Die Preise für Knowledge Catalog basieren auf der „Pay as you go“-Nutzung. Knowledge Catalog wird derzeit auf der Grundlage der folgenden SKUs abgerechnet:

• Knowledge Catalog-Verarbeitung (Standard und Premium)
• Metadatenspeicher

Im Folgenden finden Sie eine allgemeine Übersicht darüber, wie die einzelnen wichtigen Funktionen des Knowledge Catalog abgerechnet werden:

Die Standard- und Premiumverarbeitung im Knowledge Catalog wird nach Data Compute Units (DCUs) abgerechnet. Die DCU-Stunde ist eine abstrakte Abrechnungseinheit für Knowledge Catalog. Die tatsächliche Messung hängt von den einzelnen Funktionen ab, die Sie verwenden.

Knowledge Catalog – kostenlose Stufe

Im Rahmen der kostenlosen Stufe von Google Cloud bietet Knowledge Catalog einige Ressourcen bis zu einem bestimmten Limit kostenlos an. Diese kostenlosen Nutzungskontingente sind während des kostenlosen Testzeitraums und auch danach verfügbar. Wenn Sie die Nutzungskontingente überschreiten und der kostenlose Testzeitraum abgelaufen ist, fallen die in den obigen Abschnitten genannten Kosten an.

Hinweis: Die kostenlose Stufe des Knowledge Catalog ist nur für die SKU „Knowledge Catalog Standard Processing“ verfügbar, nicht für die SKU „Knowledge Catalog Premium Processing“.

Die Kosten für die DCU für jedes Feature werden so berechnet:

1. Automatische Datenqualitätsscans:

• Der DCU-Stundenverbrauch ist proportional zur Verarbeitung, die für die Profilerstellung der Daten und die Berechnung der Datenqualitätsmesswerte erforderlich ist. Die Abrechnung erfolgt sekundengenau mit einer Mindestnutzungsdauer von einer Minute.
• Die Kosten hängen von der Anzahl der Zeilen, der Anzahl der Spalten, der Menge der gescannten Daten, der Konfiguration der Datenqualitätsregel, den Partitionierungs- und Clusteringeinstellungen der Tabelle und der Häufigkeit des Scans ab.
• Für Scans zur Anomalieerkennung der Datenqualität fallen keine DCU-Gebühren an. Stattdessen gelten die standardmäßigen BigQuery-Preise für Computing, Speicher und BQML-Modelltraining, ‑verarbeitung und ‑bereitstellung.
• Wenn Sie eine benutzerdefinierte Ausführungsidentität verwenden, ändert sich die Abrechnung für den Scan. Wenn Sie eine benutzerdefinierte Ausführungsidentität angeben, werden die mit dem Scan verbundenen Rechen- und Speicherkosten direkt Ihrem BigQuery-Projekt in Rechnung gestellt. Die Standard-SKUs von Knowledge Catalog Premium werden dabei umgangen.

2. Es gibt mehrere Möglichkeiten, die Kosten für automatische Datenqualitätsscans zu senken:

• Probenahme
• Inkrementelle Scans
• Um die Kosten für die Datenqualität von anderen Kosten in der Premium-Verarbeitungs-SKU des Knowledge Catalog zu trennen, verwenden Sie im Cloud Billing-Bericht das Label goog-dataplex-workload-type mit dem Wert DATA_QUALITY.

3. Verwenden Sie die folgenden Labels, die im Abrechnungsexport in BigQuery verfügbar sind, um aggregierte Gebühren zu filtern:

• goog-dataplex-datascan-data-source-dataplex-entity
• goog-dataplex-datascan-data-source-dataplex-lake
• goog-dataplex-datascan-data-source-dataplex-zone
• goog-dataplex-datascan-data-source-project
• goog-dataplex-datascan-data-source-region
• goog-dataplex-datascan-id
• goog-dataplex-datascan-job-id

4. Datenprofilscans:

• Der DCU-Stundenverbrauch ist proportional zur Verarbeitung, die für die Profilerstellung der Daten und die Berechnung der Datenqualitätsmesswerte erforderlich ist. Die Abrechnung erfolgt sekundengenau mit einer Mindestnutzungsdauer von einer Minute.
• Die Kosten hängen von der Anzahl der Zeilen und Spalten, der Menge der gescannten Daten, den Partitionierungs- und Clusteringeinstellungen der Tabelle und der Häufigkeit des Scans ab.
• Wenn Sie eine benutzerdefinierte Ausführungsidentität verwenden, ändert sich die Abrechnung für den Scan. Wenn Sie eine benutzerdefinierte Ausführungsidentität angeben, werden die mit dem Scan verbundenen Rechen- und Speicherkosten direkt Ihrem BigQuery-Projekt in Rechnung gestellt. Die Standard-SKUs von Knowledge Catalog Premium werden dabei umgangen.

