چطور سرور مجازی مناسب بکاند اپلیکیشن موبایل را انتخاب کنیم؟
اپلیکیشن موبایل شما هر چه زیبا و سریع باشد، اگر بکاندش زیر بار کاربران واقعی کند شود یا قطع و وصل بیفتد، کاربر همان روز اول اپلیکیشن را حذف میکند. انتخاب سرور مجازی برای بکاند اپلیکیشن موبایل دقیقا همینجا اهمیت پیدا میکند: باید از اول بدانید چه چیزی را، با چه حجم ترافیک، در کجا اجرا میکنید. در این مطلب قدم به قدم همین مسیر را میرویم: نوع بار، رم و CPU، دیسک، دیتابیس، لوکیشن و تست قبل از ریلیز.

اول مشخص کنید بکاند شما دقیقا چه کاری انجام میدهد
قبل از رم و CPU، باید بار واقعی بکاند را بشناسید. چهار نوع بار رایج در اپلیکیشنهای موبایل اینها هستند:
- API ساده CRUD: ثبتنام، لاگین، خواندن و نوشتن اطلاعات کاربر. هر درخواست کوتاه است و تا جواب نیاید اتصال بسته میشود؛ بار سبک، مصرف CPU کم.
- پوش نوتیفیکیشن: ارسال دورهای یا رویدادمحور به صف کاربران. حجم هر پیام کم است، اما اگر کمپینی به چند صد هزار کاربر همزمان ارسال شود، صف و CPU برای چند دقیقه فشار میبیند.
- ارتباط زنده (WebSocket یا چت): اتصالهای باز و طولانی، هر کاربر آنلاین یک اتصال زنده مصرف میکند؛ مصرف رم با تعداد کاربر همزمان بالا میرود، نه با تعداد درخواست در ثانیه.
- آپلود و پردازش رسانه: عکس پروفایل، ویدیو، فایل صوتی. مصرف دیسک و پهنای باند بیشتر از بقیه، و اگر فایل روی سرور تغییر سایز یا فرمت میشود، مصرف CPU هم بالا میرود.
اگر نمیدانید بکاند شما کدام ترکیب است، همین حالا لاگ API را باز کنید و ببینید بیشترین درخواستها برای کدام مسیر ثبت میشود؛ انتخاب پلن از روی همین عدد منطقیتر از تخمین روی کاغذ است.
رم و CPU: از MVP تا رشد کاربر
برای یک بکاند Node.js یا FastAPI، رم بیشتر از CPU محدودیت واقعی است. هر پراسس یا worker چند ده مگابایت رم ثابت مصرف میکند و روی آن، حافظه هر اتصال باز اضافه میشود — در بکاند چت زنده یا بخش پوش نوتیفیکیشن، همین اتصالهای باز هستند که رم را پر میکنند، نه حجم کد. تعداد workerها هم معمولا برابر تعداد هسته CPU تنظیم میشود؛ جزئیات این تنظیم را در دیپلوی FastAPI روی سرور مجازی و اختصاصی نوشتهایم.
یک جدول تخمینی برای برنامهریزی منابع، بر اساس مرحله رشد پروژه:
| مرحله پروژه | کاربر همزمان تقریبی | vCPU پیشنهادی | رم پیشنهادی |
|---|---|---|---|
| تست و MVP | تا ۵۰۰ نفر | ۱ هسته | ۱ تا ۲ گیگابایت |
| رشد اولیه | ۵۰۰ تا ۵۰۰۰ نفر | ۲ هسته | ۴ گیگابایت |
| کاربر زیاد | بیش از ۵۰۰۰ نفر همزمان | ۴ هسته یا بیشتر | ۸ گیگابایت یا بیشتر، معمولا با سرور جدا برای دیتابیس |
این عددها نقطه شروع هستند، نه قانون ثابت؛ بکاند چت زنده با همین تعداد کاربر، رم بیشتری نسبت به یک API CRUD ساده میخواهد. مصرف واقعی رم و CPU سرور را از همان روز اول با htop یا docker stats چک کنید تا آپگرید را زودتر از قفلشدن سرور متوجه شوید، نه بعد از آن. نکته عملی: اگر مصرف رم هر چند روز یکبار بالا میرود و خودش پایین میآید، بهجای آپگرید دائمی، میتوانید همان روزها را روی سرور ساعتی موقت جواب بدهید.
دیسک: چرا نوعش از حجمش مهمتر است
بکاند موبایل روی هر درخواست چند کوئری به دیتابیس میزند — فید، پروفایل، لیست سفارش. تاخیر هر کوئری مستقیم توی زمان پاسخ اپلیکیشن حس میشود، بهخصوص در ساعت پیک وقتی خیلی از کاربرها همزمان فید را رفرش میکنند. اینجا دیسک NVMe نسبت به SSD معمولی یا HDD این تفاوت را در لمس واقعی کاربر نشان میدهد، همان چیزی که در بنچمارک هم دیده میشود. در سختافزار سرور ابری OVH آلمان: نقش NVMe و ECC RAM تاثیر دیسک و رم روی سرعت واقعی را با جزئیات بیشتر توضیح دادهایم.

