Harga BigQuery

Batas penggunaan Selalu Gratis

Sebagai bagian dari Paket Gratis Google Cloud, BigQuery menawarkan beberapa resource secara gratis hingga batas tertentu. Batas penggunaan gratis ini tersedia selama dan setelah periode uji coba gratis. Jika Anda melewati batas penggunaan ini dan tidak lagi dalam periode uji coba gratis, Anda akan dikenakan biaya sesuai dengan harga di halaman ini.

Resource Batas penggunaan gratis bulanan Detail
Penyimpanan Gratis 10 GB pertama setiap bulan. Model ML BigQuery dan data pelatihan yang disimpan di BigQuery disertakan dalam paket penyimpanan gratis BigQuery.
Kueri (analisis) Gratis 1 TB pertama data kueri yang diproses setiap bulan. Kueri yang menggunakan fungsi prediksi, pemeriksaan, dan evaluasi ML BigQuery termasuk dalam paket gratis analisis BigQuery. Kueri ML BigQuery yang berisi pernyataan CREATE MODEL tidak.
Harga tetap juga tersedia untuk pelanggan dengan volume tinggi yang lebih memilih biaya bulanan yang stabil.
BigQuery Storage Write API (Pratinjau) Gratis 2 TB pertama per bulan. Untuk informasi selengkapnya, lihat Harga penyerapan data.
Kueri CREATE MODEL BigQuery BigQuery Gratis 10 GB data pertama yang diproses oleh kueri yang berisi pernyataan CREATE MODEL per bulan. Kueri CREATE MODEL BigQuery ML tidak bergantung pada paket gratis analisis BigQuery, dan hanya berlaku untuk model bawaan BigQuery ML (model yang dilatih dalam BigQuery).

Harga ML BigQuery

Model BigQuery ML dapat diklasifikasikan menjadi dua kategori yang berbeda: model bawaan dan model eksternal. Model bawaan BigQuery ML dilatih di dalam BigQuery, seperti regresi linear, regresi logistik, rata-rata, faktorisasi matriks, dan model deret waktu. Model eksternal BigQuery ML dilatih menggunakan layanan Google Cloud lainnya, DNN, dan model pohon yang ditingkatkan (yang dilatih di)AI Vertex ) dan model AutoML (yang dilatih di Backend AutoML Tables -nya). Harga pelatihan model BigQuery ML didasarkan pada jenis model serta pola penggunaan Anda: harga tetap atau sesuai permintaan. Fungsi evaluasi dan evaluasi BigQuery ML dijalankan dalam ML BigQuery untuk semua jenis model, dengan harga seperti yang dijelaskan di bawah ini.

ML BigQuery dengan harga tetap

BigQuery menawarkan harga tetap untuk pelanggan dengan volume tinggi atau pelanggan dari perusahaan yang lebih memilih biaya bulanan yang stabil daripada membayar harga sesuai permintaan untuk pembuatan model, evaluasi, inspeksi, dan prediksi.

Untuk model saat ini, Anda dapat menggunakan reservasi untuk melatih BigQuery ML. Jika Anda memilih harga tetap, biaya ML BigQuery termasuk dalam harga tetap BigQuery bulanan.

Reservasi untuk membuat model bawaan

BigQuery memiliki tiga jenis tugas untuk penetapan reservasi: QUERY, PIPELINE, dan ML_EXTERNAL. Penetapan QUERY, yang digunakan untuk kueri analisis, juga digunakan untuk menjalankan kueri CREATE MODEL untuk model built-in BigQuery ML. Pelatihan model bawaan dan kueri analisis memiliki kumpulan resource yang sama dalam reservasi yang ditetapkan, dan memiliki perilaku yang sama terkait perilaku yang dapat diakhiri, dan menggunakan slot yang tidak aktif dari reservasi lainnya.

Reservasi untuk membuat model eksternal

Karena model eksternal dilatih di luar BigQuery, beban kerja ini bukan merupakan preemptible. Akibatnya, untuk memastikan beban kerja lain tidak terpengaruh, hanya reservasi dengan penetapan jenis tugas ML_EXTERNAL yang dapat digunakan untuk tugas eksternal ini. Anda harus memiliki penetapan reservasi dengan jenis tugas QUERY dan penetapan reservasi dengan jenis tugas ML_EXTERNAL untuk menjalankan kueri CREATE MODEL untuk model eksternal BigQuery ML. Slot jenis QUERY digunakan untuk kueri pra-pemrosesan yang berjalan dalam BigQuery, dan slot jenis ML_EXTERNAL digunakan untuk menjalankan pelatihan model pada layanan Google Cloud eksternal. Pengelolaan beban kerja reservasi menjelaskan cara membuat reservasi untuk tugas pelatihan model eksternal. Penggunaan slot per tugas dihitung untuk menjaga persamaan harga antara slot BigQuery dan biaya layanan Google Cloud eksternal.

