对 AWS Google Azure 三家全球负载均衡的延迟情况做个评测

限时加码!20+主流AI编程工具免费用 购周边加赠Coding Plan Lite,Claude Code、Cursor等即刻畅享,学习进阶更高效! 阅读详情

全球负载均衡

说到 AWS、Google、Azure 的全球负载均衡,那我们需要了解一下 Anycast IP。我们知道,在互联网中的公网 IP 是唯一的,正常来说,一个网络中不应该有两个相同的 IP,那么 Anycast protocol 就是这么一项可以让一个 IP 分散在多个地方,这需要云厂商和各地的网络运营商做好路由等协议,将用户路由到最近的节点。

那么全球负载均衡就是利用到了这一点,让用户以最近的路径跳到云厂商的骨干网,通过稳定的骨干网把流量传递到全球各地的后端服务器。并且通过切分 TCP 连接,也就是把用户的连接在全球负载均衡器处终止,负载均衡器和后端服务器产生一个较长往返时间 (RTT) 的 TCP 连接,进而优化用户往返时间。

那么说了这么多,这三家云厂商都有哪些服务利用了这一项技术,通过我的了解和对比,三家云厂商都有利用此技术的参数,分别是:

  • AWS:Global Accelerator
  • Google:Cloud Load Balancing
  • Azure:Front Door

功能对比

就这三家的产品来说,AWS 的 Global Accelerator 是最弱的,它是工作在第四层的,不支持七层的很多功能,Google Cloud Load Balancing 和 Azure Front Door 基本功能类似,是工作在第七层的,很多应用负载均衡器的功能都支持,比如支持卸载 SSL 会话,等主机名路由,URL 路径路由等,让我推荐的话,那就从 Google 还有 Azure 中选择一个喽,希望 AWS 尽快完善 Global Accelerator 的相关功能。

  • AWS:★★
  • Google:★★★★★
  • Azure:★★★★★

网络对比

在功能上面,AWS 已经不占优势,那在全球网络延迟上面,各自又差距多少呢?我们通过第三方的站点进行一下测试,因为都是一次测试结果,会存在一些偶然性,仅作为参考依据。

Google

我在 Google 创建了一个 Cloud Load Balancing,其 Anycast IP 为:35.244.143.92

image-20200728170001953

那么我们通过第三方站点 https://tools.ipip.net/newping.php,测试结果如下:

image-20200728171536835

从结果中可以看到,在海外的延迟很低,基本都是 10ms 左右。

AWS

同样的,我也在 AWS 创建了一个 Global Accelerator,其 Anycast IP 为:75.2.121.40

image-20200728170503792

下面是延迟测试结果:

image-20200728171748755

海外延迟大约在 10几毫秒左右,对大陆的网络目前看来有不少改善。

Azure

Azure Front Door 提供的是一个 DNS 名称,名称是wzlinux.azurefd.net

image-20200728171913783

下面是测试结果:

image-20200728171956540

海外的波动大一些,北非比较高,其他地区还可以。

  • AWS:★★★★
  • Google:★★★★★
  • Azure:★★★

我也对三个 IP 进行了路由追踪,针对于中国大陆的电信用户,出海线路都是走的 CN2,说明三家运营商和中国本地运营商的 peering 还可以。

具体怎么选择,主要看你的业务,如果是四层的业务,那么我觉得 AWS 和 Google 都可以,如果你要上 SSL,那么我不推荐 Global Accelerator,因为它不支持 SSL 会话卸载,需要源端服务器会话卸载,增加 TCP 来回时间,效果不好。

如果你是七层 WEB 应用,那推荐选择 Google 和 Azure 的全球负载均衡器。

CDN 对比

我了解了一下三家云厂商的 CDN,其中看到 AWS 还是使用的传统的 CDN 技术,基于智能 DNS 解析,而 Google 和 Azure 目前都使用了和全球负载均衡一样的技术 Anycast,所以在 CDN 层面,我们只需要测试一下 AWS 的全球网络延迟即可,其他两家基本和全球负载均衡延迟一致,并且 Google 的 CDN 还依托于 Cloud Load Balancing 之上。

