных — главная стена. Индексы, реплики чтения и очереди решают большую часть проблем. Шардирование оставляют на потом: откатить его трудно.

• Без нагрузочного теста вы гадаете. Пока трафик не смоделирован, вы не знаете, где система сломается. С 1 июля 2026 года Yandex Load Testing закрыт, тесты переводят на k6 и другие открытые инструменты.

Обновлено в ноябре 2026: статья переписана в план стабилизации из пяти шагов, добавлены данные о стоимости простоя за 2026 год, замена закрытому Yandex Load Testing, PostgreSQL 19, сроки и бюджет с ИИ-инструментами.

Если система не справляется с нагрузкой, не начинайте с переписывания. Сначала снимите метрики и найдите одно звено, которое упирается первым, обычно это база данных. Затем дайте системе временный запас мощности, нагрузочным тестом найдите точку отказа и наращивайте запас в порядке стоимости: кэш, серверы без состояния за балансировщиком, индексы и реплики базы, очереди, автомасштабирование. Перестройка архитектуры остаётся последним ходом.

Ниже описан порядок, по которому мы стабилизируем свои и чужие системы: что делать в первые сутки, как найти узкое место, какой рычаг выбрать под симптом, сколько это стоит и когда переделывать архитектуру не нужно. В конце есть ответы на частые вопросы.

Система не справляется с нагрузкой: что делать в первые сутки

Коротко: остановить ущерб и собрать данные. Архитектурные решения принимают позже, днём и на цифрах.

  1. Смотрите графики, а не догадки. Снимите загрузку процессора, память, число подключений к базе и время ответа (95-й перцентиль) за последний пик. Ресурс, который упёрся в 100 %, и есть первый подозреваемый. Если графиков нет, начните с них.
  2. Поставьте кэш перед самым тяжёлым чтением. Классическая причина аварии: один тяжёлый запрос выполняется тысячи раз в секунду. Его результат можно держать в Redis или Valkey хотя бы 30 секунд, и база получит заметно меньше работы.
  3. Временно добавьте мощности. В облаке это возьмёт минуты: машина покрупнее или пара дополнительных серверов приложения. Это ещё не решение: так вы получаете время, чтобы спокойно сделать остальное.
  4. Заморозьте рискованные релизы. Пока система нестабильна, каждое новое изменение мешает понять, что именно помогло.

Правило первых суток: временный запас мощности покупают сразу, а решение «переписать систему» принимают последним. Деньги, вложенные до того, как найдено узкое место, часто уходят на усиление не того звена.

Почему этот разбор пишет Фора Софт

Мы разрабатываем видеоплатформы, видеосвязь и продукты с ИИ с 2005 года: сдали больше 250 проектов, в команде около 50 инженеров. В видео нагрузка не теоретическая: если в восемь вечера к эфиру подключаются пять тысяч человек, система либо держит, либо падает у всех на глазах.

Мы делали платформу онлайн-обучения Школарли, где на одном живом занятии бывает до 2 000 учеников одновременно, и концертный стриминг Ворлдкаст Лайв на 10 000 зрителей с задержкой меньше секунды. Ни одна из этих систем не родилась масштабируемой: каждая прошла ту же последовательность шагов, что описана ниже. Если ваш продукт уже тормозит, начните с доработки и оптимизации ПО: мы профилируем систему под нагрузкой и только потом предлагаем изменения.

Система тормозит под нагрузкой прямо сейчас?

Расскажите, что происходит. Поможем найти узкое место и предложим самый дешёвый способ его снять, без переписывания с нуля.

Обсудить проект →Позвонить →Написать на почту →

Что такое масштабируемость системы

Масштабируемость — способность системы выполнять больше работы (обслуживать больше пользователей, запросов или данных) так, чтобы время ответа и надёжность оставались в норме, а расходы росли не быстрее нагрузки. Масштабируемое приложение переживает всплеск трафика за счёт дополнительных ресурсов. Немасштабируемое тормозит, сыплет ошибками или требует переписывания.

Два слова часто путают. Масштабирование — действие: добавить серверы, разделить базу. Масштабируемость — свойство, которое делает это действие дешёвым и безопасным. Немасштабируемую систему тоже можно масштабировать, но каждый раз это будет стоить простоя и денег.

Мощность добавляют в двух направлениях. Вертикально: более мощная машина, больше процессоров и памяти. Горизонтально: больше машин за балансировщиком нагрузки. Большинство живых систем делают и то и другое. На схеме ниже видно, какое звено обычно ломается первым.

