GAE、SAE和BAE的对比分析
GAE、SAE与BAE的对比分析
本文主要从以下几个方面对GAE、SAE和BAE的优劣进行分析。
数据库
GAE 目前使用 Datasotre 存取数据，最近也提供了云 SQL（MySQL），但申请比较困难。此外，GAE免费提供给用户500M的存储空间和每个月500万次的访问流量，除了部署大型社交行网站（如人人，新浪微博等）不够之外，对于普通的web网站已足够。
SAE 不支持 InnoDB（可申请支持，但申请有点难度），BAE 默认支持。
BAE 不支持数据库连接池（c3p0、BoneCP 已测不支持），数据库连接不能长时间保持。
对于国内云而言，SAE 显式给出了主从库的访问方式，应用可以比较灵活地设计存取策略，例如读写分离。并且 SAE 是每个应用都拥有自己的数据库，而 BAE 是所有应用共用一个库。
应用配置
BAE 的 duapp-web.xml 基本是抄袭 GAE 的 appengine-web.xml，元素基本一致。
比较奇怪的是 BAE 静态资源配置默认所有后缀为静态文件类型（例如.html）的请求路径都默认假设为静态资源，需要在 duapp-web.xml 中指定排除。
综上，GAE的应用配置最完善，国内的SAE和BAE的应用配置由于开发时间短和技术不成熟而显得稚嫩。
计费与配额
GAE 目前的计费模型主要是按 API 调用计数，流量分为 In/Out 配额。每天会定时刷新免费配额。存储空间超过500M或每个月的访问500万次访问数量则需要购买配额。总体来说，相对于国内云来说谷歌的免费配额更大。
SAE 按应用天计费“豆豆”，服务也按流量计费、CPU 时间、调用次数计费。注册或活动送配额，否则需要购买。
BAE 目前还没有详细的计费，只限定了应用数。公测结束后应该会细化计费模型。
综上，GAE 的计费一目了然，主要就是 API 调用次数，但提供的免费访问配额较大；SAE 的计费比较复杂，不同服务有不同的计费策略；BAE 还没有明确的计费模型，但只是因为BAE开发的时间短，很多技术和服务细节还不完善，相信便很快便进入收费模式。
域名绑定
域名绑定就是把域名解析到服务器IP，然后在服务器上设置该域名有权限访问的过程。
GAE 开通企业套件后随便绑，企业套件有免费版。
SAE 目前可以随便绑，但没备案的话绑定域名的请求走海外中转，流量计费翻倍（原二级域名请求计费不变）。
BAE 目前可以随便绑，但没备案的后果自负。
平台服务
GAE 提供了完整的 SDK 包，包含了开发需要的本地运行环境和配置客户端。
SAE 提供了 SDK 包，包含了开发需要的本地服务实现。
BAE 则分别提供了服务 Jar，调用方式按不同服务而异。
综上，GAE 提供了完整的平台化服务，覆盖了从开发到上线运维的一系列工具；SAE 则提供了部分工具，平台化不完整，增加了开发、运维难度；BAE 则是分别提供不同服务给开发，没有统一的 SDK 与调用方式。
综合评价
GAE 提供了比较完整的服务平台，覆盖了应用的生命周期，最近也提供了云 MySQL服务以吸引更多开发者。GAE相对于国内云SAE和BAE来说开源性更好，技术更成熟，平台更稳定，易用性更强，但GFW的存在使‘被墙’的问题始终是GAE的一大劣势。
相比GAE，国内SAE 与 BAE 主要还是面向应用部署托管，普通应用修改后易迁移部署到 BAE 或SAE。新应用开发可以选择和平台绑死（依赖平台服务）或按照普通应用开发。使用配置工具来上传、更新应用配置其实是非常好的方式，但目前 SAE、BAE都没有提供客户端配置工具，这增加了使用者的维护工作量，也使得开发者的开发难度相对较大。
SAE相对BAE来说开发时间更长，技术要比BAE完善，对于国内开发者来说SAE的最大优点是速度快，但缺点也还存在，比如访问不稳定，说明文档少，对API的支持和说明极其简陋等，而且，由于SAE刚开发的时候是从支持php+sql入手，故目前对python的支持不是很好。而对于BAE来说，最大的优点是具有百度的巨大平台和搜索引擎，但其开发时间短，目前支持的服务有限，相比于SAE来说要差一些。
GAE、SAE和BAE的对比分析相关推荐
- GAE、SAE与BAE的对比分析
GAE.SAE与BAE的对比分析 本文主要从以下几个方面对GAE.SAE和BAE的优劣进行分析. 数据库 GAE 目前使用 Datasotre 存取数据,最近也提供了云 SQL(MySQL),但申请比 ...
