Php 云架构堆栈意见-EC2与Azure

我读过很多关于亚马逊EC2与微软Azure（以及谷歌的应用引擎）利弊的博客和文章。然而，我正在努力决定哪一个更适合我的具体情况

我有一个数据集，可以将其视为以下格式的标准表：

[id]  [name]  [d0]  [d1]  [d2] .. [d63]
---------------------------------------
0     Name1   0.43 -0.22  0.11   -0.81
1     Name2   0.23  0.65  0.62    0.41
2     Name3  -0.13 -0.23  0.17    0.00
...
N     NameN   0.43 -0.23  0.12    0.01

我最终想做一些事情（尽管我最终选择了堆栈），这相当于一个

sqlselect

语句，类似于：

SELECT name FROM [table] WHERE (d0*QueryParameter1) + (d1*QueryParameter1) +(d2*QueryParameter2) + ... + (dN*QueryParameterN) < 0.5

从[表]中选择名称，其中（d0*QueryParameter1）+（d1*QueryParameter1）+（d2*QueryParameter2）+……+（dN*查询参数）<0.5

其中

QueryParameter1,2，N

是在运行时提供的参数，每次运行查询时都会更改（因此缓存是不可能的）

我主要关心的是查询的速度，因此我想知道哪种云堆栈选项可以提供尽可能快的查询结果

我可以通过多种方式做到这一点：

• （1） 使用SQLAzure，就像上面的查询一样。我已经尝试过这种方法，由于SQL只提供一个实例，所以查询速度可能会非常慢。我可以启动多个SQL实例并对数据进行切分，但这很快就会变得非常昂贵
• （2） 使用Azure存储表。博主们声称存储表通常更快，但我的查询需求是否仍然如此
• （3） 使用EC2并使用MySQL启动多个实例，可能会将切分合并到新实例中（尽管成本增加）
• （4） 在MongoDB中使用EC2，正如我所读到的，它比

  MySQL

  快。同样，这可能取决于查询的类型
• （5） 谷歌AppEngine。我不确定GAE将如何处理这种查询结构，但我想这就是我寻求意见的原因

我想找到最佳的堆栈组合来优化我的特定需求（上面的伪

SQL

查询概述）

有人有这方面的经验吗哪个堆栈选项将导致在

WHERE

子句中包含许多数学运算符的最快查询？

干杯，

---

Brett

目前，SQL Azure和Amazon RDS都不能水平扩展（EC2至少可以垂直扩展），但如果且仅当您的数据可以以仍然可以执行查询的方式进行分区时，SQL Azure即将推出的SQL Federations功能可能值得一看，并有助于做出明智的决策

---

MongoDB（我非常喜欢）更倾向于面向文档的工作负载，并且可能不是这类工作的最佳解决方案，尽管您的里程可能会有所不同（只要您的大部分工作集都能放入内存，它的速度就非常快）。

问题不在于数学运算符或其数量，问题是它们是参数化的——您实际上是在对列进行加权平均，并在运行时定义权重，因此必须计算操作，而不能推断操作

即使在SQL Server中，此操作也可以并行化（这应该显示在执行计划中），但它不适合使用索引进行搜索优化，而这正是大多数关系数据库真正发挥作用的地方。使用静态权重和索引计算列显然会执行得非常快

---

因为这个问题很容易并行化，所以您可能希望基于一个原则来研究一些问题。

假设QueryParameter0、QueryParameter1、，QueryParameters都是在运行时提供的，并且每次都不同，那么我不认为任何一个平台能够提供比其他任何平台都重要的优势，因为它们都不能利用任何预先计算的指标

删除标记后，速度的唯一其他因素来自可用的处理能力-对于SQL Azure选项，您已经知道这一点，对于其他选项，这主要取决于您决定应用何种处理-取回所有数据并进行处理取决于您自己

您可以考虑的一个选项是，您是否可以在实例（例如使用Azure Bulb或云驱动器）上自己承载该数据，然后可以在自定义的工人角色中处理数据。对于一般的数据存储，我不会考虑这一点，但如果只是这一个表和这一个查询，那么手工制作一个快速解决方案会很容易吗

---

---

更新-刚刚看到@Cade too-+1关于并行化建议的答案。

您使用动态系数（权重）的查询类型需要在每个查询上扫描整个表。SQL数据库引擎在这方面帮不了你，因为查询优化器实际上无能为力

换句话说，您需要的不是SQL数据库，而是一个“NoSQL”数据库，它可以以尽可能快的速度优化表/行访问。所以你真的不应该尝试SQLAzure和MySQL来找出这部分答案

此外，您的查询类型中的每一行都是完全独立的，因此它适合于简单的并行性。您选择的平台应符合以下条件：

以最快速度扫描表格/行

能够高度并行化您的操作

您提到的每个平台都能够存储大量blob或类似表格的数据，以便进行非常快速的扫描检索（例如Azure中的表格存储）。每一个都使您能够“加速”多个实例以并行处理它们。这实际上取决于您最熟悉的编程环境（例如，Google/Amazon中的Java、.NET中的Azure）。本质上，他们都做同样的事情

我的个人推荐是Azure，因为你可以