MaxCompute发布按量付费闲时版,计算成本最高节省66.66%!

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 在大数据不断在追求计算效率和成本优化的背景下,阿里云云原生大数据计算服务 MaxCompute宣布推出按量付费闲时版,用户可选择用此版本完成时间不敏感的作业,从而降低计算成本,同等作业类型的计算费用与按量付费标准版相比,最高可实现66.66%的计算成本优化。

什么是按量付费闲时版

开通MaxCompute按量付费闲时版,意味着用户可以使用MaxCompute闲时计算资源(os_SpotQuota),它是一种共享型按量付费计算资源,闲时计算资源池与按量付费标准版计算资源共享,与包年包月计算资源隔离,不可指定用量。

通过闲时计算资源运行的作业被称为Spot作业(SpotJob),相对于按量付费标准版作业具有更低的单价。如遇整体资源池资源水位高,发生资源竞争时,Spot作业(使用os_SpotQuota运行的作业,包含SpotSQL、SpotMapReduce、SpotSpark等类型)的资源可能会被挤压或者抢占,甚至作业被终止,如下图所示。

图片 3.png

适用场景

按量付费闲时版旨在为用户降低开发、测试等延迟不敏感场景下使用MaxCompute的成本。适用于期望极低成本、但对完成时间不敏感的作业。例如用户行为日志、系统日志等低价值、海量数据的分析场景

此类业务通常需要消耗大量计算资源,但对产出时间并不敏感,此时使用包年包月资源会造成独享资源大量空闲,而使用按量付费标准版成本又过高,对作业的完成时间敏感性越低,越适合使用按量付费闲时版以节省计算成本。

(注:用于生产、要求长期稳定、资源有保障的作业不宜使用按量付费闲时版,因为资源竞争会导致作业资源被挤压、抢占,造成作业长时间等待或运行时间变长、甚至被迫终止,进而影响用户的实际业务。)


计量计费

按量付费闲时版适用于SQL、MapReduce、Spark、Mars(数据科学)计算类型,计费公式与标准版作业一致,但单价更低。

图片 2.png

SpotJob与标准作业单价(公共云)对比

参考示例

小K同学是公司A的数仓开发人员,开发时间在10:00-18:00之间,由于开发阶段需要频繁的历史数据重刷对比,每天要跑几百个作业,数据扫描量较高,使用按量付费标准版,一天作业消费高达861元,计算成本较高。小K同学了解到MaxCompute推出了按量付费闲时版,很快试用起来,原有的作业采用SpotJob后,尽管作业延时有增加,但基本都能在下班前完成业务的开发,在数据扫描量相同的情况下,一天作业的成本降低为289元,一个月累计下来给公司带来了将近2万元的成本降低。

图片 5.png

page_1.png

SpotJob与标准作业账单金额对比


MaxCompute按量付费闲时版能够为用户大大降低开发、测试等延迟不敏感场景下的计算成本。


开通入口与帮助文档

🔥点击右侧链接火速开通:开通入口

(注:按量付费闲时版仅涵盖计算资源,存储和下载费用依据按量付费标准版收取,因此您需要开通开通付费标准版后方可开通闲时版)

💡配置与使用介绍:产品文档


我们热切期待您的使用和反馈,如果您对我们按量付费闲时版有任何疑问或想要了解更多信息,请通过申请链接或搜索(钉钉群号:11782920)加入MaxCompute开发者社区钉群与我们沟通交流。我们的专业团队将随时为您提供帮助。


相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
3月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
|
存储 负载均衡 算法
大数据散列分区计算哈希值
大数据散列分区计算哈希值
189 4
|
存储 大数据 测试技术
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
在大数据环境中,数据存储格式直接影响查询性能和成本。本文探讨了 Parquet、Avro 和 ORC 三种格式在 Google Cloud Platform (GCP) 上的表现。Parquet 和 ORC 作为列式存储格式,在压缩和读取效率方面表现优异,尤其适合分析工作负载;Avro 则适用于需要快速写入和架构演化的场景。通过对不同查询类型(如 SELECT、过滤、聚合和联接)的基准测试,本文提供了在各种使用案例中选择最优存储格式的建议。研究结果显示,Parquet 和 ORC 在读取密集型任务中更高效,而 Avro 更适合写入密集型任务。正确选择存储格式有助于显著降低成本并提升查询性能。
1413 1
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
|
分布式计算 大数据 Java
大数据-87 Spark 集群 案例学习 Spark Scala 案例 手写计算圆周率、计算共同好友
大数据-87 Spark 集群 案例学习 Spark Scala 案例 手写计算圆周率、计算共同好友
188 5
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
145 3
|
存储 分布式计算 算法
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
240 0
|
10月前
|
SQL 分布式计算 DataWorks
MaxCompute MaxFrame评测 | 分布式Python计算服务MaxFrame(完整操作版)
在当今数字化迅猛发展的时代,数据信息的保存与分析对企业决策至关重要。MaxCompute MaxFrame是阿里云自研的分布式计算框架,支持Python编程接口、兼容Pandas接口并自动进行分布式计算。通过MaxCompute的海量计算资源,企业可以进行大规模数据处理、可视化数据分析及科学计算等任务。本文将详细介绍如何开通MaxCompute和DataWorks服务,并使用MaxFrame进行数据操作。包括创建项目、绑定数据源、编写PyODPS 3节点代码以及执行SQL查询等内容。最后,针对使用过程中遇到的问题提出反馈建议,帮助用户更好地理解和使用MaxFrame。
|
存储 算法 固态存储
大数据分区优化存储成本
大数据分区优化存储成本
309 4
|
分布式计算 Java MaxCompute
ODPS MR节点跑graph连通分量计算代码报错java heap space如何解决
任务启动命令:jar -resources odps-graph-connect-family-2.0-SNAPSHOT.jar -classpath ./odps-graph-connect-family-2.0-SNAPSHOT.jar ConnectFamily 若是设置参数该如何设置
|
存储 运维 物联网
长安汽车×云器Lakehouse一体化数据平台,成本降低50%,建立智能互联时代的领先优势
长安汽车智能化研究院致力于汽车智能化技术研究,通过构建基于云器科技Lakehouse一体化数据平台,解决了高并发、大规模车联网数据处理难题,实现了数据实时写入、高效分析和成本优化,助力汽车智能驾驶、网联和交通全面发展。
413 0
长安汽车×云器Lakehouse一体化数据平台,成本降低50%,建立智能互联时代的领先优势

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
    oss云网关配置