All Products
Search

This Product

    E-MapReduce:Item dan metode penagihan

    Document Center

    E-MapReduce:Item dan metode penagihan

    Last Updated:Jun 16, 2026

    Biaya EMR Serverless Spark terdiri atas ruang kerja dan kluster cache, mencakup tiga item penagihan: sumber daya komputasi, panggilan model, dan sumber daya cache. Tersedia beberapa metode penagihan, termasuk pay-as-you-go dan subscription. Topik ini menjelaskan setiap item penagihan serta cara memperkirakan penggunaannya.

    Komposisi penagihan

    Diagram berikut menunjukkan rincian biaya.

    Metode penagihan

    EMR Serverless Spark mendukung metode penagihan berikut:

    Billing method

    Description

    Computing resources (pay-as-you-go)

    Bayar setelah penggunaan. Ditagih per jam (pada awal setiap jam, UTC+8) berdasarkan penggunaan resource aktual. Paling cocok untuk beban kerja yang bervariasi.

    Computing resources (subscription)

    Bayar sebelum penggunaan. Anda membayar di muka untuk durasi tetap. Harga dihitung per siklus penagihan berdasarkan lama subscription. Paling cocok untuk beban kerja stabil jangka panjang dengan anggaran yang dapat diprediksi.

    Computing resources (hybrid billing)

    Tambahkan sumber daya komputasi elastis ke subscription Anda. Menggabungkan fleksibilitas pay-as-you-go dengan efisiensi biaya subscription.

    Computing resources (resource plan)

    Beli paket sumber daya dengan diskon di muka. Penggunaan terlebih dahulu dikurangkan dari paket; kelebihannya ditagih dengan tarif pay-as-you-go. Paling cocok untuk beban kerja yang relatif stabil.

    Model calls (pay-as-you-go)

    Ditagih berdasarkan penggunaan token aktual dari layanan model AI Center bawaan di ruang kerja.

    Data caching (pay-as-you-go)

    Bayar setelah penggunaan. Ditagih per jam (pada awal setiap jam, UTC+8) berdasarkan kuota cache yang dialokasikan dan durasi penggunaan. Paling cocok untuk pekerjaan Serverless Spark yang memerlukan pemuatan data lebih cepat.

    Detail item penagihan

    Computing resources

    Sumber daya komputasi ditagih berdasarkan paket subscription Anda atau penggunaan pay-as-you-go aktual. Satuan pengukurannya adalah CU.

    1 CU = 1 vCPU + 4 GiB memory, merupakan unit komputasi dasar untuk EMR Serverless Spark. Penggunaan CU bergantung pada volume data, kompleksitas komputasi, distribusi data, dan apakah Anda mengaktifkan Fusion engine. Fusion engine tidak menambah biaya dan biasanya mengurangi waktu proses pekerjaan lebih dari 30%.

    Jika rasio vCPU-memori Anda di bawah 1:4, halaman Promosi CU EMR Serverless Spark menjelaskan konversi CU.

    Kapasitas pemrosesan 1 CU:

    Processing scenario

    Processing capacity (Java Runtime)

    Processing capacity (Fusion engine)

    Pemrosesan data sederhana, seperti penyaringan dan pembersihan.

    1 CU memproses sekitar 2.000.000 catatan per detik.

    1 CU memproses sekitar 5.000.000 catatan per detik.

    Pemrosesan data kompleks, seperti agregasi, join, dan operasi string.

    1 CU memproses sekitar 700.000 catatan per detik.

    1 CU memproses sekitar 2.000.000 catatan per detik.

    Model calls

    Panggilan model ditagih berdasarkan penggunaan aktual layanan model AI Center bawaan. Satuannya adalah ribuan Token.

    Estimasi Token: • 1 karakter Tionghoa ≈ 1,5–2 Token • 1 huruf Inggris ≈ 0,25 Token • 1 kata Inggris ≈ 1,3 Token

    • Alibaba Cloud Model Studio: ≈ 4–5 Token

    • Hello World: ≈ 2 Token

    Sebagai contoh, untuk menyamarkan 1.000 catatan teks dalam satu batch, gunakan SQL berikut:

    select
  ai_query (
    concat(
      'Mask the following text according to these rules:
      1. Chinese names: Detect all Chinese names (2–4 characters). Keep the first and last characters. Replace middle characters with `*`.
      2. Mobile phone numbers: Detect Chinese mainland mobile numbers (11 digits, starting with 1). Keep the first 3 and last 4 digits. Replace the middle 4 digits with `****`.
      3. Physical addresses: Detect specific physical address information, such as province, city, district, street, and building number. Keep only the province, city, and district (county) levels. Replace all detailed street, building number, and community names after the district/county level with `***`.
      Output requirements:
      Return only the following three lines. Do not include explanations, original text, or other content:
      Name: [result]
      Mobile: [result]
      Address: [result]',
      user_info
    )
  )AS masked_text
from
  user_tbl
;

    Sebagai contoh, nilai user_info dapat berupa: “Mr. Li Si tinggal di No. xxx, Jalan Moumou, Taman Teknologi Tinggi Zhangjiang, Area Baru Pudong, Shanghai. Nomor ponselnya adalah 159********.”

    Estimasi penggunaan token untuk satu catatan adalah sebagai berikut:

    Estimated Token usage

    user_info input data

    ≈ 60

    prompt

    ≈ 200

    output data

    ≈ 50

    Estimasi penggunaan token untuk 10.000 catatan:

    Estimated usage

    Calculation formula

    Input Tokens (estimated)

    ≈ 2.600 ribu Token

    (60 + 200) Token/catatan × 10.000 catatan

    Output Tokens (estimated)

    ≈ 500 ribu Token

    50 Token/catatan × 10.000 catatan

    Cache cluster

    Kluster cache ditagih berdasarkan kuota cache yang dialokasikan dan durasi penggunaan. Satuannya adalah GB. Untuk aturan penagihan, siklus penagihan, dan harga per wilayah, lihat Data caching (pay-as-you-go).