Путь запроса под нагрузкой: CDN, балансировщик, серверы приложения, кэш и база данных как узкое место

Рисунок 1. Серверы приложения без состояния масштабируются добавлением узлов, а база данных хранит состояние и упирается первой.

Признаки того, что система не выдерживает нагрузку

Проблема с масштабируемостью видна раньше первой аварии. Обычно это четыре признака:

  • время ответа растёт с каждым скачком трафика, особенно 95-й и 99-й перцентили;
  • в часы пик растёт доля ошибок: таймауты, ответы 500 и 502, обрывы соединений;
  • счёт за инфраструктуру растёт быстрее, чем число пользователей;
  • один компонент (чаще всего база данных) загружен на 100 %, а остальные простаивают.

Два признака одновременно говорят о проблеме архитектуры, даже если система пока ни разу не упала. Следующий всплеск она без изменений не переживёт.

Сколько стоит час простоя в 2026 году

Дорого, поэтому порядок действий важен. В отчёте New Relic Observability Forecast, опубликованном 22 сентября 2026 года (опрос 2 575 инженеров и IT-руководителей из 24 стран), средняя стоимость часа серьёзного сбоя составляет 1,85 млн долларов, а потери компании от таких сбоев за год — 74 млн долларов. По ежегодному анализу сбоев Uptime Institute за май 2026 года, у 57 % опрошенных последний крупный сбой обошёлся дороже 100 000 долларов, а у каждого пятого дороже 1 млн долларов.

Это цифры крупного бизнеса, но пропорция верна и для стартапа: час простоя в день запуска или распродажи стоит больше, чем неделя работы инженеров. Классический пример — запуск портала HealthCare.gov в октябре 2013 года. По данным ProPublica, сайт рассчитывали на 50–60 тысяч одновременных пользователей, пришло около 250 тысяч, и система легла в первые часы. Экзотики там не было: непроверенная нагрузка встретилась с неготовой архитектурой.

Как заложить нагрузку ещё на этапе планирования

Дешевле всего решить проблему до того, как она возникла. Мы делаем это на этапе планирования и аналитики продукта: сначала оцениваем, сколько пользователей будет в системе одновременно в обычный день и в пик, а потом проектируем архитектуру так, чтобы она держала пик с запасом.

Затем команда проекта показывает готовую архитектуру разработчикам, которые в проекте не участвуют. Мы называем это защитой архитектуры. Коллеги со стороны находят слабые места и предлагают улучшения, команда вносит правки и только потом строит по этой схеме продукт. Так мы заранее уверены, что после релиза система справится с нагрузкой, на которую её рассчитывали.

Если этот шаг пропустили и система не тянет уже после запуска, начинать нужно с поиска узких мест.

Как найти узкое место

Узкое место — ресурс, который насыщается первым и тянет за собой всю систему. Ошибка в выборе стоит денег и окна аварии, поэтому идём по пути запроса по порядку.

База данных

Чаще всего причина здесь. Медленные запросы без индексов, исчерпанный пул подключений, блокировки. Включите журнал медленных запросов: один недостающий индекс не раз на наших глазах превращал запрос из секунд в миллисекунды.

Сервер приложения

Тяжёлая работа на процессоре (сериализация, обработка картинок, запросы к базе в цикле) занимает ядра и задерживает ответы. Прежде чем решать, что нужны новые серверы, профилируйте горячий метод: иногда исправление занимает 20 строк, а не 20 узлов.

Внешние зависимости

Вызовы сторонних API прямо в обработке запроса, тяжёлые ответы, загрузки без ограничений по размеру. Каждый медленный внешний сервис блокирует всё, что стоит за ним в очереди. Превратить догадки в доказательства помогает нагрузочный тест.

Нагрузочное тестирование: где именно ломается

Масштабируемость проверяют, моделируя реальный трафик и наблюдая, что сдаётся первым. Мы проводим стресс-тестирование: боты, которые ведут себя как живые пользователи, нагружают каждый компонент, пока он не перестанет отвечать. Тестировщики фиксируют, какой компонент ломается первым, а разработчики укрепляют именно его. Тесты стоит автоматизировать, чтобы они запускались перед каждым релизом и обновлением.

