Utilisation du calcul des environnements Watson Studio

Retourner à la version anglaise de la documentation

L'utilisation du calcul est calculée selon le nombre d'unités de capacité-heures (CUH, Capacity Units-Hours) consommées par un environnement d'exécution actif dans Watson Studio. Les plans Watson Studio régissent le mode de facturation mensuelle qui vous est appliqué pour les ressources que vous consommez.

Unités de capacité incluses dans chaque plan par mois
Fonction	Allégée	Professionnel	Standard (existant)	Entreprise (existant)
Utilisation du traitement	10 CUH par mois	Nombre illimité de CUH facturés pour l'utilisation par mois	10 CUH par mois + payer pour plus	5000 CUH par mois + paye pour plus

Unités de capacité incluses dans chaque plan par mois
Fonction	Allégée	Professionnel
Utilisation du traitement	10 CUH par mois	Nombre illimité de CUH facturés pour l'utilisation par mois

Unités de capacité par heure pour les blocs-notes

Blocs-notes
Type de capacité	Langue	Unités de capacité par heure
1 vCPU et 4 Go RAM	Python R	0.5
2 vCPU et 8 Go RAM	Python R	1
4 vCPU et 16 Go de mémoire RAM	Python R	2
8 vCPU et 32 Go de mémoire RAM	Python R	4
16 vCPU et 64 Go de mémoire RAM	Python R	8
Pilote : 1 vCPU et 4 Go de RAM ; 1 exécuteur : 1 vCPU et 4 Go de RAM	Spark avec Python Spark avec R	1 CUH par exécuteur supplémentaire est de 0,5
Pilote : 1 vCPU et 4 Go de RAM ; 1 exécuteur : 2 vCPU et 8 Go de RAM	Spark avec Python Spark avec R	1.5 CUH par exécuteur supplémentaire est 1
Pilote : 2 vCPU et 8 Go de RAM ; 1 exécuteur : 1 vCPU et 4 Go de RAM	Spark avec Python Spark avec R	1.5 CUH par programme d'exécution supplémentaire est 0,5
Pilote : 2 vCPU et 8 Go de RAM ; 1 exécuteur : 2 vCPU et 8 Go de RAM	Spark avec Python Spark avec R	2 CUH par exécuteur supplémentaire est 1
Pilote: 3 vCPU et 12 Go de mémoire RAM ; 1 programme d'exécution: 3 vCPU et 12 Go de mémoire RAM ;	Spark avec Python Spark avec R	2 CUH par exécuteur supplémentaire est 1

La quantité d'unités de capacité par heure consommées est déterminée pour :

Les environnements Python ou R par défaut, par la taille du matériel et le nombre d'utilisateurs dans un projet qui utilisent un ou plusieurs environnements d'exécution.

Par exemple : IBM Runtime 23.1 on Python 3.10 XS avec 2 unités vCPUs consommera 1 CUH s'il est exécuté pendant une heure. Si vous avez un projet avec 7 utilisateurs travaillant sur un bloc-notes 8 heures par jour, 5 jours par semaine, tous à l'aide de l'environnement IBM Runtime 23.1 on Python 3.10 XS, et que tout le monde arrête leur exécution lorsqu'ils partent le soir, la consommation d'exécution est 5 x 7 x 8 = 280 CUH per week.

Le calcul des CUH se complique si différents environnements sont utilisés pour exécuter des blocs-notes dans le même projet et si les utilisateurs ont plusieurs environnements d'exécution actifs, chacun consommant sa propre quantité de CUH. En outre, des blocs-notes peuvent avoir été planifiés pour s'exécuter pendant les heures d'absence, ou il peut y avoir des travaux à exécution longue, chacun consommant également des CUH.
Les environnements Spark par défaut, par la taille de la configuration matérielle du pilote et le nombre et la taille des exécuteurs.

Unités de capacité par heure pour les blocs-notes avec Decision Optimization

La quantité d'unités de capacité par heure consommées est déterminée par la taille du matériel et le prix pour Decision Optimization.

Blocs-notes Decision Optimization
Type de capacité	Langue	Unités de capacité par heure
1 vCPU et 4 Go RAM	Python + Decision Optimization	0,5 + 5 = 5,5
2 vCPU et 8 Go RAM	Python + Decision Optimization	1 + 5 = 6
4 vCPU et 16 Go de mémoire RAM	Python + Decision Optimization	2 + 5 = 7
8 vCPU et 32 Go de mémoire RAM	Python + Decision Optimization	4 + 5 = 9
16 vCPU et 64 Go de mémoire RAM	Python + Decision Optimization	8 + 5 = 13

Unités de capacité par heure pour les blocs-notes avec Watson Natural Language Processing

Le taux d'unités de capacité par heure consommée est déterminé par la taille du matériel et le prix de Watson Natural Language Processing.

