百万级数据量所需服务器的数量取决于多种因素，包括数据的使用模式、访问频率、读写比例、数据存储和查询的类型、服务器硬件配置、以及应用的性能要求等。以下是一些考虑因素：

1. 数据存储：

- 如果是简单的数据存储，一个拥有足够磁盘空间的高配置服务器可能就足够了。例如，如果每个数据条目平均为1KB，那么1百万条数据大约需要1GB的存储空间，这对于现代服务器来说是很小的存储需求。

2. 数据访问和查询：

- 如果需要频繁地读写这些数据，可能需要考虑使用数据库集群来分散负载。根据具体的读写频率和查询复杂性，可能需要从几个到几十个服务器不等。

3. 应用服务器：

- 对于应用服务器，如果每个服务器能够处理例如每秒几百到几千次请求，那么根据应用的并发用户数和请求频率，可能需要从几台到几十台服务器。

以下是一些具体情况：

- 只读或读多写少的应用：可能只需要少量的服务器（例如，2-4台），利用缓存和负载均衡来提高性能。

- 读写均衡或写密集型应用：可能需要更多的服务器来处理高并发的写操作，可能需要10台或更多服务器。

- 大规模并发处理：如果需要处理高并发请求，例如每秒数万次，可能需要一个由几十台服务器组成的集群。

例如，以下是一个简化的估算：

- 如果平均每台服务器能处理每秒1000次请求，而你的应用需要支持每秒10万次请求，那么你可能需要大约100台服务器来处理这些请求。

但请记住，这只是一个非常粗略的估计。在实际部署中，还需要考虑以下因素：

- 负载均衡：有效的负载均衡可以确保请求均匀地分布在所有服务器上。

- 数据库和缓存优化：合理的数据库设计和缓存策略可以显著减少所需服务器的数量。

- 横向扩展和弹性计算：如果使用云服务，可以根据需求动态扩展或缩减服务器数量。

- 冗余和高可用性：为了确保系统的稳定性和可靠性，通常会部署冗余服务器。

最终，确定所需服务器数量的最佳方式是通过详细的性能测试和容量规划，以模拟实际的生产环境和负载情况。