Инструменты зрелые и в основном открытые:

ИнструментДля чего лучшеЯзык сценариевЛицензия
k6 (Grafana)по умолчанию для большинства команд, удобно встраивается в CIJavaScriptоткрытый; есть платное облако Grafana
Apache JMeterсамый широкий набор протоколов, старые системыграфический интерфейс, XMLоткрытый, бесплатный
Locustкоманды на Python, сценарии в кодеPythonоткрытый, бесплатный
Gatlingочень нагруженные API, высокая пропускная способность одного агентаScala, Java, Kotlinоткрытая версия; есть платная Enterprise
Pandoraгенератор нагрузки от Яндекса, HTTP и gRPCGo, YAMLоткрытый, бесплатный

Важно в 2026 году: облачный сервис Yandex Load Testing прекратил работу 1 июля 2026 года. Сам Яндекс в документации предлагает переносить профили нагрузки, автостоп и запуск из CI на открытый k6. Если ваши тесты жили в этом сервисе, их нужно перенести до следующего крупного релиза.

Какой инструмент ни выберите, доводите тест до отказа. Круглая цифра вроде «выдержали 1 000 пользователей» мало что даёт. Полезный итог выглядит так: «время ответа удвоилось на 1 400, причина в пуле подключений к базе». По такой фразе сразу видно, какой рычаг тянуть следующим.

Чем нагрузочное тестирование отличается от обычного и почему тесты окупаются, мы разбирали в статье зачем нужно тестирование ПО в 2026 году.

Вертикальное или горизонтальное масштабирование

Всё зависит от симптома. Вертикальное масштабирование — самая быстрая аварийная мера: сменили тип машины, перезапустили, через несколько минут всё работает, код трогать не нужно. Оно уместно, когда упёрся один сервер и нужно пережить сегодняшний вечер. Пределы видны быстро: выше самой мощной машины не прыгнуть, а одна машина остаётся единой точкой отказа.

В Kubernetes вертикальное масштабирование стало мягче. С версии 1.35 (декабрь 2025 года) изменение ресурсов пода на лету вышло в стабильный статус: процессор и память работающего пода меняются без пересоздания, если на узле есть свободные ресурсы. Некоторые среды, например куча JVM или shared_buffers в Postgres, всё равно требуют перезапуска, чтобы использовать новую память.

Горизонтальное масштабирование — долгосрочный ответ для серверов приложения. Добавляете узлы за балансировщиком, и мощность растёт почти линейно. Условие одно: сервер не должен хранить состояние. Если сессия пользователя живёт в памяти конкретного сервера, запросы привязаны к нему, и свободно добавлять или убирать узлы не получится. Вынесите сессии в Redis или токен, и слой приложения масштабируется чисто.

Какой рычаг масштабирования выбрать по симптому: кэш, мощнее машина, автомасштабирование, очереди, мониторинг

Рисунок 2. Найдите свой симптом слева: справа рычаг, который даёт больше всего запаса именно для него.

Кэширование: самый дешёвый запас мощности

Кэш держит горячие данные в памяти, и повторные запросы не доходят до тяжёлой работы. Для большинства команд это самый выгодный шаг: база перестаёт тысячи раз в секунду отвечать на один и тот же вопрос.

Redis больше не единственный выбор. Valkey, открытый форк Redis под управлением Linux Foundation, совместим с Redis по протоколу, и обычные клиентские библиотеки работают без изменений. В России его можно взять как управляемый сервис: в Yandex Cloud есть Managed Service for Valkey с шардированием и TLS. Для нового кэша мы сравниваем оба варианта по цене и условиям размещения.

Кэшируют на нескольких уровнях. CDN отдаёт статику с краёв сети, ближе к пользователю, и этот трафик вообще не доходит до ваших серверов. Кэш приложения хранит результаты запросов и вычислений. Даже короткое время жизни помогает: если страницу каталога держать в кэше 60 секунд, вирусный всплеск ударит в память и до базы не дойдёт.

Подвох один: устаревшие данные. Заранее решите, что может быть слегка старым (число подписчиков), а что должно быть точным до секунды (баланс счёта), и кэшируйте только первое.

Балансировщик нагрузки и серверы без состояния

Балансировщик стоит перед серверами приложения, распределяет между ними запросы и следит за их здоровьем, чтобы упавший узел перестал получать трафик. Без него дополнительные серверы просто простаивают, а с ним каждый новый узел сразу добавляет мощности. В небольших системах эту роль часто играет обратный прокси, например Traefik или Nginx; как настроить первый, мы разбирали в статье что такое Traefik.