Blocs-notes Watson Natural Language Processing
Type de capacité	Langue	Unités de capacité par heure
1 vCPU et 4 Go RAM	Python + Watson Natural Language Processing	0,5 + 5 = 5,5
2 vCPU et 8 Go RAM	Python + Watson Natural Language Processing	1 + 5 = 6
4 vCPU et 16 Go de mémoire RAM	Python + Watson Natural Language Processing	2 + 5 = 7
8 vCPU et 32 Go de mémoire RAM	Python + Watson Natural Language Processing	4 + 5 = 9
16 vCPU et 64 Go de mémoire RAM	Python + Watson Natural Language Processing	8 + 5 = 13

Unités de capacité par heure pour Synthetic Data Generator

Type de capacité	Unités de capacité par heure
2 vCPU et 8 Go RAM	7

Unités de capacité par heure pour les flux SPSS Modeler

Flux SPSS Modeler
Nom	Type de capacité	Unités de capacité par heure
`Default SPSS Modeler S`	2 vCPU et 8 Go RAM	1
`Default SPSS Modeler M`	4 vCPU et 16 Go de mémoire RAM	2
`Default SPSS Modeler L`	6 vCPU et 24 Go de mémoire RAM	3

Unités de capacité par heure pour Data Refinery et les flux Data Refinery

Data Refinery et flux Data Refinery
Nom	Type de capacité	Unités de capacité par heure
Default Data Refinery XS runtime	3 vCPU et 12 Go de RAM	1.5
Par Défaut Spark 3.4 & R 4.2	2 exécuteurs chacun : 1 vCPU et 4 Go de RAM ; pilote : 1 vCPU et 4 Go de RAM	1.5

Unités de capacité par heure pour RStudio

RStudio
Nom	Type de capacité	Unités de capacité par heure
Default RStudio XS	2 vCPU et 8 Go RAM	1
Default RStudio M	8 vCPU et 32 Go de mémoire RAM	4
Default RStudio L	16 vCPU et 64 Go de mémoire RAM	8

Unités de capacité par heure pour les environnements GPU

Environnements GPU
Type de capacité	Processeurs graphiques	Langue	Unités de capacité par heure
1 x NVIDIA Tesla V100	1	Python avec GPU	68
2 x NVIDIA Tesla V100	2	Python avec GPU	136

Limite de capacité des environnements d'exécution

Vous êtes averti lorsque vous êtes sur le point d'atteindre la limite de capacité d'exécution mensuelle pour votre plan de service Watson Studio . Dans ce cas, vous pouvez :

Arrêtez les environnements d'exécution actifs dont vous n'avez pas besoin.
mettre à niveau votre plan de service. Pour obtenir des informations à jour, voir la page du catalogue des servicespour Watson Studio.

Rappel: Le compteur CUH continue d'augmenter pendant qu'un environnement d'exécution est actif. Par conséquent, arrêtez les environnements d'exécution que vous n'utilisez pas. Si vous n'arrêtez pas explicitement un environnement d'exécution, l'environnement d'exécution est arrêté après un délai d'inactivité. Pendant ce laps de temps, vous continuerez de consommer des CUH qui vous seront facturées.

Suivi de l'utilisation des environnements d'exécution pour un projet

Vous pouvez afficher les environnements d'exécution qui sont actuellement actifs dans un projet et surveiller l'utilisation du projet à partir de la page Environnements du projet.

Suivi de l'utilisation des environnements d'exécution pour un compte

Les CUH consommées par les environnements d'exécution actifs dans un projet sont facturées au compte que le créateur du projet a sélectionné dans ses paramètres de profil lors de la création du projet. Ce compte peut être celui du créateur du projet, ou un autre compte auquel il a accès. Si d'autres utilisateurs sont ajoutés au projet et utilisent des environnements d'exécution, leur utilisation est également facturée au compte que le créateur du projet a choisi au moment de créer le projet.

Vous pouvez suivre l'utilisation de l'environnement d'exécution pour un compte sur la page Environnements d'exécution si vous êtes le propriétaire ou l'administrateur du compte IBM Cloud.

Pour afficher l'utilisation totale de l'environnement d'exécution dans tous les projets et voir la quantité de votre plan actuellement utilisé, choisissez Administration > environnement d'exécution.

La liste des environnements d'exécution actifs facturés à votre compte s'affiche. Vous pouvez y voir qui a créé les environnements d'exécution, quand et pour quels projets, ainsi que les unités de capacité consommées par les environnements d'exécution actifs à ce stade.

En savoir plus

Rubrique parent : Gestion des ressources de traitement