通用计算资源的计费项由公共资源组和专有资源组组成。本文为您介绍通用计算资源各个资源组的计费详情。
计费项
通用计算资源的计费项组成如下图:
计费方式
公共资源组和专有资源组的计费方式如下。
计费项 | 计费主体 | 计费规则 | 计费方式 | 停止计费 |
公共资源组 | DSW实例或DLC任务运行时长(占用公共资源组的时长)。 | 按照DSW实例或DLC任务占用的公共资源组的时长计费。 | 后付费(按量计费) | DSW实例停止运行、DLC任务执行结束或任务状态为已停止。 |
专有资源组 | 专有资源组购买的计算资源的运行时长。 | 只对专有资源组购买的计算资源收费,部署在专有资源组上的DSW实例或DLC任务不产生额外费用。 | 预付费(包年包月) | 不涉及 |
公共资源组
使用公共资源组时,计费方式仅支持后付费(按量计费)。
计费说明 | 计费公式 | 单价 | 计费时间段 | 扩缩容说明 | 其他注意事项 |
后付费(按量计费) |
| 定价详情,请参见附录:公共资源组定价详情。 | 按DSW实例或DLC任务的运行时长收费。 | 不涉及 | 无 |
专有资源组
使用为专有资源组购买的计算资源时,计费方式仅支持预付费(包年包月)。
计费说明 | 计费公式 | 单价 | 计费时间段 | 扩缩容说明 | 其他注意事项 |
预付费(包年包月) |
| 定价详情请前往购买专属资源组页面查看。 |
| 不涉及 | 无 |
计费案例
以下计费案例仅供参考,实际费用以您购买的云服务的控制台页面(或购买页面)为准。
公共资源组计费示例
示例场景描述:
假设您使用规格名称ecs.g6.2xlarge创建训练任务,节点数量为1,资源组位于华东2(上海)地域,训练任务执行时长为1分15秒。
费用计算:
账单金额=1×0.6÷60×1.25=0.0125 USD
专有资源组计费示例
示例场景描述:
假设您使用预付费(包年包月)的方式,购买了华东2(上海)地域的ecs.g6.13xlarge-52c192g两台,购买时长为2个月,定价为980.57(USD/月)(实际价格以产品购买为准)。
费用计算:
总金额=2×980.57×2=3922.28 USD
欠费说明
欠费原因
您当前账号余额不足。
预付费:您绑定的续费账户余额不足。
后付费:如果您的账户可用余额小于上一个计费周期的账单金额,阿里云扣费失败后,您将处于欠费状态。
欠费停服说明
PAI会以T+1天的形式展示账单,账单出账时间通常在当前计费周期结束后4小时内。当您的账户欠费后,系统会给账号的注册手机发送短信通知。
欠费后,PAI服务将继续保持24小时,但欠费超过24小时后,您的服务将被暂停,此后您将无法使用相关功能。
为避免对您的业务造成影响,请您及时续费。
查看欠费金额
登录费用中心。
在账户总览页面,查看欠费金额。
续费说明
DLC专有资源组预付费支持以下两种续费方式。
到期自动续费
如果您不想每次手动续费,您可以在购买预付费计算资源时,选中到期自动续费,详情请参见新建资源组并购买通用计算资源。
手动续费
在专有资源组资源列表,单击目标资源操作列下的续费,为已购买资源手动续费,详情请参见新建资源组并购买通用计算资源。
退款说明
后付费已发生的费用不予退款。
预付费按照如下规则退款:
五天无理由退订:购买资源包后5天内未使用,可申请无理由全额退款。
非五天无理由退订:按照资源包剩余量退还余款:
退款金额 = 实付金额 - 已消费金额。
退订未生效的续费订单:如果资源已进行续费操作,可选择单独退订未生效的续费订单。
附录:公共资源组定价详情
具体定价详情如下所示。
资源类型 | 规格 | GPU卡型 | 定价(USD/小时) | 地域 |
ecs.g6.2xlarge | 8 vCPU+32 GB内存 | 无 | 0.6 |
|
ecs.g6.4xlarge | 16 vCPU+64 GB内存 | 无 | 0.6 |
|
1.2 |
| |||
ecs.g6.8xlarge | 32 vCPU+128 GB内存 | 无 | 1.2 |
|
1.8 |
| |||
2.4 | 中国(香港) | |||
ecs.gn5-c28g1.7xlarge | 28 vCPU+112 GB内存 | 1 * NVIDIA P100 | 3.6 |
|
3 | 中国(香港) | |||
ecs.gn5-c4g1.xlarge | 4 vCPU+30 GB内存 | 1 * NVIDIA P100 | 1.8 |
|
ecs.gn5-c8g1.2xlarge | 8 vCPU+60 GB内存 | 1 * NVIDIA P100 | 2.4 |
|
ecs.gn5-c8g1.4xlarge | 16 vCPU+120 GB内存 | 2 * NVIDIA P100 | 4.8 |