Условие то же: любой узел должен уметь обработать любой запрос. Значит, на локальном диске или в памяти сервера не живут ни сессии, ни загруженные файлы, ни незавершённые задачи. Сессии уходят в Redis или Valkey, файлы в объектное хранилище, фоновые задачи в очередь.

Как масштабировать базу данных: индексы, реплики, шардирование

База данных — место, где масштабировать труднее всего, потому что состояние должно оставаться согласованным. Шаги идут по возрастанию сложности.

  1. Индексы и запросы. Журнал медленных запросов, недостающие индексы, пул подключений вроде PgBouncer. Это дёшево и часто снимает проблему целиком.
  2. Реплики чтения. Копии базы обслуживают чтение, а основная база занимается только записью. Большинство приложений больше читают, чем пишут, поэтому это само по себе снимает много нагрузки. Цена этого шага в задержке репликации: чтение сразу после записи оставляйте на основной базе.
  3. Очереди и асинхронность. Не каждая операция должна выполняться внутри запроса. Письма, миниатюры, аналитику и уведомления отправьте в очередь (Kafka, RabbitMQ) и обрабатывайте в фоне. Очередь заодно гасит всплески: пик просто заполняет очередь, и основной путь продолжает работать.
  4. Шардирование. Данные делят между несколькими базами по клиенту, региону или диапазону ключей. Это настоящее решение для упора в запись и самый болезненный шаг: запросы и транзакции между шардами усложняются, а перешардирование потом становится отдельным проектом.

Проверьте версию базы: в PostgreSQL 18 (сентябрь 2025 года) появилась асинхронная подсистема ввода-вывода, которая ускоряет чтение с диска в последовательных сканированиях и очистке. PostgreSQL 19 вышел в статус кандидата 15 октября 2026 года, финальный релиз запланирован на 19 ноября 2026 года. Переход на новую версию требует подготовки, поэтому его стоит внести в дорожную карту, аварийной мерой он не станет.

Порядок важен, потому что каждый следующий шаг труднее откатить. Мы видели команды, которые шардировали базу слишком рано и потом месяцами поддерживали сложность, без которой обошлись бы кэш и реплики.

Не знаете, какой рычаг тянуть первым?

Проведём нагрузочный тест, назовём настоящее узкое место и дадим план по порядку: сначала самые дешёвые исправления, переписывание только если без него никак.

Обсудить проект →Позвонить →Написать на почту →

Автомасштабирование и ловушка счёта за облако

Автомасштабирование добавляет узлы, когда нагрузка растёт, и убирает, когда падает, так что вы платите за то, что реально используете. Это естественная пара для серверов без состояния за балансировщиком: задаёте цель (например, 60 % загрузки процессора), остальное платформа делает сама. Для трафика с пиками в пару часов в день разница огромная: не нужно круглые сутки платить за мощность, нужную только вечером.

Ловушка в том, чтобы считать автомасштабирование заменой эффективности. Оно охотно масштабирует и неэффективное приложение, а счёт приходит вам. Если узкое место в одном плохом запросе к базе, автомасштабирование поднимет ещё серверы, которые будут ждать ту же перегруженную базу. Сначала исправьте узкое место, потом масштабируйте исправленную версию.

В Kubernetes узлы добавляет Horizontal Pod Autoscaler, а KEDA расширяет его триггерами вроде длины очереди. Ни один из них не масштабирует управляемую базу данных, и лишние экземпляры приложения могут исчерпать её подключения, поэтому перед базой ставят пул подключений. Задайте и нижнюю, и верхнюю границу: минимум сохраняет отклик, пока новые узлы загружаются, максимум не даёт ошибке или наплыву трафика раздуть счёт за ночь. Где размещать систему и сколько стоят разные облака, мы сравнивали в статье какой облачный хостинг выбрать.

Рычаги масштабирования: сравнение

Таблицу читайте сверху вниз: примерно в таком порядке рычаги и стоит пробовать.

