0 / 0
Zurück zur englischen Version der Dokumentation
Rechenleistung in Watson Studio-Umgebungen
Rechenleistung in Watson Studio-Umgebungen

Rechenleistung in Watson Studio-Umgebungen

Die Rechenleistung wird über die von einer aktiven Umgebungslaufzeit in Watson Studio verbrauchten Capacity-Unit-Stunden (CUH) berechnet. Watson Studio-Pläne regeln, wie die von Ihnen verbrauchten Ressourcen monatlich abgerechnet werden.

Jeder Monatsplan umfasst eine festgelegte Menge Capacity-Units pro Monat. Bei den Standard- und Enterprise-Plänen bezahlen Sie weitere Verarbeitungskapazität, wenn Sie die festgelegte Menge pro Monat überschreiten.

In den einzelnen Plänen berücksichtigte Capacity-Units pro Monat
Funktion Lite Professional Standard (traditionell) Unternehmen (traditionell)
Verarbeitungsaufwand 10 CUH
pro Monat
Unbegrenzte CUH
-Abrechnung für Nutzung pro Monat
10 CUH pro Monat
+ zahlen für mehr
5000 CUH pro Monat
+ zahlen für mehr

 

Capacity-Units pro Stunde für Notebooks in Watson Studio

Notebooks
Kapazitätstyp Sprache Capacity-Units pro Stunde
1 vCPU und 4 GB RAM Python
R
0.5
2 vCPU und 8 GB RAM Python
R
1
4 vCPU und 16 GB RAM Python
R
2
8 vCPU und 32 GB RAM Python
R
4
16 vCPU und 64 GB RAM Python
R
8
Treiber: 1 vCPU und 4 GB RAM; 1 Executor: 1 vCPU und 4 GB RAM Spark mit Python
Spark mit R
Spark mit Scala
1
CUH pro zusätzlichem Executor ist 0,5
Treiber: 1 vCPU und 4 GB RAM; 1 Executor: 2 vCPU und 8 GB RAM Spark mit Python
Spark mit R
Spark mit Scala
1,5
CUH pro zusätzlichem Executor ist 1
Treiber: 2 vCPU und 8 GB RAM; 1 Executor: 1 vCPU und 4 GB RAM; Spark mit Python
Spark mit R
Spark mit Scala
1,5
CUH pro zusätzlichem Executor ist 0,5
Treiber: 2 vCPU und 8 GB RAM; 1 Executor: 2 vCPU und 8 GB RAM; Spark mit Python
Spark mit R
Spark mit Scala
2
CUH pro zusätzlichem Executor ist 1

 

Die Menge der pro Stunde verbrauchten Capacity-Units wird wie folgt bestimmt:

  • In Default Python- oder Default R-Umgebungen durch die Größe der Hardware und die Anzahl der Benutzer in einem Projekt, die eine oder mehrere Laufzeiten verwenden

    Beispiel: Der IBM Runtime 22.1 on Python 3.9 XS mit 2 vCPUs belegt 1 CUH, wenn er eine Stunde ausgeführt wird. Wenn Sie ein Projekt mit 7 Benutzern haben, die 8 Stunden am Tag, 5 Tage die Woche an Notebooks arbeiten und alle die IBM Runtime 22.1 on Python 3.9 XS-Umgebung verwenden, und alle Benutzer ihre Laufzeiten beenden, wenn sie abends abreisen, ist die Laufzeitnutzung 5 x 7 x 8 = 280 CUH per week.

    Die CUH-Berechnung wird komplexer, wenn für die Ausführung von Notebooks in einem Projekt mehrere Umgebungen verwendet werden und Benutzer über mehrere aktive Laufzeiten verfügen, die alle Capacity-Unit-Stunden verbrauchen. Außerdem gibt es möglicherweise Notebooks, deren Ausführung außerhalb der Betriebszeiten vorgesehen ist, und Jobs mit langer Laufzeit, die ebenfalls Capacit-Unit-Stunden verbrauchen.

  • In Default Spark-Umgebungen durch die Hardwarekonfigurationsgröße des Treibers und die Anzahl der Executor und deren Größe.

     

Capacity-Units pro Stunde für Notebooks mit Decision Optimization

Die Menge der pro Stunde verbrauchten Capacity-Units hängt von der Hardwaregröße und dem Preis für Decision Optimization ab.

Decision Optimization-Notebooks
Kapazitätstyp Sprache Capacity-Units pro Stunde
1 vCPU und 4 GB RAM Python + Decision Optimization 0,5 + 5 = 5,5
2 vCPU und 8 GB RAM Python + Decision Optimization 1 + 5 = 6
4 vCPU und 16 GB RAM Python + Decision Optimization 2 + 5 = 7
8 vCPU und 32 GB RAM Python + Decision Optimization 4 + 5 = 9
16 vCPU und 64 GB RAM Python + Decision Optimization 8 + 5 = 13

 

Kapazitätseinheiten pro Stunde für Notebooks mit Watson Natural Language Processing

Die Rate der verbrauchten Kapazitätseinheiten pro Stunde wird durch die Hardwaregröße und den Preis für Watson Natural Language Processing bestimmt.