5. Es gibt mehrere Möglichkeiten, die Kosten für Datenprofilscans zu senken:

• Probenahme
• Inkrementelle Scans
• Spaltenfilterung
• Zeilenfilterung
• Um die Kosten für die Datenprofilerstellung von anderen Kosten in der SKU für die Premiumverarbeitung des Knowledge Catalog zu trennen, verwenden Sie im Cloud Billing-Bericht das Label goog-dataplex-workload-type mit dem Wert DATA_PROFILE.

6. Verwenden Sie die folgenden Labels, die im Abrechnungsexport in BigQuery verfügbar sind, um aggregierte Gebühren zu filtern:

• goog-dataplex-datascan-data-source-dataplex-entity
• goog-dataplex-datascan-data-source-dataplex-lake
• goog-dataplex-datascan-data-source-dataplex-zone
• goog-dataplex-datascan-data-source-project
• goog-dataplex-datascan-data-source-region
• goog-dataplex-datascan-id
• goog-dataplex-datascan-job-id

7. Data Lineage:

• Der DCU-Stundenverbrauch ist proportional zum Aufwand für die automatische Analyse der Datenherkunft.
• Um die Kosten für die Datenherkunft von anderen Kosten in der SKU für die Premiumverarbeitung des Knowledge Catalog zu trennen, verwenden Sie im Cloud Billing-Bericht das Label goog-dataplex-workload-type mit dem Wert LINEAGE.
• Wenn Sie die Data Lineage API Origin sourceType mit einem anderen Wert als CUSTOM aufrufen, entstehen zusätzliche Kosten.

Preisbeispiel für Data Lineage

Nutzer A aktiviert die Daten-Lineage, um die Lineage für BigQuery in seinem Projekt zu verfolgen. Das Projekt befindet sich am Standort „us-central1“. Die Data Lineage verbraucht in einem Monat 100 DCU-Stunden für die Knowledge Catalog Premium-Verarbeitung und generiert 1 GiB an Data Lineage-Metadaten. Die Kosten sind:

Die API-Aufrufe bei der Interaktion von Nutzern mit dem Knowledge Catalog sind kostenlos, einschließlich:

• Knowledge Catalog-Ressourcen erstellen und verwalten
• Lineage-Ressourcen erstellen und verwalten
• Katalogsuche

In diesem Abschnitt finden Sie Beispiele für die Berechnung der Kosten für Knowledge Catalog.

Kleine Aspekte

• Nutzer A erstellt und wendet kleine Aspekte an (jeweils 1.024 Byte). Für 10 $pro Monat kann der Nutzer 5 GiB Metadaten speichern, was ungefähr 5 Mio. Aspekten entspricht. Wenn wir von einem Aspekt pro Tabelle ausgehen, ergibt das insgesamt 5 Millionen Tabellen mit Aspekten.
• Nutzer B erstellt am 10. des Monats 5 Mio. Aspekte mit jeweils 1 KB und löscht die Aspekte am 20. Die Kosten betragen 3,33 $, berechnet als 5 GiB an Daten geteilt durch ein Drittel des Monats:

Große Aspekte

• Nutzer C erstellt und wendet große Aspekte an (jeweils 10 KB). Für 10 $pro Monat kann der Nutzer 5 GiB Metadaten speichern, was ungefähr 500.000 Aspekten entspricht. Bei einem Aspekt pro Tabelle sind das insgesamt 500.000 Tabellen mit Aspekten.
• Nutzer D erstellt 10.000 Aspekttypen (z. B. ETL, Data Governance, Data Quality) und wendet große Aspekte (jeweils 10 KB) mit jedem der 10 Aspekttypen an. Für 10 $/Monat kann der Nutzer 5 GiB Metadaten speichern, was ungefähr 500.000 Aspekten entspricht. Bei 10 Aspekten pro Tabelle sind das insgesamt 50.000 Tabellen mit Aspekten.

In diesem Abschnitt werden die Preise für Data Catalog beschrieben. Dieser Dienst wird eingestellt und die Migration zu Knowledge Catalog ist im Gange. Weitere Informationen zu den Unterschieden zwischen Knowledge Catalog und Data Catalog finden Sie unter Knowledge Catalog im Vergleich zu Data Catalog.

Die Data Catalog-Gebühren gelten für den Metadatenspeicher für Data Catalog und API-Aufrufe an die Data Catalog API.

Die Gebühren für den Metadatenspeicher und API-Aufrufe fallen täglich an. Sie können die noch nicht abgerechnete Nutzung in der Google Cloud Console einsehen.

Hinweis: Sofern nicht anders angegeben, gelten Preismodelle für Konten, nicht für einzelne Projekte.

Data Catalog API-Aufrufe werden wie in der folgenden Tabelle beschrieben abgerechnet:

Hinweis: Suchanfragen, die auf der Data Catalog-Seite in der Google Cloud Console ausgeführt werden, sind kostenlos.