Platform For AI:Facturation de Machine Learning Designer

Aperçu de la facturation

Les composants de Machine Learning Designer peuvent générer des frais pour les composants d'algorithme PAI, PAI-DLC ou MaxCompute, en fonction de leur utilisation. Cette rubrique couvre la facturation des composants d'algorithme PAI. Pour les autres frais, consultez Facturation DLC et Facturation MaxCompute. Tous les prix sont donnés à titre indicatif. Votre facture finale est basée sur votre utilisation réelle.

Éléments facturables

Méthode de facturation

Le prix unitaire varie selon le type d'algorithme :

• Formule de facturation : Coût total = Nombre d'heures facturables × Prix unitaire

  Nombre d'heures facturables = max(Cœurs CPU × Durée (h), Mémoire (Go) × Durée (h) / 4)

• Durée de facturation : Le temps écoulé entre le démarrage et l'arrêt du composant.

• Exemple de facturation : Supposons qu'un algorithme d'analyse de données utilise 2 cœurs CPU et 5 Go de mémoire pendant 1,5 heure. Le nombre d'heures facturables est calculé comme suit : max(2 × 1,5, 5 × 1,5 / 4) = 3. Par conséquent, le coût total = Nombre d'heures facturables × Prix unitaire = 3 × 0,21 = 0,63 USD. Le tableau suivant liste les prix unitaires pour les différents types d'algorithmes.

  Type d'algorithme	Prix unitaire (USD/heure facturable)	Description
  Prétraitement des données (data_manipulation)	0,16	Composants d'algorithme pour le prétraitement des données et l'ingénierie des caractéristiques.
  Analyse de données (data_analysis)	0,21	Composants d'algorithme pour l'analyse statistique, le machine learning, les séries temporelles, l'analyse de réseau et la finance. Les algorithmes courants incluent le binning et swing_rec_ext.
  Analyse de texte (text_analysis)	0,27	Composants d'algorithme d'analyse de texte.
  Algorithme de deep learning (deep_learning)	0,16	Composants de deep learning tels que le framework TensorFlow basé sur CPU et les algorithmes de la série EasyRec.

  Remarque

  • Si vous activez MaxCompute lors de l'activation de PAI, vous encourrez des frais MaxCompute lorsque vous utilisez des composants tels que SQL Script, Join, Union et Filtering and Mapping.

  • Si vous activez Flink lors de l'activation de PAI, vous encourrez des frais Flink lorsque vous utilisez des composants Alink et sélectionnez Flink comme ressource de calcul.

Exemple de facturation

Un workflow Machine Learning Designer se compose généralement de plusieurs composants d'algorithme, chacun ayant une ou plusieurs sous-tâches. Pour calculer le coût total du workflow, additionnez le coût de chaque sous-tâche pour tous les composants.

1. Identifiez la catégorie du composant d'algorithme.

   1. Connectez-vous à la console PAI.

   2. Dans le coin supérieur gauche, sélectionnez une région.

   3. Dans le volet de navigation de gauche, cliquez sur Workspaces. Cliquez sur le nom de votre espace de travail cible.

   4. Dans le volet de navigation de gauche, choisissez Model Training > Visualized Modeling (Designer).

   5. Sur la page Workflows, sélectionnez le workflow cible et cliquez sur Go to workflow.

   6. Dans la liste des composants, trouvez le composant PLDA, qui appartient à la catégorie d'analyse de texte et dont le prix est de 0,27 USD/heure facturable.

      Dans la zone de recherche du volet des composants à gauche, saisissez PLDA. Le composant se trouve sous Natural Language Processing > Basic NLP.

2. Consultez les ressources consommées par la tâche.

   1. Sur le canevas du workflow, cliquez avec le bouton droit sur le composant PLDA.

   2. Dans le menu contextuel, sélectionnez View Logs.

   3. Sur la page Log-PLDA, chaque lien bleu correspond à une sous-tâche. Cliquez sur un lien.

      Cliquez sur le lien pour afficher le journal d'exécution de la sous-tâche correspondante. Utilisez l'URL logview pour vérifier les détails de la tâche. Voici un exemple de journal.