Watson Natural Language Processing-Notebooks
Kapazitätstyp Sprache Capacity-Units pro Stunde
1 vCPU und 4 GB RAM Python + Watson Natural Language Processing 0,5 + 5 = 5,5
2 vCPU und 8 GB RAM Python + Watson Natural Language Processing 1 + 5 = 6
4 vCPU und 16 GB RAM Python + Watson Natural Language Processing 2 + 5 = 7
8 vCPU und 32 GB RAM Python + Watson Natural Language Processing 4 + 5 = 9
16 vCPU und 64 GB RAM Python + Watson Natural Language Processing 8 + 5 = 13

 

Capacity-Units pro Stunde für SPSS Modeler-Abläufe

SPSS Modeler-Abläufe
Name Kapazitätstyp Capacity-Units pro Stunde
Default SPSS XS 4 vCPU 16 GB RAM 2

 

Capacity-Units pro Stunde für Data Refinery und Data Refinery-Abläufe

Data Refinery und Data Refinery-Abläufe
Name Kapazitätstyp Capacity-Units pro Stunde
Default Data Refinery XS (Laufzeit) 3 vCPU und 12 GB RAM 1.5
Default Spark 3.0 & R 3.6 2 Executors, jeweils: 1 vCPU und 4 GB RAM; Treiber: 1 vCPU und 4 GB RAM 1.5
Default Spark 2.4 & R 3.6 2 Executors, jeweils: 1 vCPU und 4 GB RAM; Treiber: 1 vCPU und 4 GB RAM 1.5
Default Spark 2.3 & R 3.4 2 Executors, jeweils: 1 vCPU und 4 GB RAM; Treiber: 1 vCPU und 4 GB RAM 1.5

 

Capacity-Units pro Stunde für RStudio

RStudio
Name Kapazitätstyp Capacity-Units pro Stunde
Default RStudio XS 2 vCPU und 8 GB RAM 1
Default RStudio M 8 vCPU und 32 GB RAM 4
Default RStudio L 16 vCPU und 64 GB RAM 8

 

Capacity-Units pro Stunde für GPU-Umgebungen

GPU-Umgebungen
Kapazitätstyp GPUs Sprache Capacity-Units pro Stunde
1 x NVIDIA Tesla V100 1 Python mit GPU 68
2 x NVIDIA Tesla V100 2 Python mit GPU 136
1/2 x NVIDIA Tesla K80 1 Python mit GPU 6
1 x NVIDIA Tesla K80 2 Python mit GPU 12
2 x NVIDIA Tesla K80 4 Python mit GPU 24

Kapazitätslimit für Laufzeiten

Sie werden benachrichtigt, wenn Sie das monatliche Laufzeitkapazitätslimit für Ihren Watson Studio -Serviceplan erreichen. Wenn dies geschieht, haben Sie folgende Möglichkeiten:

  • Stoppen Sie aktive Laufzeiten, die Sie nicht benötigen.
  • Führen Sie ein Upgrade Ihres Serviceplans durch. Aktuelle Informationen finden Sie in den Watson Studio-Preisstrukturplänen.

Denken Sie daran: Der CUH-Zähler wird weiter erhöht, während eine Laufzeit aktiv ist; stoppen Sie daher die Laufzeiten, die Sie nicht verwenden. Wenn Sie eine Laufzeit nicht explizit stoppen, wird sie nach einem Inaktivitätszeitlimit gestoppt. Während der Dauer der Inaktivität werden weiterhin Capacity-Unit-Stunden verbraucht, die Ihnen in Rechnung gestellt werden.

Laufzeitnutzung für ein Projekt verfolgen

Sie können die Umgebungslaufzeiten anzeigen, die derzeit in einem Projekt aktiv sind, und die Nutzung des Projekts auf der Seite Umgebungen des Projekts überwachen.

Laufzeitnutzung für ein Konto verfolgen

Die von den aktiven Laufzeiten in einem Projekt verbrauchten Capacity-Unit-Stunden werden dem Konto in Rechnung gestellt, das der Projektersteller beim Erstellen des Projekts in seinen Profileinstellungen ausgewählt hat. Dies kann das Konto des Projekterstellers oder ein anderes Konto sein, auf das der Projektersteller Zugriff hat. Wenn andere Benutzer dem Projekt hinzugefügt werden und Laufzeiten verwenden, wird die genutzte Kapazität ebenfalls dem Konto in Rechnung gestellt, das der Projektersteller bei der Projekterstellung ausgewählt hat.

Sie können die Laufzeitnutzung für ein Konto auf der Seite Umgebungslaufzeiten verfolgen, wenn Sie der IBM Cloud-Kontoeigentümer oder -Administrator sind.

Wählen Sie Verwaltung > Umgebungslaufzeiten aus, um die gesamte Laufzeitnutzung für alle Projekte anzuzeigen und zu sehen, wie viel von Ihrem Plan Sie momentan verwendet haben.

Eine Liste der aktiven Laufzeiten, die Ihrem Konto in Rechnung gestellt werden, wird angezeigt. Sie können sehen, wer die Laufzeiten wann für welche Projekte erstellt hat. Außerdem werden die Capacity-Units angezeigt, die zum Zeitpunkt des Aufrufs der Liste von den aktiven Laufzeiten verbraucht wurden.

Weitere Informationen

Übergeordnetes Thema: Rechenressourcen verwalten