Ikhtisar penagihan
Alibaba Cloud OpenLake adalah solusi terpadu untuk skenario data multimodal dan model bahasa besar (LLM). OpenLake tidak dikenai biaya tambahan dan membangun platform terpadu untuk data lakehouse, pencarian, serta AI dengan mengintegrasikan berbagai produk Alibaba Cloud yang telah matang, seperti DLF, DataWorks, PAI, EMR, Hologres, StarRocks, MaxCompute, OpenSearch, dan Milvus.
Total biaya OpenLake merupakan jumlah dari biaya penggunaan aktual setiap produk dasar. Anda hanya membayar sumber daya komputasi, penyimpanan, jaringan, dan layanan yang digunakan—tanpa biaya platform tambahan atau premi integrasi.
Prinsip penagihan
Bayar sesuai penggunaan
Semua komponen menggunakan metode penagihan pay-as-you-go atau langganan, dengan biaya yang transparan.
Tidak ada biaya minimum, paket wajib, atau biaya tersembunyi.
Tidak ada biaya platform OpenLake
OpenLake berfungsi sebagai solusi arsitektur dan lapisan integrasi kemampuan, sehingga tidak menghasilkan item yang dapat ditagih secara terpisah.
Bahkan saat menggunakan fitur tingkat lanjut seperti OpenLake Studio, Copilot, atau Agent, sumber daya dasarnya tetap disediakan oleh produk seperti DataWorks dan PAI, dan biayanya sudah termasuk dalam tagihan produk tersebut.
Optimalisasi biaya
Mekanisme seperti penyimpanan terpadu, elastisitas arsitektur tanpa server, dan tiering data cerdas secara signifikan mengurangi total cost of ownership (TCO).
Beberapa engine berbagi data yang sama, sehingga menghindari biaya penyimpanan berlebihan serta biaya ekstrak, transformasi, dan muat (ETL).
Penagihan untuk komponen utama
Setiap produk menyediakan kuota gratis, dan pengguna baru juga dapat memanfaatkan sumber daya uji coba.
Komponen | Tujuan | Dimensi penagihan utama | Dokumentasi penagihan resmi |
DLF (Data Lake Formation) | Katalog metadata terpadu, pengelolaan izin, alur data, dan pendaftaran tabel multi-format (Paimon, Iceberg, dan Lance) | Penggunaan penyimpanan dan jumlah operasi metadata (panggilan Catalog API) | |
DataWorks | Pengembangan data, penjadwalan tugas, pemantauan kualitas, tata kelola keamanan, dan OpenLake Studio (Notebook dan IDE) | Biaya perangkat lunak dan sumber daya penjadwalan | |
EMR Spark (Serverless) | Pemrosesan batch, ETL, rekayasa fitur, dan pra-pemrosesan data AI | Jam unit komputasi (CU) | |
EMR StarRocks (Serverless) | Kueri interaktif berkonkurensi tinggi, analisis BI, dan eksplorasi ad-hoc | Jam CU dan kapasitas penyimpanan (GB-bulan) | |
Flink (real-time computing) | Stream ETL, ingestion real-time ke danau data terpadu (Fluss dan Paimon), dan komputasi stateful | Jam CU | |
Hologres | Gudang data real-time, penulisan tingkat milidetik, serving berkonkurensi tinggi, serta analitik aliran dan batch terpadu | Jam CU dan kapasitas penyimpanan (GB-bulan) | |
MaxCompute | Gudang data offline berskala besar, komputasi danau data terpadu, dan pemrosesan batch T+1 | Komputasi (CU-detik SQL dan MapReduce) dan kapasitas penyimpanan (GB-bulan) | |
PAI (Platform for AI) | Pelatihan LLM (DLC) dan layanan inferensi (EAS) | Jam GPU dan CPU | |
Milvus (vector engine) | Pencarian kemiripan vektor, pengambilan multimodal, dan basis pengetahuan Generasi yang Diperkaya dengan Pengambilan Data (RAG) | Jam node komputasi (CPU dan GPU) dan kapasitas penyimpanan (GB-bulan) | |
OpenSearch | Pencarian teks penuh, pencarian hibrida (kata kunci dan vektor), serta pratinjau data terstruktur dan tidak terstruktur | Jenis instans (CPU dan memori), kapasitas penyimpanan (GB-bulan), serta QPS atau jumlah permintaan |
Saran optimalisasi biaya
Kurangi biaya dengan penyimpanan terpadu
Gunakan DLF sebagai fondasi data tunggal untuk menghindari biaya berlebihan akibat penggunaan beberapa sistem penyimpanan, seperti HDFS, S3, dan NAS.
Serverless Elasticity
Pilih layanan yang sepenuhnya dikelola seperti EMR Serverless Spark, Flink, dan Hologres untuk menskalakan sumber daya sesuai permintaan, sehingga menghilangkan pemborosan akibat sumber daya menganggur.
Manajemen siklus hidup cerdas
Gunakan aturan siklus hidup DLF untuk secara otomatis memindahkan data dingin ke Infrequent Access atau Archive Storage, yang dapat menghemat lebih dari 50% biaya penyimpanan.
Gunakan instans terjadwal atau paket sumber daya
Untuk beban kerja stabil, seperti tugas terjadwal harian, pertimbangkan pembelian paket sumber daya komputasi atau penyimpanan guna mendapatkan diskon 30% hingga 60%.