ODPS产品商业化模式介绍及价格总览

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

经过了漫长的公测及等待,阿里云开放数据处理服务(ODPS)计划于2014年7月1日正式商业化售卖,这是阿里云产品大家族中的第一款海量计算产品。有了ODPS后,大家再也不用为数据规模增长带来的数据存储困难、运算时间延长等问题而烦恼了,ODPS可以根据用户的数据规模自动调整集群的存储和计算能力,使您能够专心于数据分析和挖掘,最大化发挥数据的价值。阿里金融、淘宝指数、数据魔方等阿里巴巴关键数据业务的离线处理作业都运行在ODPS上。

欢迎大家下载使用手册来了解和使用ODPS。

同时,欲了解详细的产品计费模型、定价和欠费策略请移步下文:

(一)计费规则

ODPS以项目(Project)为单位,对存储、计算和数据下载三个方面分别计费。

 存储计费

存储到ODPS的数据,包括表(Table)和资源(Resource)等,会按照其数据容量的大小进行计费,计费周期是一个小时,具体计费公式为:

每小时存储费用 = 存储容量 * 存储价格

价格如下:

计费项 价格
存储价格(元/GB/小时) 0.0008元

说明:

1.  由于ODPS会对用户数据进行压缩存储,计费依据的容量大小是压缩后的数据,因此多数情况下与上传数据之前用户自己统计的数据文件大小不同,压缩比一般在2~5倍左右;

2.   账单出账时间通常在当前计费周期结束后一小时内,最长不超过三个小时。例如10:00-11:00的账单一般会在12:00以前生成,具体以系统出账时间为准, 账单生成后会自动从您的账户余额中扣除费用以结算账单。

计算计费

目前ODPS仅开放了SQL计算任务,SQL计算任务的计费公式为:

一次SQL计算费用 = 计算输入数据量 * SQL复杂度 * SQL价格

价格如下:

计费项 价格
SQL价格(元/GB) 0.3元

说明:

1.  计算输入数据量:指一个SQL语句实际扫描的数据量,大部分的SQL语句有分区过滤和列裁剪,所以一般情况下这个值会远小于源表数据大小:

a)   列裁剪:例如用户提交的SQL是select f1,f2,f3 from t1;  只计算t1表中f1,f2,f3三列的数据量,其他列不会参与计费。

b)   分区过滤:例如SQL语句中含有where ds>”20130101”,ds是分区列,则计费的数据量只会包括实际读取的分区,不会包括其他分区的数据。

2.  SQL复杂度:先统计SQL语句中的关键字,再折算为SQL复杂度,具体如下:

a)   SQL关键字个数 = Join个数 + Group By个数 + Order By个数 + Distinct个数 + 窗口函数个数 + analyze个数 + max( insert into个数-1, 1)

b)

复杂度

例如,用户输入的SQL语句是:

INSERT INTO TABLE out1 SELECT * FROM shop a JOIN sale_detail b ON a.shop_name = b.shop_name;

则其SQL关键字个数是2,而SQL复杂度是1。

例如,用户输入的SQL语句是:

SELECT DISTINCT total1 FROM

(SELECT id1, COUNT(f1) AS total1 FROM in1 GROUP BY id1)

ORDER BY total1 DESC LIMIT 100;

则其SQL关键字个数是4,而SQL复杂度是1.5。

3.  账单出账时间在计算任务结束后一小时内,最长不超过三个小时。在计算任务成功结束后,系统会统计该计算任务读取的数据量和SQL复杂度, 账单生成后会自动从您的账户余额中扣除费用以结算账单。没有成功的计算任务不扣费。

4.  与存储类似,SQL计算也以压缩后的数据大小计费。

下载计费

用户从外网通过ODPS Tunnel下载数据,按照下载的数据大小进行计费。计费公式为:

外网下载费用 = 下载数据量 * 下载价格

其中,具体价格如下:

计费项 价格
外网下载价格(元/GB) 0.8元

说明:

1.  下载数据量:指一次下载请求的HTTP body的大小。承载数据的HTTP body使用protobuffer编码,因此一般比数据原始容量要小,但是比压缩后存储在ODPS上的数据量要大。

