在qps/tps方面,快杰搭建的TiDB集群是NVMe物理云主機(jī)的 2-3倍,是SATA-SSD物理云主機(jī)的3-4倍;
在延遲方面,快杰搭建的TiDB集群是NVMe物理云主機(jī)的1/2,是SATA-SSD物理云主機(jī)的1/5。
在簡(jiǎn)單求和以及高基數(shù)聚合場(chǎng)景下,相同配置的快杰相較于通用云主機(jī),分析耗時(shí)縮短50%,吞吐能力為后者的2倍;
在高基數(shù)聚合疊加排序場(chǎng)景下,快杰對(duì)比通用云主機(jī),分析耗時(shí)可縮短50%,吞吐能力為1.5倍。
在操作時(shí)間/時(shí)延方面,快杰對(duì)比通用云主機(jī),可降低30%以上,對(duì)比物理云主機(jī)亦能降低20%;
在價(jià)格方面,快杰相較于通用云主機(jī),費(fèi)用僅上升0.8%;
在運(yùn)維管理方面,對(duì)比物理云主機(jī),使用快杰運(yùn)維更方便,宕機(jī)可立即恢復(fù),無(wú)需等待物理節(jié)點(diǎn)重建。
Spark主要適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等業(yè)務(wù)場(chǎng)景,內(nèi)存資源對(duì)Spark尤為重要,快杰云主機(jī)最高支持256G內(nèi)存,是Spark引擎的理想計(jì)算平臺(tái);
KMeans、SVM等算法模型訓(xùn)練中,在訓(xùn)練數(shù)據(jù)加載時(shí)間上,相同配置下快杰相較于通用云主機(jī),僅需后者55%-67% 的時(shí)間;
在訓(xùn)練時(shí)長(zhǎng)上,相較于通用云主機(jī),快杰運(yùn)行KMeans、SVM等算法模型訓(xùn)練可節(jié)約33%-61%的時(shí)間;
在讀請(qǐng)求效率方面,快杰相較于通用云主機(jī),每秒的讀請(qǐng)求次數(shù)高于后者15%-34%;
在寫(xiě)請(qǐng)求效率方面,對(duì)比通用云主機(jī),快杰每秒的寫(xiě)請(qǐng)求次數(shù)是后者的1.3-1.4倍。
在Redis fork延時(shí)方面,快杰的性能相較于通用云主機(jī)也有大幅提升,對(duì)5GB RSS內(nèi)存數(shù)據(jù)手動(dòng)備份,延時(shí)縮短20%-44%。對(duì)5GB RSS內(nèi)存數(shù)據(jù)手動(dòng)重寫(xiě)AOF文件,延時(shí)縮短24%-37%。
在生產(chǎn)者性能方面,相同配置下快杰每秒的吞吐量是通用云主機(jī)的3倍,平均延遲、最高延遲分別為后者的33%和38%;
在消費(fèi)者性能方面,對(duì)比通用云主機(jī),快杰的數(shù)據(jù)獲取時(shí)間可節(jié)約49%,每秒的吞吐量為通用的1.9倍。
致力于提高跨國(guó)遠(yuǎn)程管理服務(wù)器效率,旨在解決因?yàn)榭鐕?guó)網(wǎng)絡(luò)不穩(wěn)定,通過(guò)遠(yuǎn)程管理服務(wù)器時(shí),經(jīng)常會(huì)出現(xiàn)卡頓、連接失敗、傳輸速度較慢等現(xiàn)象。 使用本產(chǎn)品后,可以極大程度的減少卡頓、連接失敗的情況發(fā)生,提高運(yùn)維工作的效率。