ML BigQuery dengan harga sesuai permintaan

Harga ML BigQuery untuk kueri sesuai permintaan bergantung pada jenis operasi: jenis model, pembuatan model, evaluasi model, pemeriksaan model, atau prediksi model.

ML BigQuery dengan harga sesuai permintaan adalah sebagai berikut:

Uji coba BigQuery ML

Akibat sifat dasar algoritme yang mendasarinya dari beberapa jenis model dan perbedaan dalam penagihan, byte yang diproses tidak akan dihitung untuk beberapa jenis model sampai pelatihan selesai karena kompleksitas penghitungan awal estimasi.

Contoh harga ML BigQuery

Biaya BigQuery ML tidak diperinci secara terpisah di laporan penagihan Anda. Untuk model saat ini, jika Anda memiliki paket harga tetap BigQuery, biaya ML BigQuery akan disertakan.

Jika Anda menggunakan harga sesuai permintaan, biaya ML BigQuery termasuk dalam biaya analisis (kueri) BigQuery.

Tugas ML BigQuery yang melakukan operasi pemeriksaan, evaluasi, dan prediksi dikenakan biaya yang sama dengan tugas kueri sesuai permintaan. Karena kueri CREATE MODEL menimbulkan biaya yang berbeda, Anda harus menghitung biaya tugas CREATE MODEL secara terpisah menggunakan log audit Cloud logging. Dengan log audit, Anda dapat menentukan byte yang ditagih oleh layanan ML BigQuery untuk setiap tugas CREATE MODEL BigQuery ML. Kemudian, kalikan byte yang ditagih dengan biaya yang sesuai untuk kueri CREATE MODEL di lokasi regional atau multi-regional Anda.

Misalnya, untuk menentukan biaya tugas kueri di US yang mencakup pernyataan CREATE MODEL BigQuery ML:

  1. Buka halaman Cloud Logging Logging di Google Cloud Console.

  2. Pastikan bahwa produk ditetapkan ke BigQuery.

  3. Klik panah drop-down di kotak "Filter berdasarkan label atau penelusuran teks" dan pilih Konversi ke filter lanjutan. Tindakan ini akan menambahkan teks berikut ke filter:

    resource.type="bigquery_resource"
    
  4. Tambahkan teks berikut di baris dua di bawah baris resource.type:

    protoPayload.serviceData.jobCompletedEvent.job.jobConfiguration.query.statementType="CREATE_MODEL"
    
  5. Di sebelah kanan tombol Kirim Filter, pilih jangka waktu yang sesuai dari menu drop-down. Misalnya, memilih 24 jam terakhir akan menampilkan tugas CREATE MODEL BigQuery ML yang selesai dalam 24 jam terakhir.

  6. Klik Kirim Filter untuk menampilkan tugas yang selesai dalam jendela waktu tertentu.

  7. Setelah data diisi, klik Lihat Opsi dan pilih Ubah kolom kustom.

  8. Dalam dialog Tambahkan kolom kustom, masukkan:

    protoPayload.serviceData.jobCompletedEvent.job.jobStatistics.totalBilledBytes
    
  9. Klik Simpan untuk memperbarui hasil.

  10. Setelah halaman diperbarui, byte yang ditagih oleh setiap tugas ML BigQuery akan muncul di sebelah kanan stempel waktu dari tugas tersebut. Jika byte yang ditagih termasuk dalam paket gratis, maka tidak akan ada nilai yang muncul. Contoh:

    Byte ML BigQuery yang ditagih

  11. Untuk menghitung biaya tugas CREATE MODEL ML BigQuery, kalikan byte yang ditagih dengan harga on-demand BigQuery ML. Dalam contoh ini, tugas CREATE MODEL diproses 100873011200 byte. Untuk menghitung biaya tugas ini di lokasi multi-regional US, bagi byte yang ditagih dengan jumlah byte per TB, dan kalikan dengan biaya pembuatan model:

    100873011200/1099511627776 x $250.00 = $22.94

Langkah berikutnya