  • AWS:CloudFront
  • Google:Cloud CDN
  • Azure:Azure CDN

我们找到一个 CloudFront 的 DNS 域名,进行一下测试:

image-20200729101931242

和全球负载均衡比起来,延迟增加了不少,整体来说 AWS 的 CDN 网络不是太理想。

欢迎大家扫码关注,获取更多信息

对 AWS Google Azure 三家全球负载均衡的延迟情况做个评测

Agent Runtime 正在商品化:从 Session 日志到沙箱隔离的工程实践 Agent runtime 是大模型应用落地的关键中间层,其核心在于解耦状态管理、安全执行与可观测性。随着 Anthropic Managed Agents 等托管服务发布,‘session-as-event-log’架构正取代将状态硬塞入模型上下文的原始范式,通过结构化事件流实现无限会话、确定性回放与合规审计;而 credential isolation 和无状态 harness 设计,则从根源上解决凭证泄露与系统脆弱性问题。这一层的技术价值已从‘能否运行’转向‘能否长期、安全、可审计地运行’,广泛应用于 阅读详情

相关推荐

AI能耗危机:从模型压缩到硬件优化,实战指南破解算力能源困局

随着人工智能技术的广泛应用,模型训练与推理过程中的能源消耗问题日益凸显,成为制约行业可持续发展的关键瓶颈。从技术原理上看,深度学习模型的巨大参数量和密集计算是能耗的主要来源,这直接推动了模型压缩、量化等优化技术的发展。这些技术的核心价值在于,能够在保持模型性能的同时,显著降低计算资源需求,从而提升能效比。在实际应用场景中,无论是云端的大规模服务部署,还是资源受限的边缘设备,高效的模型和系统优化都至关重要。本文聚焦于**模型压缩**与**硬件选型**两大实战方向,深入探讨了知识蒸馏、剪枝、量化等算法层优化手段

weixin_30666401的博客 421

awsping:控制台工具,用于检查每个Amazon EC2区域的延迟

梳理 控制台工具检查每个AWS区域的延迟 用法 通过TCP测试 ➥ ./awsping Europe (Frankfurt) 51.86 ms Europe (Ireland) 62.86 ms US-East (Virginia) 126.39 ms US-East (Ohio) 154.81 ms Asia Pacific (Mumbai) 181.09 ms US-West (California) 194.27 ms US-West (Oregon) 211.87 ms South America (São Paulo) 246.20 ms Asia Pacific (Tokyo) 309.27 ms Asia Pacific (Seoul)

云中红队系列 | 使用 Azure FrontDoor 混淆 C2 基础设施

适用于 Azure 或其他地方托管的任何其他可公开访问的源 Web 服务器。•。

zkaq7777777的博客 1595

【信息科学与工程学】【数据中心】第三十五篇 云计算数据中心的学科知识04

编号学科(课程)核心知识点在云计算/云存储/云网络/云安全/云MaaS中的作用代表教材/资料/论文 + 数学方程式列表工业界应用D1421​云原生数据库:TiDB​HTAP(混合事务/分析处理)、分布式SQL、水平扩展、强一致(Raft)、自动故障恢复、与MySQL兼容、TiFlash列式引擎提供弹性扩展的分布式数据库;支撑高并发在线交易与实时分析教材:《TiDB in Action》PingCAP(2020) 论文:《TiDB: A Raft-based HTAP Database》(2017)

weixin_49199313的博客 232

全球负载均衡解决方案:优化网络性能

全局负载均衡是一种网络技术,用于分配流量和请求到多个服务器上,以实现高可用性和性能优化。它通过将用户请求路由到最近的、可用的服务器来减少延迟,并通过动态调整负载分配来确保服务器资源的有效利用。全局负载均衡可以跨多个地理位置和数据中心进行操作,以便在各种网络环境中提供稳定和可靠的服务。全局负载均衡是一种关键的网络优化方案,用于提高性能和可靠性。它通过将流量分发到多个服务器和数据中心,实现了请求的平衡和最小化延迟

YOLOv111的博客 212

DigitalOcean 全球负载均衡是什么?

