0 / 0
Retourner à la version anglaise de la documentation
Utilisation du calcul des environnements Watson Studio
Utilisation du calcul des environnements Watson Studio

Utilisation du calcul des environnements Watson Studio

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.

Un nombre défini d'unités de capacité par mois est inclus dans chaque plan mensuel. Si vous dépassez ce nombre au cours d'un mois, les plans Standard et Enterprise vous permettent d'en consommer plus moyennant une redevance supplémentaire.

Unités de capacité incluses dans chaque plan par mois
Fonction Lite Professional 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 par heure pour les blocs-notes dans Watson Studio

Blocs-notes
Type de capacité Langue Unités de capacité par heure
1 UC virtuelle et 4 Go RAM Python
R
0,5
2 UC virtuelles 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
Spark avec Scala
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
Spark avec Scala
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
Spark avec Scala
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
Spark avec Scala
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 22.1 on Python 3.9 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 22.1 on Python 3.9 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 UC virtuelle et 4 Go RAM Python + Decision Optimization 0,5 + 5 = 5,5
2 UC virtuelles 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 UC virtuelle et 4 Go RAM Python + Watson Natural Language Processing 0,5 + 5 = 5,5
2 UC virtuelles 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 les flux SPSS Modeler

Flux SPSS Modeler
Nom Type de capacité Unités de capacité par heure
Default SPSS XS 4 vCPU et 16 Go de RAM 2

 

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
Default Spark 3.0 & R 3.6 2 exécuteurs chacun : 1 vCPU et 4 Go de RAM ; pilote : 1 vCPU et 4 Go de RAM 1.5
Default Spark 2.4 & R 3.6 2 exécuteurs chacun : 1 vCPU et 4 Go de RAM ; pilote : 1 vCPU et 4 Go de RAM 1.5
Default Spark 2.3 & R 3.4 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 UC virtuelles 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
1/2 x NVIDIA Tesla K80 1 Python avec GPU 6
1 x NVIDIA Tesla K80 2 Python avec GPU 12
2 x NVIDIA Tesla K80 4 Python avec GPU 24

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 des informations à jour, voir les plans de tarification Watson Studio.

Rappel : le compteur CUH continue à augmenter alors qu'un environnement d'exécution est actif, alors arrêtez les exécutions 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