РычагЧто решаетТрудозатратыКогда не подходит
Кэш и CDNповторные чтения, статиканизкиеданные должны быть точными до секунды
Мощнее машинаавария сегодня вечером, один горячий узелочень низкиекак постоянный план: упрётесь в потолок
Узлы за балансировщикомпропускная способность приложения, отказоустойчивостьсредниеприложение хранит состояние локально
Реплики чтениянагрузка на чтение из базысредниеупор в запись, нужна строгая свежесть
Очередивсплески, медленная фоновая работасредниеоперация должна быть синхронной
Автомасштабированиепеременная нагрузка с пикамисредниепока не исправлен неэффективный горячий путь
Шардирование, микросервисыпотолок записи, рост командывысокиепока не исчерпан более простой рычаг
Рычаги масштабирования по трудозатратам: от кэша и CDN до шардирования и микросервисов

Рисунок 3. Дешёвые рычаги сверху. Шардирование и микросервисы — последний ход, а не первый.

Аудит кода и архитектуры: решение надолго

Поиск узких мест чинит то, что болит сегодня. Чтобы понять, где система сломается завтра, параллельно со стресс-тестированием мы проводим аудит кода: разработчики анализируют код и архитектуру и оценивают их по семи критериям.

  • Форматирование кода (Code Formatting): единый стиль, который легко читать.
  • Современные практики (Best Practices): нет ли устаревших подходов.
  • Поддерживаемость (Maintainability): насколько дорого вносить изменения.
  • Архитектура (Architecture): выдержит ли схема рост нагрузки.
  • Документация (Documentation): сможет ли новый разработчик разобраться.
  • Безопасность (Safety): уязвимости и утечки данных.
  • Эффективность (Efficiency): лишняя работа процессора, памяти и базы.

Главная польза аудита в том, что он показывает, как поднять производительность с минимальными затратами. В отчёте мы по пунктам описываем состояние каждого критерия с пояснениями и примерами. Подробно о критериях рассказываем в статье что такое аудит кода и как его провести. Если проблема в старом коде, который боятся трогать, пригодится разбор что делать с legacy-кодом.

Сколько стоит стабилизация системы под нагрузкой

Типичная стабилизация без переписывания (нагрузочный тест, кэш, вынос состояния, балансировщик, работа с базой и повторный тест) занимает у нас 3–5 недель с ИИ-инструментами (4–7 недель у команд без них) и 160–300 часов работы. Точная оценка зависит от того, где узкое место и в каком состоянии код.

Как ИИ-инструменты меняют сроки: ускорение зависит от типа работы. Шаблонный код и инфраструктура как код (тип А) ускоряются сильнее всего, продуктовая логика (тип Б) примерно вдвое, тяжёлая инженерия вроде профилирования и тюнинга базы (тип В) заметно меньше, а повторные нагрузочные тесты в реальном времени (тип Г) не ускоряются вовсе. Публичные исследования расходятся, наши коэффициенты взяты из проектов Фора Софт.

РаботаТипФора Софт с ИИ-инструментамиРынок без ИИ
Нагрузочный тест и поиск узкого местаВ47–78 ч60–100 ч
Кэш перед горячими запросамиБ20–40 ч40–80 ч
Вынос сессий, балансировщик, автомасштабирование как кодА18–36 ч60–120 ч
Индексы, реплики чтения, очередиВ62–125 ч80–160 ч
Повторный нагрузочный тест до целевой нагрузкиГ16–24 ч16–24 ч
Итого часов—160–300 ч260–480 ч
Бюджет работ при 3 700 ₽ в час—≈ 0,6–1,1 млн ₽≈ 0,95–1,8 млн ₽
Срок, два инженера—3–5 недель4–7 недель

Как считали: часы без ИИ × коэффициент по типу работы (А −70 %, Б −50 %, В −22 %, Г 0 %), калибровка Фора Софт от ноября 2026 года; срок сокращён меньше часов (экономия × 0,75), повторный нагрузочный тест не сокращается; облачная инфраструктура, CDN и лицензии в бюджет не входят и от ИИ не дешевеют.

Сама инфраструктура после такой работы обычно дешевеет. Когда кэш забирает повторные чтения, базу можно уменьшить, а серверы приложения держать на минимуме и добавлять только в пик. Платить за мощность, которая нужна два часа в день, круглые сутки вы перестаёте.

Кейс: 2 000 учеников в одном эфире

Ситуация. У платформ живых занятий самый неудобный профиль нагрузки: в 9:00 никого, в 9:01 две тысячи человек входят в одно занятие. Для платформы подготовки к экзаменам Школарли из Сиднея (больше 15 000 активных пользователей) именно такие пики в сезон экзаменов были главным риском.