2.  内网下载不计费,比如将下载数据到ECS的磁盘上。

3.  上传数据,无论从内网还是外网进入ODPS,均不计费。

 (二)欠费预警/停机策略

  •  系统根据ODPS服务最近24小时的账单应付金额平均值来判断用户账户余额是否足以支付其ODPS服务下3个账单的费用,如果不足以支付将给予短信/邮件提醒;
  • 如果用户开启了余额预警,当账户余额小于用户设定的预警值时将给予用户短信/邮件提醒。
  • 如果用户账号下可用余额小于上个计费周期的账单金额,则ODPS将处于欠费状态。在欠费后24小时内进行充值,您的服务将不会受到停服影响;欠费状态超过24小时,阿里云会暂停您的ODPS服务,用户需补缴所有欠费账单后方可继续使用。在欠费后24小时内会以短信/邮件的方式提醒用户尽快续费,
  • ODPS服务被暂停后,所有ODPS项目保留14天后将被释放,其中的数据会丢失并且不可恢复;用户在14天内充值补足欠费后,服务会自动开启,可以继续使用;欠费超过14天,将视为用户主动放弃所有ODPS项目;在项目释放前的1天进行短信/邮件提醒。

后续,我们还将陆续推出新的产品并不断的完善现有产品,加强产品的稳定性和易用性,欢迎大家访问http://www.aliyun.com/product/odps了解更多ODPS产品相关的内容。

阿里云产品团队

2014年6月26日

 

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 
相关文章
|
1月前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
149 6
|
1月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
65 2
|
1月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
52 2
|
1月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
52 0
|
1月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
69 0
|
13天前
|
存储 人工智能 分布式计算
大数据& AI 产品月刊【2024年10月】
大数据& AI 产品技术月刊【2024年10月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
18天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
1月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
39 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
26天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
zdl
|
5天前
|
消息中间件 运维 大数据
大数据实时计算产品的对比测评:实时计算Flink版 VS 自建Flink集群
本文介绍了实时计算Flink版与自建Flink集群的对比,涵盖部署成本、性能表现、易用性和企业级能力等方面。实时计算Flink版作为全托管服务,显著降低了运维成本,提供了强大的集成能力和弹性扩展,特别适合中小型团队和业务波动大的场景。文中还提出了改进建议,并探讨了与其他产品的联动可能性。总结指出,实时计算Flink版在简化运维、降低成本和提升易用性方面表现出色,是大数据实时计算的优选方案。
zdl
24 0

热门文章

最新文章

  • 1
    DataWorks操作报错合集之DataWorks任务异常 报错: GET_GROUP_SLOT_EXCEPTION 该怎么处理
    103
  • 2
    DataWorks操作报错合集之DataWorksUDF 报错:evaluate for user defined function xxx cannot be loaded from any resources,该怎么处理
    104
  • 3
    DataWorks操作报错合集之在DataWorks中,任务流在调度时间到达时停止运行,是什么原因导致的
    106
  • 4
    DataWorks操作报错合集之DataWorks ODPS数据同步后,timesramp遇到时区问题,解决方法是什么
    90
  • 5
    DataWorks操作报错合集之DataWorks配置参数在开发环境进行调度,参数解析不出来,收到了 "Table does not exist" 的错误,该怎么处理
    86
  • 6
    DataWorks操作报错合集之DataWorks中udf开发完后,本地和在MaxCompute的工作区可以执行函数查询,但是在datawork里报错FAILED: ODPS-0130071:[2,5],是什么原因
    100
  • 7
    DataWorks操作报错合集之DataWorks提交失败: 提交节点的源码内容到TSP(代码库)失败:"skynet_packageid is null,该怎么解决
    111
  • 8
    DataWorks操作报错合集之DataWorks在同步mysql时报错Code:[Framework-02],mysql里面有个json类型字段,是什么原因导致的
    150
  • 9
    DataWorks操作报错合集之DataWorks集成实例绑定到同一个vpc下面,也添加了RDS的IP白名单报错:数据源配置有误,请检查,该怎么处理
    84
  • 10
    DataWorks操作报错合集之在 DataWorks 中运行了一个 Hologres 表的任务并完成了执行,但是在 Hologres 表中没有看到数据,该怎么解决
    120