|
4.2 | 德国(法兰克福) | |||
ecs.gn6e-c12g1.12xlarge | 48 vCPU+368 GB内存 | 4 * NVIDIA V100 | 17.4 | 印度(孟买) |
18 | 新加坡 | |||
18.6 |
| |||
12.6 |
| |||
15.6 | 德国(法兰克福) | |||
ecs.gn6e-c12g1.3xlarge | 12 vCPU+92 GB内存 | 1 * NVIDIA V100 | 4.2 |
|
4.8 |
| |||
3 |
| |||
3.6 | 德国(法兰克福) | |||
ecs.gn6e-c12g1.24xlarge | 96 vCPU+736 GB内存 | 8 * NVIDIA V100 | 35.4 | 印度(孟买) |
36 | 新加坡 | |||
37.8 |
| |||
25.8 |
| |||
31.8 | 德国(法兰克福) | |||
ecs.gn6v-c8g1.2xlarge | 8 vCPU+32 GB内存 | 1 * NVIDIA V100 | 4.2 |
|
4.8 | 新加坡 | |||
ecs.gn6v-c8g1.8xlarge | 32 vCPU+128 GB内存 | 4 * NVIDIA V100 | 16.8 |
|
19.8 | 新加坡 | |||
ecs.gn6v-c8g1.16xlarge | 64 vCPU+256 GB内存 | 8 * NVIDIA V100 | 34.2 |
|
39.6 | 新加坡 | |||
ecs.gn6v-c10g1.20xlarge | 82 vCPU+336 GB内存 | 8 * NVIDIA V100 | 35.4 |
|
ecs.r7.16xlarge | 64 vCPU+512 GB内存 | 无 | 4.8 |
|
1.8 |
| |||
5.4 | 中国(香港) | |||
ecs.r7.xlarge | 4 vCPU+32 GB内存 | 无 | 0.6 | 中国(香港) |
ecs.r7.2xlarge | 8 vCPU+64 GB内存 | 无 | 0.6 |
|
ecs.r7.4xlarge | 16 vCPU+128 GB内存 | 无 | 0.6 |
|
1.2 |
| |||
ecs.r7.6xlarge | 24 vCPU+192 GB内存 | 无 | 1.8 |
|
1.2 |
| |||
ecs.r7.8xlarge | 32 vCPU+256 GB内存 | 无 | 2.4 |
|
1.8 |
| |||
ecs.g7.2xlarge | 8 vCPU+32 GB内存 | 无 | 0.6 |
|
ecs.g7.3xlarge | 12 vCPU+48 GB内存 | |||
ecs.g5.2xlarge | 8 vCPU+32 GB内存 | 无 | 0.6 |
|
ecs.g6.3xlarge | 12 vCPU+48 GB内存 | |||
ecs.g7.4xlarge | 16 vCPU+64 GB内存 | 无 | 1.2 |
|
0.6 |
| |||
ecs.r7.3xlarge | 12 vCPU+96 GB内存 | 无 | 0.6 |
|
1.2 | 中国(香港) | |||
ecs.c6e.8xlarge | 32 vCPU+64 GB内存 | 无 | 1.8 |
|
1.2 |
| |||
ecs.g6.6xlarge | 24 vCPU+96 GB内存 | 无 | 1.2 |
|
1.8 | 中国(香港) | |||
ecs.g7.6xlarge | 24 vCPU+96 GB内存 | 无 | 1.2 |
|
ecs.g5.4xlarge | 16 vCPU+64 GB内存 | 无 | 0.6 | 印度(孟买) |
1.2 |
| |||
ecs.hfc6.8xlarge | 32 vCPU+64 GB内存 | 无 | 1.8 |
|
1.2 |
| |||
ecs.g7.8xlarge | 32 vCPU+128 GB内存 | 无 | 1.8 |
|
1.2 |
| |||
2.4 | 中国(香港) | |||
ecs.hfc6.10xlarge | 40 vCPU+96 GB内存 | 无 | 2.4 |
|
1.2 |
| |||
ecs.g6.13xlarge | 52 vCPU+192 GB内存 | 无 | 3 |
|
3.6 |
| |||
2.4 |
| |||
ecs.g5.8xlarge | 32 vCPU+128 GB内存 | 无 | 1.8 |
|
2.4 |
| |||
