watsonx.aiStudio のアクティブ環境ランタイムで消費される CUH(Capacity Unit Hours)を使用したコンピュート使用量の測定方法について説明します。 watsonx.aiStudio のプランは、消費したリソースに対する毎月の課金方法を管理します。
機能 | ライト | 専門家 | 標準 (レガシー) | エンタープライズ (レガシー) |
---|---|---|---|---|
使用の処理中 | 10 CUH 月 |
無制限の CUH で月単位の使用量に対して課金されます |
10CUH/月 ' + 追加料金 |
1 ヶ月当たり 5000 CUH + 追加料金 |
機能 | ライト | 専門家 |
---|---|---|
使用の処理中 | 月10CUH | 無制限の CUH で月単位の使用量に対して課金されます |
ノートPCの1時間当たりの容量
キャパシティー・タイプ | 言語 | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
1 vCPU および 4 GB RAM | Python R |
0.5 |
2 vCPU および 8 GB RAM | Python R |
1 |
4 vCPU および 16 GB RAM | Python R |
2 |
8 vCPU および 32 GB RAM | Python R |
4 |
16 vCPU および 64 GB RAM | Python R |
8 |
ドライバー: 1 個の vCPU および 4 GB の RAM、1 個の実行プログラム: 1 個の vCPU および 4 GB の RAM | Spark withPython' Spark with R |
1 CUH/追加 executor は 0.5 です |
ドライバー: 1 個の vCPU および 4 GB の RAM、1 個の実行プログラム: 2 個の vCPU および 8 GB の RAM | Spark withPython' Spark with R |
1.5 CUH/追加 executor は 1 です |
ドライバー: 2 個の vCPU および 8 GB の RAM、1 個の実行プログラム: 1 個の vCPU および 4 GB の RAM | Spark withPython' Spark with R |
1.5 CUH/追加 executor は 0.5 です |
ドライバー: 2 個の vCPU および 8 GB の RAM、1 個の実行プログラム: 2 個の vCPU および 8 GB の RAM | Spark withPython' Spark with R |
2 CUH/追加 executor は 1 です |
ドライバドライバ:3vCPU、12 GB RAM:3vCPU、12 GB RAM; | Spark withPython' Spark with R |
2 CUH/追加 executor は 1 です |
使用された時間当たりのキャパシティー・ユニットのレートは、以下のように決定されます。
デフォルト Python または R 環境の場合、1 つ以上のランタイムを使用するプロジェクト内のユーザーの数とハードウェア・サイズによって決定されます。
例えば、2 つの vCPU を持つ
IBM Runtime 24.1 on Python 3.10 XS
は、1 時間実行すると 1 CUH を消費します。 7 人のユーザーが 1 日 8 時間、週 5 日、すべてIBM Runtime 24.1 on Python 3.10 XS
環境を使用してノートブックで作業しているプロジェクトがあり、夕方になるとすべてのユーザーがランタイムをシャットダウンする場合、ランタイムの使用量は5 x 7 x 8 = 280 CUH per week
になります。同じプロジェクトでノートブックを実行するために複数の環境が使用されていて、ユーザーが複数のアクティブなランタイムを使用し、そのすべてがそれぞれ CUH を使用している場合は、CUH の計算は複雑になります。 また、勤務時間外に実行されるようにスケジュールされたノートブックや長時間実行ジョブがあれば、これらも同様に CUH を使用します。
デフォルト Spark 環境の場合、ドライバーのハードウェア構成サイズ、および実行プログラムの数とそのサイズによって決定されます。
Decision Optimization でのノートブックの 1 時間当たりのキャパシティー・ユニット
使用された時間当たりのキャパシティー・ユニットのレートは、ハードウェア・サイズおよび Decision Optimization の料金によって決まります。
キャパシティー・タイプ | 言語 | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
1 vCPU および 4 GB RAM | Python + Decision Optimization | 0.5 + 5 = 5.5 |
2 vCPU および 8 GB RAM | Python + Decision Optimization | 1 + 5 = 6 |
4 vCPU および 16 GB RAM | Python + Decision Optimization | 2 + 5 = 7 |
8 vCPU および 32 GB RAM | Python + Decision Optimization | 4 + 5 = 9 |
16 vCPU および 64 GB RAM | Python + Decision Optimization | 8 + 5 = 13 |
Watson Natural Language Processing を使用するノートブックの 1 時間当たりのキャパシティー・ユニット数です
消費される 1 時間当たりのキャパシティー・ユニットのレートは、ハードウェア・サイズと Watson Natural Language Processing の料金によって決まります。
キャパシティー・タイプ | 言語 | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
1 vCPU および 4 GB RAM | Python + Watson 自然言語処理 | 0.5 + 5 = 5.5 |
2 vCPU および 8 GB RAM | Python + Watson 自然言語処理 | 1 + 5 = 6 |
4 vCPU および 16 GB RAM | Python + Watson 自然言語処理 | 2 + 5 = 7 |
8 vCPU および 32 GB RAM | Python + Watson 自然言語処理 | 4 + 5 = 9 |
16 vCPU および 64 GB RAM | Python + Watson 自然言語処理 | 8 + 5 = 13 |
Synthetic Data Generatorの 1時間当たりの容量単位
キャパシティー・タイプ | 1 時間当たりのキャパシティー・ユニット |
---|---|
2 vCPU および 8 GB RAM | 7 |
SPSS Modeler フローの 1 時間当たりのキャパシティー・ユニット
名前 | キャパシティー・タイプ | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
Default SPSS Modeler S |
2 vCPU および 8 GB RAM | 1 |
Default SPSS Modeler M |
4 vCPU および 16 GB RAM | 2 |
Default SPSS Modeler L |
6vCPU、24 GB RAM | 3 |
Data Refinery および Data Refinery フローの 1 時間当たりのキャパシティー・ユニット
名前 | キャパシティー・タイプ | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
デフォルト Data Refinery XS ランタイム | 3 個の vCPU および 12 GB の RAM | 1.5 |
デフォルト Spark3.4& R4.2 | 2 個の実行プログラム: それぞれに 1 個の vCPU および 4 GB の RAM、ドライバー: 1 個の vCPU および 4 GB の RAM | 1.5 |
RStudio の 1 時間当たりのキャパシティー・ユニット
名前 | キャパシティー・タイプ | 1 時間当たりのキャパシティー・ユニット |
---|---|---|
デフォルト RStudio XS | 2 vCPU および 8 GB RAM | 1 |
デフォルト RStudio M | 8 vCPU および 32 GB RAM | 4 |
デフォルト RStudio L | 16 vCPU および 64 GB RAM | 8 |
GPU 環境の 1 時間当たりのキャパシティー・ユニット
キャパシティー・タイプ | GPU | 言語 | 1 時間当たりのキャパシティー・ユニット |
---|---|---|---|
1 xNVIDIATeslaV100 | 1 | GPU 付き Python | 68 |
2 xNVIDIATeslaV100 | 2 | GPU 付き Python | 136 |
Prompt Labのリソース使用状況
Prompt Labは計算リソースを消費しません。 Prompt Labの使用率は、処理されたトークンの数で測定される。 ジェネレーティブAIアセットに関する請求の詳細をご覧ください。
詳細情報
- アカウントのリソース使用状況の監視については、アカウントのリソース使用状況の監視を参照してください。
- コンピューティングリソースの割り当てと消費量の詳細については、wastonx.aiStudio environments compute usageを参照してください
親トピック: watsonx.aiスタジオプラン