قانون ساده: برای فضای ذخیره فایل و لاگ، حجم دیسک کافی است؛ برای دیتابیسی که زیر فشار خوانده و نوشته میشود، نوع دیسک مهمتر از گیگابایت اضافه است. اگر لاگ دیتابیس شما پر از کوئریهای آرام است، قبل از خرید رم بیشتر، همین نکته را چک کنید.
دیتابیس بکاند: روی همان سرور یا جدا؟
در مرحله MVP، دیتابیس و بکاند روی یک سرور مجازی مشترک کاملا جواب میدهد و هزینه را پایین نگه میدارد. وقتی تعداد کاربر همزمان بالا میرود، دیتابیس و بکاند برای منابع (رم، IO دیسک) با هم رقابت میکنند و اول دیتابیس کند میشود، نه کد اپلیکیشن — نشانه رایج این وضعیت، پر شدن connection pool دیتابیس و خطای timeout در لاگ اپلیکیشن است. آن نقطه، زمان جدا کردن دیتابیس روی یک سرور مجازی یا اختصاصی مستقل است. معیار انتخاب بین این دو را در سرور مجازی یا اختصاصی برای دیتابیس بررسی کردهایم.
لوکیشن سرور و تاخیر برای کاربران موبایل
اتصال موبایل خودش چند ده میلیثانیه تاخیر دارد؛ اگر سرور هم آن طرف دنیا باشد، این دو تاخیر روی هم جمع میشوند و کاربر آن را در باز شدن فید یا ارسال پیام حس میکند. قاعده ساده است: سرور را نزدیک جایی بگذارید که بیشتر کاربرهای واقعی اپلیکیشن آنجا هستند، نه جایی که ارزانتر است. برای کاربرهای ایرانی و اروپایی، سرور ابری OVH آلمان آریانت در فرانکفورت یک گزینه با تاخیر پایین و زیرساخت پایدار است؛ جزئیات پلنها در سرور مجازی OVH آلمان آمده. اگر کاربرهای اپلیکیشن در چند منطقه جغرافیایی پخش هستند، فایلهای سنگین مثل عکس و ویدیو را از یک لایه جدا (مثل CDN) تحویل بدهید تا خود بکاند فقط مسئول منطق و دیتابیس بماند.
دیپلوی، کانتینر و تست بار قبل از ریلیز
بستهبندی بکاند در Docker، آپدیت و انتقال بین سرورها را ساده میکند و محیط تست و production را یکسان نگه میدارد. با کانتینر، ریلیز نسخه جدید هم یک دستور docker compose up است، نه کپی دستی فایل روی سرور.
قبل از ریلیز نسخه جدید اپلیکیشن، بکاند را با بار واقعی تست کنید، نه با چند درخواست دستی. ابزاری مثل k6 میتواند هزاران درخواست همزمان شبیهسازی کند و نشان دهد سرور فعلی تا کجا جواب میدهد و از چه نقطهای زمان پاسخ بالا میرود — روش کار در تست بار وبسایت و API با k6 توضیح داده شده. همین تست، بهترین راه برای جواب دادن به سوال «پلن فعلی چند کاربر همزمان را تحمل میکند» است، بهجای تخمین زدن.
جمعبندی: کدام سرور مجازی را انتخاب کنیم
برای بکاند اپلیکیشن موبایل، ترتیب تصمیم این است: اول نوع بار (API ساده، چت زنده یا رسانه)، بعد رم و CPU متناسب با کاربر همزمان، بعد نوع دیسک برای دیتابیس، و در آخر لوکیشن نزدیک به کاربر واقعی. پلن را از روی عدد مصرف واقعی سرور فعلی انتخاب کنید، نه از روی حدس روز اول؛ هر چند ماه یکبار همین مسیر را دوباره چک کنید چون رشد کاربر معمولا پیوسته نیست.
مشخصات کامل پلنها، قیمت هر لوکیشن و امکان شروع ساعتی برای تست را در صفحه سرور مجازی آریانت ببینید و پلن مناسب مرحله فعلی پروژهتان را همانجا انتخاب کنید.
سؤالات متداول
برای بکاند یک اپلیکیشن موبایل تازه، چه پلنی کافی است؟ برای تست و نسخه اول معمولا یک هسته CPU و ۱ تا ۲ گیگابایت رم کافی است؛ با رشد کاربر همزمان، رم را زودتر از CPU باید افزایش دهید.
دیتابیس را از همان روز اول روی سرور جدا بگذاریم؟ نه، در مرحله MVP روی همان سرور بکاند جا میشود. وقتی رم یا IO دیسک زیر فشار دو سرویس کم آمد و خطای timeout در لاگ دیدید، آن موقع دیتابیس را جدا کنید.
چطور بفهمیم زمان آپگرید سرور رسیده؟
مصرف رم و CPU را با htop یا docker stats دنبال کنید؛ وقتی مصرف رم بهطور پایدار بالای ۷۰ تا ۸۰ درصد بماند یا زمان پاسخ API در ساعتهای پربار بالا برود، وقت آپگرید است.
آیا لوکیشن سرور روی تجربه کاربر اپلیکیشن موبایل تاثیر دارد؟ بله، فاصله جغرافیایی تا کاربر مستقیم روی تاخیر درخواستها اثر میگذارد. سروری نزدیک به بیشتر کاربران واقعی اپلیکیشن انتخاب کنید، نه نزدیکترین یا ارزانترین گزینه بهتنهایی.