      http://logview.odps.aliyun.com/logview/?h=http://service.cn.maxcompute.aliyun-inc.com/api&p=test1_new_1&i=20220316085544166gh393yv03_df019e64_07f5_4295_b5f4_39f78f2120e8&token=czhk0Z6Y0pqcjh0L2lCeS9uazJub2xQNVFNPSxPRFBTX09CTzoxNDQ5NjMxNjg2NjgzNDI1LDE2NTAwMTI5NDkseyJTdGF0ZW1lbnQiOlt7IkFjdGlvbiI6WyJvZHBzOlJlYWQiXSwiUmVzb3VyY2UiOlsiYWNzOm9kcHM6Kjpwcm9qZWN0cy90ZXN0MV9uZXdfMS9pbnN0YW5jZXMvMjAyMjAzMTYwODU1NDQxNjZnaDM5M3l2MDNfZGYwMTllNjRfMDdmNV80Mjk1X2I1ZjRfMzlmNzhmMjEyMGU4Il0sIkVmZmVjdCI6IkFsbG93In1dLCJWZXJzaW9uIjoiMSJ9
      c3QxX25ld18xL2luc3RhbmNlcy8yMDIyMDMxNjA4NTU0NDE2NmdoMzkzeXYwM19kZjAxOWU2NF8wN2Y1XzQyOTVfYjVmNF8zOWY3OGYyMTIwZTgiXSwiRWZmZWN0IjoiQWxsb3cifV0sIlZlcnNpb24iOiIxIn0=
      2022-03-16 16:55:49,997 INFO: saving odps instance id xxx to xxx
      Sub Instance ID = xxx
      http://logview.odps.aliyun.com/logview/?h=http://service.cn.maxcompute.aliyun-inc.com/api&p=test1_new_1&i=20220316085546170g2493yv03_46b70dze_810d_493f_8ac1_5345de55f43e&token=YTZBMlIVcjNhZic1aC9Xek1lWSmRRT0xrYXRFPSxPRFBTX09CTzoxNDQ5NjMxNjg2NjgzNDI1LDE2NTAwMTI5NDkseyJTdGF0ZW1lbnQiOlt7IkFjdGlvbiI6WyJvZHBzOlJlYWQiXSwiUmVzb3VyY2UiOlsiYWNzOm9kcHM6Kjpwcm9qZWN0cy90ZXN0MV9uZXdfMS9pbnN0YW5jZXMvMjAyMjAzMTYwODU1NDYxNzBnMjQ5M3l2MDNfNDZiNzBkemVfODEwZF80OTNmXzhhYzFfNTM0NWRlNTVmNDNlIl0sIkVmZmVjdCI6IkFsbG93In1dLCJWZXJzaW9uIjoiMSJ9
      c3QxX25ld18xL2luc3RhbmNlcy8yMDIyMDMxNjA4NTU0NjE3MGcyNDkzeXYwM180NmI3MGR6ZV84MTBkXzQ5M2ZfOGFjMV81MzQ1ZGU1NWY0M2UiXSwiRWZmZWN0IjoiQWxsb3cifV0sIlZlcnNpb24iOiIxIn0=
      lda: 2022-03-16 16:55:50 MWorker_job:0/0/0[0%]
      lda: 2022-03-16 16:55:56 MWorker_job:0/0/0[0%]
      lda: 2022-03-16 16:56:02 MWorker_job:32/0/49[0%]
      lda: 2022-03-16 16:56:08 MWorker_job:32/0/49[0%]
      lda: 2022-03-16 16:56:14 MWorker_job:49/0/49[0%]
      lda: 2022-03-16 16:56:20 MWorker_job:0/49/49[100%]
      OK
      2022-03-16 16:56:32,707 INFO: execute maxCompute command succeed
      2022-03-16 16:56:32,707 INFO: return code: 0
      2022-03-16 16:56:32,707 INFO: end executing 1 command
      2022-03-16 16:56:32,707 INFO: write output artifact

   4. Sur la page LogView, cliquez sur l'onglet SourceXML.

   5. Sous TaskPlan, consultez les valeurs CPU et Memory.

      • Pour trouver le nombre de cœurs CPU utilisés, divisez la valeur CPU par 100. Dans ce cas, la tâche a utilisé 1 cœur CPU.

      • La valeur Memory est en Mo. Dans ce cas, la tâche a utilisé 1 Go de mémoire.

   6. Sur la page LogView, cliquez sur l'onglet Job Details.

   7. Cliquez sur l'objet de tâche dans l'onglet AlgoTask_0_0. Cliquez sur l'onglet Terminated. La colonne Latency affiche la durée d'exécution de chaque tâche. Consultez le nombre d'instances Terminated pour MWorker dans la section Fuxi Jobs et vérifiez la colonne Latency pour chaque instance dans la liste ci-dessous afin de déterminer la durée d'exécution.

      Cette sous-tâche comporte 49 tâches, et chaque tâche s'exécute pendant environ 26 secondes.

3. Calculez le coût de la sous-tâche.

   1. Nombre d'heures facturables pour la sous-tâche = max(Cœurs CPU × Durée (h), Mémoire (Go) × Durée (h) / 4) = max(49 × 1 × (26/3600), 49 × 1 × (26/3600) / 4) ≈ 0,35 heure facturable

   2. Coût de la sous-tâche = Nombre d'heures facturables pour la sous-tâche × Prix unitaire = 0,35 × 0,27 = 0,095 USD

4. Additionnez les coûts de toutes les sous-tâches pour obtenir le coût total du composant PLDA.

5. Répétez ces étapes pour tous les composants du workflow et additionnez leurs coûts pour trouver le coût total.