Что сделали. Ту же последовательность, что описана в статье. Сделали серверы без состояния и поставили их за балансировщик, вынесли горячие чтения в Redis, разделили систему на микросервисы в Kubernetes там, где у частей разный профиль нагрузки, поставили PgBouncer перед PostgreSQL, тяжёлую фоновую работу отправили в RabbitMQ и NATS, а видео живых занятий пустили через LiveKit. Мониторинг на Grafana и Prometheus показывает, какое звено нагружено, до того как его заметят ученики.

Результат. Платформа держит живые занятия до 2 000 учеников одновременно и пиковый трафик сезона экзаменов. Если ваш профиль нагрузки связан с видео, подробнее о нём в нашем разборе масштабирования видеоконференций и стриминга и в курсе «Видеостриминг: от ингеста до экрана зрителя».

Пять ошибок, которые повторяются

  1. Переписывать до замеров. Самая дорогая ошибка: решить, что нужны микросервисы, не найдя настоящего узкого места. Большинство проблем «надо всё переделать» лечатся одним запросом и одним кэшем.
  2. Шардировать раньше времени. Шардирование мощное и почти необратимое. Команда, которая сделала его до кэша и реплик, годами живёт со сложностью ради мощности, которая ещё не была нужна.
  3. Не замечать состояние. Сессии в памяти, файлы на локальном диске, задачи, привязанные к одному узлу. Каждая такая мелочь тихо блокирует горизонтальное масштабирование.
  4. Не тестировать нагрузку. Релиз без моделирования пика почти гарантирует разбор аварии. HealthCare.gov упал из-за непроверенной нагрузки, экзотические технологии тут ни при чём.
  5. Автомасштабировать неэффективное приложение. Если больше серверов ждут одну перегруженную базу, упор остаётся тем же, растёт только счёт.

Какие метрики отслеживать

Производительность. Смотрите на 95-й и 99-й перцентили времени ответа, а не только на среднее: среднее прячет пользователей, которым плохо. Следите за долей ошибок под нагрузкой и числом запросов в секунду при целевом времени ответа. Рабочий ориентир для веб-приложения: 95-й перцентиль меньше 500 мс на ожидаемом пике.

Запас мощности. Знайте, насколько можно превысить сегодняшний пик, прежде чем время ответа начнёт расти, и сколько одновременных пользователей система держит по результатам теста. Тревогу ставьте заранее, задолго до 99 % загрузки процессора, когда уже поздно.

Стоимость. Считайте стоимость запроса и активного пользователя во времени. Если расходы на инфраструктуру растут быстрее аудитории, архитектура не масштабируется: она просто дорожает.

Когда не нужно переделывать архитектуру

У работы над масштабируемостью есть цена, и иногда правильное решение в том, чтобы пока ничего не перестраивать. Если у вас несколько сотен пользователей, проектируйте под рост в 10 раз, а не в 1 000. Монолит на хорошо подобранном сервере с кэшем выдерживает много трафика, и многие прибыльные продукты так и не доходят до микросервисов.

Не перестраивайте, если: по тестам у архитектуры ещё большой запас (сегодня вы на 30 % проверенной мощности), всплеск был разовым и его можно пережить временным вертикальным масштабированием, или рост сдерживает спрос на продукт, при том что инфраструктура справляется.

Перестраивайте, когда рост реальный и устойчивый, дешёвые рычаги исчерпаны, а простои стоят вам клиентов. Если непонятно, какой это случай, быстрее всего ответит независимая ревизия архитектуры: она показывает, выдержит ли система рост нагрузки и где её дешевле укрепить. Когда код действительно пора приводить в порядок, начните с рефакторинга: переписывание оставьте на крайний случай.

Частые вопросы о нагрузке и масштабировании

Что делать, если система не справляется с нагрузкой?

Снять метрики и найти звено, которое упирается первым, дать системе временный запас мощности, затем нагрузочным тестом найти точку отказа и добавлять запас по порядку: кэш, серверы без состояния за балансировщиком, индексы и реплики базы, очереди, автомасштабирование. Переписывать систему стоит в последнюю очередь.

Как понять, что система не выдерживает нагрузку?

Время ответа растёт с каждым скачком трафика, в пик растёт доля ошибок, счёт за серверы растёт быстрее числа пользователей, а один компонент (обычно база данных) загружен на 100 %. Двух признаков достаточно, чтобы начинать работу.

Как найти узкое место в системе?

