Translation not up to date
Wykorzystanie obliczeniowe jest obliczane na podstawie liczby jednostkowej liczby godzin mocy obliczeniowej (CUH) wykorzystanych przez aktywne środowisko wykonawcze w produkcie Watson Studio. Plany Watson Studio określają sposób, w jaki rozliczane są miesięczne opłaty za zużywane zasoby.
| Cecha | Lite | Specjalista | Standardowy (wcześniejszy) | Przedsiębiorstwo (wcześniejsze) |
|---|---|---|---|---|
| Wykorzystanie przetwarzania | 10 CUH miesięcznie |
Nieograniczona liczba CUH zafakturowana za użycie w ciągu miesiąca |
10 CUH na miesiąc + zapłacić za więcej |
5000 CUH na miesiąc + zapłacić za więcej |
| Cecha | Lite | Specjalista |
|---|---|---|
| Wykorzystanie przetwarzania | 10 CUH na miesiąc | Nieograniczona liczba CUH zafakturowana za użycie w ciągu miesiąca |
Liczba jednostek mocy obliczeniowej na godzinę dla notebooków
| Typ wielkości | Język | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| 1 vCPU i 4 GB pamięci RAM | Python R |
0.5 |
| 2 vCPU i 8 GB pamięci RAM | Python R |
1 |
| 4 vCPU i 16 GB pamięci RAM | Python R |
2 |
| 8 vCPU i 32 GB pamięci RAM | Python R |
4 |
| 16 vCPU i 64 GB pamięci RAM | Python R |
8 |
| Sterownik: 1 vCPU i 4 GB RAM; 1 wykonawca: 1 vCPU i 4 GB RAM | Spark z Python Spark z R |
1 CUH na dodatkowego wykonawcę to 0.5 |
| Sterownik: 1 vCPU i 4 GB RAM; 1 wykonawca: 2 vCPU i 8 GB RAM | Spark z Python Spark z R |
1.5 Liczba jednostek CUH na jednego dodatkowego wykonawcę wynosi 1 |
| Sterownik: 2 vCPU i 8 GB RAM; 1 wykonawca: 1 vCPU i 4 GB RAM; | Spark z Python Spark z R |
1.5 CUH per additional executor to 0.5 |
| Sterownik: 2 vCPU i 8 GB RAM; 1 wykonawca: 2 vCPU i 8 GB RAM; | Spark z Python Spark z R |
2 CUH na dodatkowego wykonawcę to 1 |
Szybkość wykorzystania jednostek mocy obliczeniowej na godzinę jest określana dla:
Domyślne środowiska Python lub R według wielkości sprzętu i liczby użytkowników w projekcie korzystających z co najmniej jednego środowiska wykonawczego
Na przykład:
IBM Runtime 22.2 on Python 3.10 XSz 2 vCPUs zużywa 1 CUH, jeśli działa przez jedną godzinę. Jeśli istnieje projekt, w którym 7 użytkowników pracuje nad notatnikami przez 8 godzin dziennie, 5 dni w tygodniu, wszyscy korzystają ze środowiskaIBM Runtime 22.2 on Python 3.10 XS, a wszyscy użytkownicy zamykają swoje środowiska wykonawcze po wyjściu wieczorem, wykorzystanie środowiska wykonawczego wynosi5 x 7 x 8 = 280 CUH per week.Obliczenie CUH staje się bardziej złożone, gdy różne środowiska są używane do uruchamiania notatników w tym samym projekcie i jeśli użytkownicy mają wiele aktywnych środowisk wykonawczych, wszystkie wykorzystują własne CUH. Ponadto mogą istnieć notebooki, które są zaplanowane do uruchomienia poza godzinami pracy, oraz długotrwałe zadania, które również używają CUH.
Domyślne środowiska Spark według wielkości konfiguracji sprzętowej sterownika oraz liczby wykonawców i ich wielkości.
Liczba jednostek mocy obliczeniowej na godzinę dla notebooków z opcją Decision Optimization
Szybkość wykorzystania jednostek mocy obliczeniowej na godzinę jest określana na podstawie wielkości sprzętu i ceny dla opcji Decision Optimization.
| Typ wielkości | Język | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| 1 vCPU i 4 GB pamięci RAM | Python + Decision Optimization | 0.5 + 5 = 5.5 |
| 2 vCPU i 8 GB pamięci RAM | Python + Decision Optimization | 1 + 5 = 6 |
| 4 vCPU i 16 GB pamięci RAM | Python + Decision Optimization | 2 + 5 = 7 |
| 8 vCPU i 32 GB pamięci RAM | Python + Decision Optimization | 4 + 5 = 9 |
| 16 vCPU i 64 GB pamięci RAM | Python + Decision Optimization | 8 + 5 = 13 |
Liczba jednostek mocy obliczeniowej na godzinę dla notebooków z technologią Watson Natural Language Processing
Szybkość wykorzystania jednostek mocy obliczeniowej na godzinę jest określana na podstawie wielkości sprzętu i ceny usługi Watson Natural Language Processing.