从今天开始,正式上线,面向所有客户开放使用。无论您是在面对快速增长的业务规模,还是在优化现有应用程序,GLB 都可提供简化的负载均衡解决方案,提高应用程序的可用性,增强弹性,并减少全球用户的延迟。随着数字业务的扩展,需要在全球部署中实现高可用性、无缝的流量故障转移以及更好的鲁棒性。然而,传统的全球负载均衡解决方案可能对增长中的企业来说过于复杂、昂贵且过度工程化。DigitalOcean通过提供简单、性价比高的GLB 来解决传统解决方案的不足,满足企业的核心需求,同时保持易用性。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1357

未雨绸缪 | 一文简介 Azure Front Door

点击上方蓝字关注“汪宇杰博客”导语昨天早晨微软服务器发生了核爆,Office 365,Bing,Azure DevOps全线完蛋。人类文明危在旦夕之际,微软美国的死士凌晨...

dotNET跨平台 1080

AWSnycast:智能的AWS路由解决方案指南

AWSnycast:智能的AWS路由解决方案指南 项目介绍 AWSnycast 是一款专为 AWS 路由表设计的路由守护进程,旨在模拟 Anycast 服务,并增强数据中心内的 Anycast 功能。该工具由 Bobtfish 开发,并经过持续集成测试,确保了它的稳定性和可靠性。AWSnycast 不仅可以简化高可用性 NAT 服务的部署,还能让不同 AWS 区域或账号中的服务通过相同 IP 访问...

gitblog_00631的博客 1046

大模型部署平台选型指南:从核心需求到实战避坑

大语言模型(LLM)的部署与工程化是AI应用落地的关键环节,其核心在于将复杂的模型推理过程转化为稳定、可扩展的API服务。这一过程涉及模型服务化、计算资源调度、并发管理等底层原理,其技术价值在于让开发者能聚焦于应用逻辑创新,而非基础设施运维。在实际应用中,根据成本控制、性能要求、模型灵活性及团队技术栈等不同场景,开发者需在易用性、控制力和成本间出权衡。本文基于行业实践,深入解析了全托管云服务、专用部署平台及开源自建方案三大主流路径的优劣,并围绕**Serverless架构**和**vLLM推理优化**等关

weixin_34335458的博客 423

AI芯片自研潮下,开发者如何应对供应商锁定与架构挑战

在人工智能领域,硬件基础设施正成为竞争的核心焦点。从通用GPU到专用AI加速器,芯片的演进直接影响着计算效率与成本结构。其技术原理在于通过定制化硬件架构(如针对Transformer的矩阵乘法与注意力机制优化)来突破内存带宽与IO瓶颈,从而在模型推理的延迟、吞吐量及能效上实现数量级提升。这种硬件与软件的协同优化,为AI服务带来了更优的性价比与潜在的新功能,例如极长上下文的实时处理。其核心价值在于赋予模型提供商全栈控制力,但也引发了深度的供应商锁定风险。应用场景已从单纯的云端API调用,延伸至对服务稳定性、成

weixin_30751947的博客 398

2026上半年AI产业六大变革:从成本悬崖到智能体操作系统

人工智能正从概念验证迈向规模化工程实践,其核心驱动力在于多模态大模型与智能体技术的成熟。从技术原理看,通过稀疏激活、专用芯片优化及高效数据工程,模型推理成本大幅降低,突破了商业应用的临界点。这带来了显著的技术价值:企业能以极低成本获得强大的感知与决策能力,驱动业务流程自动化与智能化重构。在应用场景上,成本下降直接击穿了制造业质检、内容创作、个性化教育等长尾领域,而智能体工作流平台则通过低代码编排,将AI能力转化为可复用的业务自动化流程。这些趋势共同指向一个主题:AI正从辅助工具演变为驱动产业增长的核心引擎,

weixin_33858485的博客 553

【信息科学与工程学】【数据科学】数据科学领域 第六篇 算法设计 07 堆、栈、表、矩阵、集合、队列、数组、字符串、树、图、动态规划、结构体、元组的算法01

当前段必须包含所有字符的最后出现位置。1. 字符串分割成最多片段2. 基因序列功能域划分3. 文本段落划分4. 音频声道分离5. 图像色彩分区6. 社交网络社群划分7. 蛋白质结构域8. 音乐乐章分段9. 代码模块划分10. 章节划分特征:一次扫描,贪心确定边界。

weixin_49199313的博客 1170

统一接口调用多款大模型:告别API Key管理烦恼,每月17亿免费Token

在AI应用开发中,API Key是访问大模型服务的关键身份凭证,用于身份验证、权限控制和计费管理。然而,当开发者需要调用多个不同厂商的模型时,管理多个独立的API Key会带来接口异构、密钥泄露风险、成本监控复杂和开发效率低下等核心痛点。为了解决这些问题,模型聚合平台应运而生,它通过提供一个统一的标准化接口层,对上屏蔽了不同厂商API的差异,对下负责密钥管理、请求路由和计费聚合。这种方案的核心技术价值在于极大简化了开发流程,提升了应用韧性,并便于进行多模型横向评测。在实际工程实践中,开发者可以基于此类平台,