Идти по пути запроса: база данных (медленные запросы, индексы, пул подключений), сервер приложения (профилирование горячих методов), внешние вызовы. Подтвердить находку нагрузочным тестом, доведённым до отказа.

Чем нагрузочное тестирование отличается от стресс-тестирования?

Нагрузочный тест проверяет, как система держит ожидаемую нагрузку и пик. Стресс-тест доводит её до отказа, чтобы узнать предел и первое сломавшееся звено. На практике делают оба: второй показывает, что чинить.

Что лучше: горизонтальное или вертикальное масштабирование?

Вертикальное (мощнее машина) подходит как быстрая аварийная мера, но у него есть потолок и единая точка отказа. Горизонтальное (больше машин за балансировщиком) даёт долгосрочный запас для серверов без состояния. Большинство систем используют оба.

Можно ли решить проблему с нагрузкой без переписывания системы?

Обычно да. Кэш, CDN, дополнительные серверы приложения, реплики чтения и очереди добавляются к существующей системе. Полное переписывание нужно, только когда основу архитектуры нельзя расширить.

Нужны ли микросервисы для масштабирования?

Нет. Хорошо сделанный монолит с кэшем, балансировщиком и репликами выдерживает очень большой трафик. Микросервисы оправданы, когда растёт команда или один сервис требует отдельного масштабирования.

Сколько стоит стабилизация системы под нагрузкой?

Типичный объём без переписывания занимает у нас 160–300 часов и 3–5 недель с ИИ-инструментами (260–480 часов и 4–7 недель у команд без них), то есть примерно 0,6–1,1 млн рублей при ставке 3 700 рублей в час. Облачная инфраструктура считается отдельно.

Чем заменить Yandex Load Testing?

Сервис закрыт с 1 июля 2026 года. Яндекс рекомендует переносить тесты на открытый k6; также подходят Apache JMeter, Locust, Gatling и открытый генератор Pandora, которые запускаются на своих серверах или в CI.

Итог: порядок действий

Когда система не справляется с нагрузкой, не поддавайтесь желанию всё переписать. Снимите метрики и найдите звено, которое болит сейчас, подтвердите находку нагрузочным тестом, а потом добавляйте запас в порядке стоимости: кэш и CDN, серверы без состояния за балансировщиком, индексы, реплики и очереди, автомасштабирование. Только после этого переходите к шардированию или перестройке.

План стабилизации под нагрузкой: триаж, нагрузочный тест, кэш и узлы, база и очереди, повторный тест

Рисунок 4. Пять шагов стабилизации. Каждый заканчивается замером, переписывание — только если шаги не дали запаса.

Так мы доводим платформы от падений на нескольких сотнях пользователей до тысяч одновременных подключений. Если хотите, чтобы на вашу систему посмотрели до следующего пика, напишите нам.

Хотите, чтобы система выдержала следующий пик?

Посмотрим метрики и код, проведём нагрузочный тест и честно скажем, где система сломается и сколько стоит это исправить.

Обсудить проект →Позвонить →Написать на почту →

Читать дальше

Масштабирование ВКС и стриминга: план стабилизации 2026

Почему видеоплатформа падает под нагрузкой и как стабилизировать её за 2–5 недель: каскад SFU, CDN, бюджет задержки, цены ноября 2026 года и Россия.

Читать дальше

Аудит кода в 2026: что это, как провести и по каким критериям оценивать

Аудит кода: 7 критериев оценки, 8 шагов проверки, инструменты 2026 года, OWASP Top 10:2025, ГОСТ Р 56939-2024 и 71207-2024, сроки. Опыт 250+ проектов.

Читать дальше

Legacy-код: что это и что с ним делать в 2026 году

Legacy-код — это код, который дорого и рискованно менять. Семь способов модернизации, Strangler Fig, сроки и цена, платформы без поддержки и требования РФ.

Читать дальше

Зачем нужно тестирование ПО в 2026: правило 1:10:100, бюджет QA и ИИ

Зачем нужно тестирование ПО в 2026: правило 1:10:100, пирамида тестов, доля QA в бюджете (15–40%), ИИ в тестировании, KPI и штрафы по 152-ФЗ.

Читать дальше

Какой облачный хостинг выбрать в 2026: AWS, DigitalOcean или Hetzner

Сравниваем AWS, DigitalOcean и Hetzner в 2026: цены после подорожания Hetzner, счёт за 50 ТБ трафика, доступ из России, 152-ФЗ и выбор за 6 вопросов.

  • Вопросы клиентов