La scalabilité (ou capacité de mise à l'échelle) désigne l'aptitude d'une application à maintenir ses performances lorsque la charge augmente : plus d'utilisateurs, de données, de transactions ou de clients. Une application scalable absorbe la croissance sans dégradation de l'expérience utilisateur — et, idéalement, sans que le coût d'infrastructure grimpe plus vite que l'activité.
Vertical vs Horizontal
Le scaling vertical consiste à renforcer une machine (plus de CPU, plus de mémoire) ; le scaling horizontal, à ajouter des instances et à répartir la charge. Le second offre plus de marge, mais impose une application sans état local.
Choix d'architecture
Sessions partagées, cache distribué, files de messages pour les traitements longs, CDN pour les fichiers statiques, réplicas de lecture : ces briques préparent la croissance. Elles ont chacune un coût d'exploitation, et ne se justifient que face à une charge réelle.
Mesurer avant d'architecturer
La plupart des problèmes de « scalabilité » que je rencontre ne sont pas des problèmes de volume, mais des défauts : une requête N+1, un traitement lourd exécuté dans la requête HTTP, un cron qui se chevauche lui-même, une ressource mal dimensionnée. Ajouter des serveurs ou des briques d'infrastructure devant ces défauts multiplie les coûts sans résoudre la cause. Ma méthode commence donc toujours par la mesure : temps de réponse, temps CPU, mémoire, nombre de requêtes, contention sur les ressources partagées.
Deux exemples concrets
Sur une application Symfony déployée sur OpenShift pour un grand opérateur télécom, les utilisateurs signalaient des pages lentes alors que les graphes CPU montraient un pod très loin de sa limite. Le diagnostic, lu directement dans la comptabilité du cgroup, a révélé que 89 % des fenêtres de calcul étaient throttlées par une limite CPU posée des années plus tôt, et qu'un second goulot — un pool PHP-FPM limité à dix workers — masquait le premier. En corrigeant les deux ensemble, le throttling est passé de 89 % à 0 %, sans ajouter un seul nœud au cluster. Le détail est dans Dimensionner PHP-FPM sur Kubernetes : le CPU throttling invisible.
Sur Qezako, la question était d'ajouter Redis et une file de messages avant une mise en production sur un serveur modeste. La mesure a montré qu'un rendu d'image mal outillé consommait à lui seul environ 10 secondes de CPU, contre 0,06 seconde avec l'outil adapté, et que d'autres défauts (appel lent dans la requête, cache purgé pour rien, ORM qui recalculait tout) expliquaient la charge. Une fois ces défauts corrigés, le serveur existant suffisait largement à la charge prévue.
Comment je prépare une application à grandir
- Une application sans état local : sessions, fichiers et cache hors du conteneur, pour pouvoir ajouter une instance sans rien changer.
- Des traitements longs hors de la requête HTTP, dans des workers, quand ils sont réellement asynchrones par nature.
- Des lectures séparées des écritures quand les volumes le justifient : un index de recherche comme Elasticsearch pour les listes et les filtres, la base relationnelle pour les transactions.
- Des ressources dimensionnées sur la mesure : requêtes et limites CPU, nombre de workers PHP-FPM, connexions à la base.
- Une observabilité minimale : sans métriques de bout en bout, on ne sait pas quel étage sature.
Les pièges à éviter
- Construire pour une charge hypothétique : une architecture distribuée pour cent utilisateurs coûte cher à exploiter et ralentit les évolutions.
- Ajouter une brique pour masquer un défaut : un cache devant un traitement des dizaines de fois trop lent cache le problème sans le résoudre.
- Régler un paramètre isolément : quand deux goulots se suivent, en corriger un seul ne change rien de visible.
- Oublier la scalabilité en nombre de clients pour un SaaS : migrations, sauvegardes et déploiements doivent passer à l'échelle aussi bien que les requêtes.
La scalabilité n'est pas une liste de technologies à empiler : c'est la capacité à identifier ce qui sature, puis à n'ajouter que ce qui résout un problème réel. Une architecture se juge aussi aux briques qu'elle n'a pas eu besoin d'ajouter.
Ces diagnostics et ces choix sont au cœur de mes missions d'architecture et performance applicative. Pour les leviers les plus courants côté code, voir Optimiser les performances d'une application Symfony.