MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!

MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式对外商业化。


MaxFrame 是由阿里云自研的分布式计算框架,支持 Python 编程接口,并直接使用 MaxCompute 的计算资源和数据接口,MaxFrame 不仅兼容 Pandas、Xgboost 接口,还自动实现分布式处理,使得 Python 开发者可以更加高效、便捷地在 MaxCompute 上完成大规模数据处理及 ML/AI 数据预处理等工作。关于 MaxFrame 详情请参见:


说明

MaxCompute MaxFrame 将逐步替换 PyODPS DataFrame 及 Mars 接口,同时在算子兼容性和分布式性能方面有明显提升,推荐新用户和新作业可直接基于 MaxFrame 进行 Python 开发,使用 PyODPS DataFrame 和 Mars 的历史作业建议逐步迁移至 MaxFrame 执行以获取更好的开发体验和服务支持。


上线地域

地区

地域

中国地区

华北2(北京)

华东1(杭州)

华东2(上海)

华南1(深圳)

西南1(成都)

华北6(乌兰察布)

中国(香港)


计费说明

MaxFrame 按照作业计算资源使用量进行计费,支持按量付费及包年包月付费方式。


  • 包年包月

若您已购买 MaxCompute 包年包月计算资源,MaxFrame 作业可复用现有 MaxCompute 包年包月资源,无需单独购买;若您暂未购买 MaxCompute 包年包月计算资源,可直接按需购买 MaxCompute 包年包月计算资源,MaxCompute 的包年包月标准计算资源规格计算费用规则可参考:计算费用(包年包月)


  • 按量付费

MaxFrame 支持按量付费方式,可按照 MaxFrame 作业实际 CU 使用量进行计费。

MaxFrame 作业执行后,系统会统计作业所消耗的 CU 时(计算时)。系统将在第二天对所有 MaxFrame 作业的计费信息进行一次性汇总计费,并在06:00前汇总在账号账单中,自动从账号余额中扣除费用。


MaxFrame 作业计费规则如下:

计费公式

类型

价格

说明

示例

MaxFrame作业当日计算费用=当日总计算时×单价

标准MaxFrame作业

(指使用按量付费标准版计算配额的MaxFrame作业)

一般情况下,计费单价如下:

  • 公共云:0.36元/计算时
  • 金融云:0.684元/计算时

MaxFrame作业的计算时详情如下:

  • 计算消耗的CPU Core及内存数量。
  • 1计算时包含1 CPU Core和4 GB内存。
  • 计算方法为MAX(CPU×时长, 向上取整(内存×时长/4))

执行MaxFrame作业使用2 CPU Core和5 GB内存,运行1小时。则计算时为MAX(2×1, 向上取整(5×1/4))=2

MaxFrame作业计算费用在公有云上为2×0.36=0.72元,在金融云上为2×0.684=1.368元


计费账单详情:

产品

产品明细

消费类型

计费项

计费项code

单价

单价单位

用量

用量单位

MaxCompute

大数据计算服务MaxCompute(按量付费)

后付费

MaxFrame作业计算

odps_computation_maxframe

0.36

元/计算时

数值

计算时


MaxCompute 按量付费计算资源规格费用规则可参考:计算费用(按量付费)


服务支持

您有任何相关问题或需要协助,可以通过填写钉钉群申请表单加入MaxCompute开发者社区群(钉钉群号:11782920)、您的专属钉群或者 MaxFrame 官方用户支持群(钉钉群号:37130012987)等方式联系我们。




相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
9天前
|
负载均衡 监控 Dubbo
分布式框架-dubbo
分布式框架-dubbo
|
23天前
|
运维 NoSQL Java
SpringBoot接入轻量级分布式日志框架GrayLog技术分享
在当今的软件开发环境中,日志管理扮演着至关重要的角色,尤其是在微服务架构下,分布式日志的统一收集、分析和展示成为了开发者和运维人员必须面对的问题。GrayLog作为一个轻量级的分布式日志框架,以其简洁、高效和易部署的特性,逐渐受到广大开发者的青睐。本文将详细介绍如何在SpringBoot项目中接入GrayLog,以实现日志的集中管理和分析。
100 1
|
9天前
|
XML 负载均衡 监控
分布式-dubbo-简易版的RPC框架
分布式-dubbo-简易版的RPC框架
|
1月前
|
分布式计算 资源调度 Hadoop
在YARN集群上运行部署MapReduce分布式计算框架
主要介绍了如何在YARN集群上配置和运行MapReduce分布式计算框架,包括准备数据、运行MapReduce任务、查看任务日志,并启动HistoryServer服务以便于日志查看。
37 0
|
2月前
|
缓存 分布式计算 Java
详细解读MapReduce框架中的分布式缓存
【8月更文挑战第31天】
20 0
|
28天前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
78 11
|
2月前
|
存储 分布式计算 大数据
MaxCompute 数据分区与生命周期管理
【8月更文第31天】随着大数据分析需求的增长,如何高效地管理和组织数据变得至关重要。阿里云的 MaxCompute(原名 ODPS)是一个专为海量数据设计的计算服务,它提供了丰富的功能来帮助用户管理和优化数据。本文将重点讨论 MaxCompute 中的数据分区策略和生命周期管理方法,并通过具体的代码示例来展示如何实施这些策略。
82 1
|
2月前
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
|
2月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
2月前
|
分布式计算 DataWorks 关系型数据库
DataWorks产品使用合集之ODPS数据怎么Merge到MySQL数据库
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。

热门文章

最新文章

相关产品

  • 云原生大数据计算服务 MaxCompute
  • 下一篇
    无影云桌面