Preise

Limits für kostenlose Nutzung

Im Rahmen der kostenlosen Stufe von Google Cloud bietet BigQuery einige Ressourcen bis zu einem bestimmten Limit kostenlos an. Diese kostenlosen Nutzungskontingente sind während des kostenlosen Testzeitraums und auch danach verfügbar. Wenn Sie die Nutzungslimits überschreiten und der kostenlose Testzeitraum abgelaufen ist, fallen die auf dieser Seite genannten Gebühren an.

Ressource Monatliche Limits für kostenlose Nutzung Details
Speicher Die ersten 10 GB pro Monat sind kostenlos. Das kostenlose Speicherkontingent beinhaltet BigQuery ML-Modelle und in BigQuery gespeicherte Trainingsdaten.
Abfragen (Analyse) Das erste Terabyte (1 TB) an verarbeiteten Abfragedaten pro Monat ist kostenlos. Zum kostenlosen Analysekontingent gehören Abfragen, die in BigQuery ML Vorhersage-, Prüfungs- und Evaluierungsfunktionen nutzen. Nicht dazu gehören BigQuery ML-Abfragen, die CREATE MODEL-Anweisungen enthalten.
BigQuery bietet außerdem Pauschalpreise für Kunden mit hohem Datenvolumen, die für Abfragen einen festen monatlichen Betrag bevorzugen.
CREATE MODEL-Abfragen in BigQuery ML Pro Monat sind die ersten 10 GB an verarbeiteten Abfragedaten kostenlos, die CREATE MODEL-Anweisungen enthalten. CREATE MODEL-Abfragen in BigQuery ML sind vom kostenlosen BigQuery-Analysekontingent unabhängig. Sie gelten außerdem nur für in BigQuery ML eingebundene Modelle (also mit BigQuery trainierte Modelle).

BigQuery ML – Preise

BigQuery ML-Modelle können in zwei Kategorien unterteilt werden: eingebundene Modelle und externe Modelle. Eingebundene BigQuery ML-Modelle werden in BigQuery trainiert. Hierzu zählen Modelle mit linearer oder logistischer Regression sowie kmeans-, Matrixfaktorisierungs- und Zeitachsenmodelle. Externe BigQuery ML-Modelle werden mit anderen Google Cloud-Diensten, DNN-, Boosted Tree-Modellen und AutoML-Modellen trainiert. Boosted Tree-Modelle werden auf der AI Platform und AutoML-Modelle auf dem AutoML Tables-Back-End trainiert. Die Preise für das BigQuery ML-Modelltraining richten sich nach dem Modelltyp und Ihrem Nutzungsmuster, also pauschal oder On-Demand. Die Vorhersage- und Bewertungsfunktionen werden in BigQuery ML für alle Modelltypen entsprechend den unten angegebenen Preisen ausgeführt.

Pauschalpreise für BigQuery ML

BigQuery bietet Pauschalpreise für Kunden mit hohem Datenvolumen sowie für Geschäftskunden, die anstatt eines On-Demand-Preises für Modellerstellung, -bewertung, -prüfung und -vorhersage einen festen monatlichen Betrag bevorzugen.

Für aktuelle Modelle können Sie Reservierungen für das Training in BigQuery ML verwenden. Wenn Sie sich für einen Pauschalpreis entscheiden, sind die Kosten für BigQuery ML im monatlichen Pauschalpreis für BigQuery enthalten.

Reservierungen zum Erstellen eingebundener Modelle

BigQuery hat drei Jobtypen für Reservierungszuweisungen: QUERY, PIPELINE und ML_EXTERNAL. Zuweisungen vom Typ QUERY, die für Analyseabfragen verwendet werden, werden auch zum Ausführen von CREATE MODEL-Abfragen für integrierte BigQuery ML-Modelle verwendet. Integrierte Modellschulungen und analytische Abfragen teilen sich den gleichen Ressourcenpool in den zugewiesenen Reservierungen und verhalten sich in Bezug auf die Berechtigung und die Verwendung von freien Slots aus anderen Reservierungen gleich.

Reservierungen zum Erstellen externer Modelle

Da externe Modelle außerhalb von BigQuery trainiert werden, sind diese Arbeitslasten nicht auf Abruf verfügbar. Damit andere Workloads nicht betroffen sind, können für diese externen Jobs nur Reservierungen mit ML_EXTERNAL-Jobtypzuweisung verwendet werden. Sie brauchen Reservierungszuweisungen für die Jobtypen QUERY und ML_EXTERNAL, um CREATE MODEL-Abfragen für externe BigQuery ML-Modelle auszuführen. Mit Slots vom Typ QUERY werden in BigQuery ausgeführte Abfragen vorverarbeitet. Mit Slots vom Typ ML_EXTERNAL erfolgt das Modelltraining für externe Google Cloud-Dienste. Unter Arbeitslastverwaltung mit Reservierungen wird beschrieben, wie Reservierungen für externe Modelltrainingsjobs erstellt werden. Die Slot-Nutzung pro Job wird berechnet, um die Preisparität zwischen BigQuery-Slots und externen Google Cloud-Diensten aufrechtzuerhalten.