| Typ wielkości | Język | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| 1 vCPU i 4 GB pamięci RAM | Python + Watson Przetwarzanie języka naturalnego | 0.5 + 5 = 5.5 |
| 2 vCPU i 8 GB pamięci RAM | Python + Watson Przetwarzanie języka naturalnego | 1 + 5 = 6 |
| 4 vCPU i 16 GB pamięci RAM | Python + Watson Przetwarzanie języka naturalnego | 2 + 5 = 7 |
| 8 vCPU i 32 GB pamięci RAM | Python + Watson Przetwarzanie języka naturalnego | 4 + 5 = 9 |
| 16 vCPU i 64 GB pamięci RAM | Python + Watson Przetwarzanie języka naturalnego | 8 + 5 = 13 |
Liczba jednostek mocy obliczeniowej na godzinę dla Synthetic Data Generator
| Typ wielkości | Jednostki mocy obliczeniowej na godzinę |
|---|---|
| 2 vCPU i 8 GB pamięci RAM | 7 |
Liczba jednostek mocy obliczeniowej na godzinę dla przepływów w programie SPSS Modeler
| Nazwa | Typ wielkości | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| Domyślny serwer SPSS XS | 4 vCPU 16 GB pamięci RAM | 2 |
Jednostki mocy obliczeniowej na godzinę dla przepływów Data Refinery i Data Refinery
| Nazwa | Typ wielkości | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| Domyślne środowisko wykonawcze serwera XS Data Refinery | 3 vCPU i 12 GB pamięci RAM | 1.5 |
| Domyślny system Spark 3.3 & R 4.2 | 2 Wykonawcy: 1 vCPU i 4 GB RAM; Sterownik: 1 vCPU i 4 GB RAM | 1.5 |
Liczba jednostek mocy obliczeniowej na godzinę dla produktu RStudio
| Nazwa | Typ wielkości | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|
| Domyślny serwer RStudio XS | 2 vCPU i 8 GB pamięci RAM | 1 |
| Domyślne RStudio M | 8 vCPU i 32 GB pamięci RAM | 4 |
| Domyślny L RStudio | 16 vCPU i 64 GB pamięci RAM | 8 |
Liczba jednostek mocy obliczeniowej na godzinę dla środowisk GPU
| Typ wielkości | GPU | Język | Jednostki mocy obliczeniowej na godzinę |
|---|---|---|---|
| 1 x NVIDIA Tesla V100 | 1 | Python z procesorem GPU | 76 |
| 2 x NVIDIA Tesla V100 | 2 | Python z procesorem GPU | 136 |
Limit mocy obliczeniowej środowiska wykonawczego
Użytkownik jest powiadamiany o osiągnięciu miesięcznego limitu mocy obliczeniowej środowiska wykonawczego dla planu usługi Watson Studio . W takim przypadku można:
- Zatrzymaj aktywne środowiska wykonawcze, które nie są potrzebne.
- Zaktualizuj plan usług. Aktualne informacje można znaleźć na stronie katalogu usługdla produktu Watson Studio.
Śledzenie użycia środowiska wykonawczego dla projektu
Na stronie Środowiska projektu można wyświetlić środowiska wykonawcze, które są obecnie aktywne w projekcie, oraz monitorować użycie projektu.
Śledzenie wykorzystania środowiska wykonawczego dla konta
Wartość CUH używana przez aktywne środowiska wykonawcze w projekcie jest fakturowana dla konta, które zostało wybrane przez twórcę projektu w jego ustawieniach profilu w czasie tworzenia projektu. To konto może być kontem twórcy projektu lub innym kontem, do którego twórca projektu ma dostęp. Jeśli inni użytkownicy zostaną dodani do projektu i będą używać środowisk wykonawczych, ich użycie zostanie również zafakturowane na podstawie konta wybranego przez twórcę projektu podczas tworzenia projektu.
Użytkownik może śledzić wykorzystanie środowiska wykonawczego dla konta na stronie Środowiska wykonawcze , jeśli jest właścicielem lub administratorem konta w produkcie IBM Cloud .
Aby wyświetlić łączne wykorzystanie środowiska wykonawczego we wszystkich projektach i sprawdzić, jaka część planu jest obecnie używana, należy wybrać opcję Administrowanie > Środowiska wykonawcze.
Zostanie wyświetlona lista aktywnych środowisk wykonawczych zafakturowanych dla konta. Można zobaczyć, kto utworzył środowiska wykonawcze, kiedy i dla których projektów, a także jednostki wielkości, które zostały wykorzystane przez aktywne środowiska wykonawcze w czasie wyświetlania listy.
Więcej inform.
- Limity czasu bezczynności środowiska wykonawczego
- Monitorowanie wykorzystania zasobów konta
- Zaktualizuj usługę
Temat nadrzędny: Zarządzanie zasobami obliczeniowymi