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.
| 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 |
Kapazitätseinheiten pro Stunde für 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 |
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 |
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 |
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 |
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 23.1 on Python 3.10 XSmit 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 dieIBM Runtime 23.1 on Python 3.10 XS-Umgebung verwenden, und alle Benutzer ihre Laufzeiten beenden, wenn sie abends abreisen, ist die Laufzeitnutzung5 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.
| 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.
| 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
| Ihren Namen | 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
| Ihren Namen | Kapazitätstyp | Capacity-Units pro Stunde |
|---|---|---|
| Default Data Refinery XS (Laufzeit) | 3 vCPU und 12 GB RAM | 1.5 |
| Standard Spark 3.3 & R 4.2 | 2 Executors, jeweils: 1 vCPU und 4 GB RAM; Treiber: 1 vCPU und 4 GB RAM | 1.5 |
Capacity-Units pro Stunde für RStudio
| Ihren Namen | 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
| 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 |
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 auf derServiceseite für Watson Studio.
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