On-Demand-Preise für BigQuery ML

Die Abrechnung der BigQuery ML-Nutzung nach On-Demand-Preisen hängt von der Art des jeweiligen Vorgangs ab, also Modelltyp, -erstellung, -bewertung, -prüfung oder ‑vorhersage.

Die On-Demand-Preise für BigQuery ML sehen so aus:

BigQuery ML – Probelauf

Da eine erste Einschätzung wegen der zugrunde liegenden Algorithmen einiger Modelltypen und aufgrund von Abweichungen bei der Abrechnung sehr kompliziert ist, werden die verarbeiteten Datenmengen bei diesen Modelltypen erst nach Abschluss des Trainings berechnet.

BigQuery ML – Preisbeispiel

Die Kosten für BigQuery ML werden in Ihrer Abrechnung nicht gesondert aufgeführt. Wenn Sie für aktuelle Modelle einen BigQuery-Pauschalpreistarif haben, sind die BigQuery ML-Gebühren darin enthalten.

Wenn Sie On-Demand-Preise verwenden, sind die Kosten für BigQuery ML in den Kosten für BigQuery-Analysen (Abfragen) enthalten.

Für BigQuery ML-Jobs, die Prüfungs-, Bewertungs- und Vorhersagevorgänge ausführen, fallen die gleichen Kosten an wie bei On-Demand-Abfragen. Da für CREATE MODEL-Abfragen andere Gebühren gelten, müssen Sie die Kosten für CREATE MODEL-Jobs mithilfe des Stackdriver-Audit-Logs separat berechnen. Anhand der Audit-Logs können Sie ermitteln, welche Byte vom BigQuery ML-Dienst für jeden BigQuery ML-Job vom Typ CREATE MODEL berechnet werden. Anschließend multiplizieren Sie die berechneten Byte mit den entsprechenden Kosten für CREATE MODEL-Abfragen an Ihrem regionalen oder multiregionalen Standort.

Die Kosten für einen Abfragejob am Standort US mit einer BigQuery ML-CREATE MODEL-Anweisung können Sie beispielsweise so berechnen:

  1. Öffnen Sie in der Google Cloud Console die Seite Stackdriver Logging.

  2. Prüfen Sie, ob als Produkt BigQuery festgelegt ist.

  3. Klicken Sie auf den Drop-down-Pfeil neben dem Feld „Nach Label oder Textsuche filtern“ und wählen Sie In erweiterten Filter umwandeln aus. Hierdurch wird dem Filter der folgende Text hinzugefügt:

    resource.type="bigquery_resource"
    
  4. Fügen Sie in der zweiten Zeile unter der Zeile resource.type den folgenden Text hinzu:

    protoPayload.serviceData.jobCompletedEvent.job.jobConfiguration.query.statementType="CREATE_MODEL"
    
  5. Wählen Sie in der Drop-down-Liste rechts neben der Schaltfläche Filter senden einen geeigneten Zeitraum aus. Wenn Sie beispielsweise Letzte 24 Stunden auswählen, werden Ihnen die BigQuery ML-CREATE MODEL-Jobs angezeigt, die in den letzten 24 Stunden abgeschlossen wurden.

  6. Klicken Sie auf Filter senden, um die Jobs aus dem gewählten Zeitraum aufzurufen.

  7. Klicken Sie auf Ansichtsoptionen, sobald die Daten zu sehen sind, und wählen Sie Benutzerdefinierte Felder ändern aus.

  8. Geben Sie im Dialogfeld Benutzerdefinierte Felder hinzufügen Folgendes ein:

    protoPayload.serviceData.jobCompletedEvent.job.jobStatistics.totalBilledBytes
    
  9. Klicken Sie auf Speichern, um die Ergebnisse zu aktualisieren.

  10. Nach dem Aktualisieren der Seite werden rechts neben dem jeweiligen Zeitstempel eines BigQuery ML-Jobs die dafür in Rechnung gestellten Byte angezeigt. Wenn die abgerechneten Byte in der kostenlosen Stufe enthalten sind, wird kein Wert angegeben. Beispiel:

    Für BigQuery ML abgerechnete Byte

  11. Multiplizieren Sie die in Rechnung gestellten Byte mit dem On-Demand-Preis für BigQuery ML, um die Kosten für den BigQuery ML-CREATE MODEL-Job zu berechnen. In diesem Beispiel wurden vom CREATE MODEL-Job 100.873.011.200 Byte verarbeitet. Für die Berechnung der Kosten dieses Jobs am multiregionalen Standort US müssen Sie die abgerechneten Byte durch die Anzahl der Byte pro TB teilen und anschließend mit den Kosten zur Modellerstellung multiplizieren:

    100873011200/1099511627776 x $250.00 = $22.94