- GAE SAE BAE 对比分析
分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow 也欢迎大家转载本篇文章.分享知识,造福人民,实现我们中华民族伟大复兴! 目前,云 ...
- JDBC与数据库连接工具对比分析
JDBC 使用步骤: 注册数据库驱动 通过DriverManager获取数据库连接 通过Connection对象获取Statement对象 使用Statement执行SQL语句 操作ResultSet ...
- Apache 流框架 Flink，Spark Streaming，Storm对比分析（一）
https://bigdata.163.com/product/article/5 Apache 流框架 Flink,Spark Streaming,Storm对比分析(一) 转载于:https:// ...
- php遍历数组哪个效率高,PHP遍历数组的三种方法及效率对比分析
PHP遍历数组的三种方法及效率对比分析 发布于 2015-03-04 21:55:27 | 129 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文名: Hypertext ...
- R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况
R语言决策树.bagging.随机森林模型在训练集以及测试集的预测结果(accuray.F1.偏差Deviance)对比分析.计算训练集和测试集的预测结果的差值来分析模型的过拟合(overfit)情况 ...
- python计算多个模型在不同数据集上的预测概率、获取每个数据集上的最优模型、多个最优模型的ROC曲线进行对比分析
pytyon计算多个模型在不同数据集上的预测概率.获取每个数据集上的最佳模型.多个最优模型的ROC曲线进行对比分析 目录
- R语言e1071包中的支持向量机：仿真数据(螺旋线性不可分数据集)、简单线性核的支持向量机SVM(模型在测试集上的表现、可视化模型预测的结果、添加超平面区域与原始数据标签进行对比分析)、如何改进核函数
R语言e1071包中的支持向量机:仿真数据(螺旋线性不可分数据集).简单线性核的支持向量机SVM(模型在测试集上的表现.可视化模型预测的结果.添加超平面区域与原始数据标签进行对比分析).如何改进核函数 ...
- R语言螺旋线型线性不可分数据xgboost分类：使用xgboost模型来解决螺旋数据的分类问题、可视化模型预测的结果、添加超平面区域渲染并与原始数据标签进行对比分析
R语言螺旋线型线性不可分数据xgboost分类:使用xgboost模型来解决螺旋数据的分类问题.可视化模型预测的结果.添加超平面区域渲染并与原始数据标签进行对比分析 目录
最新文章
- qt调用linux 进程,Linux 下qt 程序打包发布（使用linuxdelpoyqt ，shell 脚本）
- STM32开发 -- 地球坐标系(WGS84)，火星坐标系(GCJ02)， 百度坐标系(BD09)坐标转换
- matlab如何输出D-H表,MATLAB结果怎么输出表格形式的数据？
- Entity Framework 6.3 和 EF Core 3.0 路线图
- 让读者快速了解RocketMQ消息中间件需要解决哪些问题
- STL各容器成员对比表
- csdn博客中插入公式
- 京东笔试题：如何实现 MySQL 删除重复记录并且只保留一条？
- JAVA面试技巧之项目介绍
- 5304—K3 Cloud 自定义webAPI
- 公链生态周报：BI指数周涨幅超4%，以太坊POS代码即将完成 | 链塔智库
- win2008 r2 hyper-v虚拟机的安装使用图文教程
- 6.misc类设备与蜂鸣器驱动
- 创业者的噩梦 - 怎么就侵权了
- 做外贸的你不能犯的十大邮件错误
- 2022年创新药行业研究报告
- list 根据某个字段分组
- 牧师与魔鬼 -- version2 动作分离
- eggjs框架学习心得
- 新公司没开多久就倒闭