在qps/tps方面，快杰搭建的TiDB集群是NVMe物理云主機的 2-3倍，是SATA-SSD物理云主機的3-4倍；
在延遲方面，快杰搭建的TiDB集群是NVMe物理云主機的1/2，是SATA-SSD物理云主機的1/5。

在簡單求和以及高基數聚合場景下，相同配置的快杰相較于通用云主機，分析耗時縮短50%，吞吐能力為后者的2倍；
在高基數聚合疊加排序場景下，快杰對比通用云主機，分析耗時可縮短50%，吞吐能力為1.5倍。

在操作時間/時延方面，快杰對比通用云主機，可降低30%以上，對比物理云主機亦能降低20%；
在價格方面，快杰相較于通用云主機，費用僅上升0.8%；
在運維管理方面，對比物理云主機，使用快杰運維更方便，宕機可立即恢復，無需等待物理節點重建。

Spark主要適用于數據挖掘與機器學習等業務場景，內存資源對Spark尤為重要，快杰云主機最高支持256G內存，是Spark引擎的理想計算平臺；
KMeans、SVM等算法模型訓練中，在訓練數據加載時間上，相同配置下快杰相較于通用云主機，僅需后者55%-67% 的時間；
在訓練時長上，相較于通用云主機，快杰運行KMeans、SVM等算法模型訓練可節約33%-61%的時間；

在讀請求效率方面，快杰相較于通用云主機，每秒的讀請求次數高于后者15%-34%；
在寫請求效率方面，對比通用云主機，快杰每秒的寫請求次數是后者的1.3-1.4倍。
在Redis fork延時方面，快杰的性能相較于通用云主機也有大幅提升，對5GB RSS內存數據手動備份，延時縮短20%-44%。對5GB RSS內存數據手動重寫AOF文件，延時縮短24%-37%。

在生產者性能方面，相同配置下快杰每秒的吞吐量是通用云主機的3倍，平均延遲、最高延遲分別為后者的33%和38%；
在消費者性能方面，對比通用云主機，快杰的數據獲取時間可節約49%，每秒的吞吐量為通用的1.9倍。