weixin_33907511的博客 437

DeepSeek V4未发布真相:算力代际鸿沟与模型迭代底层逻辑

大模型版本号并非技术进展的可靠指标,其背后是硬件架构、训练范式与工程落地能力的系统性博弈。Hopper与Blackwell不只是性能差异,而是FP8精度、NVLink带宽、CXL内存池化等底层能力的代际切换;TPU v7则以MXU和NoC重构稀疏计算效率。真正决定模型演进节奏的,是MFU(模型浮点利用率)、长上下文KV Cache优化、MoE专家负载均衡等硬核工程指标,而非发布时间表。开发者应聚焦V3.2已支持的1M上下文、16-expert MoE及bf16/int4混合精度等实际能力,在语义分块、KV复

weixin_30600197的博客 422

【信息科学与工程学】【数据中心】 第十五篇 智算中心DaaS数据消费场景02

智算中心DaaS数据共享场景的分级分类是一个复杂的系统工程,需要从技术、安全、合规、治理、运营等多个维度进行综合考虑。本分级分类体系为不同场景下的数据共享提供了详细的指导,包括安全分级、共享模式、技术架构、合规治理等方面。在实施数据共享平台时,应结合自身业务需求、技术能力和资源情况,选择适合的共享模式和实施路径。同时,要高度重视数据安全和隐私保护,采用先进的技术和管理手段,确保数据共享的安全可控。

weixin_49199313的博客 1万+

【信息科学与工程学】计算机科学与自动化——第八十六篇 各类应用上云计算 01

数字孪生:核心是实时性不等式(Δ<Δt)与带宽-精度权衡。数学上归结为带约束的非线性优化。预测性维护:从物理退化方程(Paris 定律)出发,结合贝叶斯推断,云端训练用深度时序模型,边缘推理用轻量模型。机器人协同:本质是多商品流 + 动态障碍物,需用图论(冲突检测)+ 最优控制(轨迹平滑)。工业视觉:延迟由四个环节组成,需用排队论分析流水线瓶颈,量化感知是降低延迟的关键。液压/气动系统上云(涉及流体力学、热力学、控制)机械臂力控/阻抗控制上云(涉及动力学、力/位混合控制)

weixin_49199313的博客 139

IBM Cloud CIS服务 - 全球负载均衡

本篇是关于IBM Cloud CIS服务的第三篇文章,给大家介绍如何使用IBM Cloud CIS服务来实现全球负载均衡。 CIS的负载均衡能够平衡全球多区域服务器站点之间的流量,确保你的应用高度可用,还有助于降低延迟。其就近接入和区域导向的功能可以实现最终用户流量就近访问服务器以及导向特定区域的服务器。从而在任何情况下,均可为客户提供服务及最佳的访问性能。 通过运行状况检查,可以将流量从不正常的源站上移开,并动态地将其分配到可用性最高、响应速度最快的服务器池中。如下图所示 CIS全球负载均衡的关键功能包括

brown_xdz的博客 891

企业出海--多云跨境时延测试

企业在出海场景中,实际业务架构会更加复杂多变,对时延的要求也会更高,九河专业团队也会根据客户实际业务场景,帮助企业更加全面综合考虑出海业务部署及跨境网络加速方案。

KFidcRuly的博客 562

AWSnycast 项目常见问题解决方案

AWSnycast 项目常见问题解决方案 一、项目基础介绍 AWSnycast 是一个用于 AWS 路由表的路由守护进程,它能够模拟 Anycast 服务,并作为数据中心内 Anycast 的扩展。该项目可以帮助用户在 AWS 上实现高度可用的服务,无需在启动时重新配置 AMI。它使用 Go 语言编写,主要适用于需要高可用性和故障转移功能的场景。 二、项目主要编程语言 Go 语言:AWSnyca...

gitblog_01159的博客 347
上一篇: 让我带你理清 Azure 的负载均衡器
下一篇: 【AWS征文】带你使用 AWS 无服务器架构一步步打造个性化 API 接口
wzlinux
博客等级 码龄14年 96粉丝 365原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值