ecs.hfc6.16xlarge | 64 vCPU+128 GB内存 | 无 | 3.6 |
|
2.4 |
| |||
ecs.g7.16xlarge | 64 vCPU+256 GB内存 | 无 | 3.6 |
|
2.4 |
| |||
4.2 | 中国(香港) | |||
ecs.hfc6.20xlarge | 80 vCPU+192 GB内存 | 无 | 4.8 |
|
4.2 |
| |||
3 |
| |||
ecs.g6.26xlarge | 104 vCPU+384 GB内存 | 无 | 5.4 | 印度(孟买) |
6.6 |
| |||
4.2 |
| |||
7.2 | 中国(香港) | |||
ecs.g5.16xlarge | 64 vCPU+256 GB内存 | 无 | 3 | 印度(孟买) |
4.2 |
| |||
3.6 |
| |||
4.8 |
| |||
ecs.gn6i-c4g1.xlarge | 4 vCPU+15 GB内存 | 1 * NVIDIA T4 | 1.2 |
|
1.8 |
| |||
ecs.gn6i-c8g1.2xlarge | 8 vCPU+31 GB内存 | 1 * NVIDIA T4 | 1.8 |
|
1.2 |
| |||
2.4 |
| |||
ecs.gn6i-c16g1.4xlarge | 16 vCPU+62 GB内存 | 1 * NVIDIA T4 | 2.4 |
|
1.8 |
| |||
ecs.gn7-c12g1.3xlarge | 12 vCPU+95 GB内存 | 1 * GU50 | 3.6 | 马来西亚(吉隆坡) |
5.4 | 华北2(北京) | |||
2.4 |
| |||
ecs.gn6i-c24g1.6xlarge | 24 vCPU+93 GB内存 | 1 * NVIDIA T4 | 2.4 |
|
3 |
| |||
ecs.gn7i-c32g1.8xlarge | 32 vCPU+188 GB内存 | 1 * NVIDIA A10 | 6.6 | 印度(孟买) |
3.6 |
| |||
3 | 印度尼西亚(雅加达) | |||
4.8 |
| |||
12.6 | 中国(香港) | |||
2.4 | 华南1(深圳) | |||
7.2 | 德国(法兰克福) | |||
ecs.gn7e-c16g1.4xlarge | 16 vCPU+125 GB内存 | 1 * GU100 | 6.6 | 印度尼西亚(雅加达) |
4.8 | 华北2(北京) | |||
9.6 |
| |||
2.4 | 中国(香港) | |||
ecs.gn7i-c16g1.4xlarge | 16 vCPU+60 GB内存 | 1 * NVIDIA A10 | 3 |
|
7.2 | 马来西亚(吉隆坡) | |||
6 | 华北2(北京) | |||
40.8 |
| |||
2.4 | 华南1(深圳) | |||
ecs.gn6i-c24g1.12xlarge | 48 vCPU+186 GB内存 | 2 * NVIDIA T4 | 4.8 |
|
5.4 |
| |||
ecs.gn7i-c32g1.16xlarge | 64 vCPU+376 GB内存 | 2 * NVIDIA A10 | 13.2 | 印度(孟买) |
6.6 | 新加坡 | |||
3 |
| |||
6 |
| |||
14.4 | 德国(法兰克福) | |||
ecs.gn7-c13g1.13xlarge | 52 vCPU+380 GB内存 | 4 * NVIDIA A10 | 3 |
|
12.6 | 华北2(北京) | |||
ecs.gn7i-c32g1.32xlarge | 128 vCPU+752 GB内存 | 4 * NVIDIA A10 | 3 |
|
13.8 | 新加坡 | |||
2.4 |
| |||
3.6 |
| |||
ecs.gn6i-c24g1.24xlarge | 96 vCPU+372 GB内存 | 4 * NVIDIA T4 | 10.2 |
|
10.8 |
| |||
9.6 | 中国(香港) | |||
ecs.gn6v-c10g1.20xlarge | 82 vCPU+336 GB内存 | 8 * NVIDIA V100 | 35.4 |
|
ecs.gn7-c13g1.26xlarge | 104 vCPU+760 GB内存 | 8 * GU50 | 3 |
|
3.6 |
| |||
ecs.ebmgn7e.32xlarge | 128 vCPU+1024 GB内存 | 8 * GU100 | 45 |
|
50.4 | 德国(法兰克福) |