I prezzi di Knowledge Catalog si basano sull'utilizzo con pagamento a consumo. Attualmente, Knowledge Catalog addebita i costi in base ai seguenti SKU:

• Elaborazione di Knowledge Catalog (standard e premium)
• Archiviazione dei metadati

Di seguito è riportata una panoramica generale di come viene fatturata ciascuna funzionalità chiave di Knowledge Catalog:

L'elaborazione standard e premium di Knowledge Catalog viene misurata in unità di calcolo dei dati (DCU). Un'ora DCU è un'unità di fatturazione astratta per Knowledge Catalog e il monitoraggio effettivo dipende dalle singole funzionalità che utilizzi.

Livello senza costi di Knowledge Catalog

Nell'ambito del Livello senza costi di Google Cloud, Knowledge Catalog offre alcune risorse senza costi entro limiti specifici. Questi limiti di utilizzo senza costi sono disponibili sia durante che dopo il periodo di prova senza costi. Se superi questi limiti di utilizzo e il tuo periodo di prova senza costi è scaduto, ti verranno addebitate le tariffe previste, come descritto nelle sezioni precedenti.

Nota: il Livello senza costi di Knowledge Catalog è disponibile solo per lo SKU Knowledge Catalog Standard Processing e non per lo SKU Knowledge Catalog Premium Processing.

Gli addebiti DCU per ogni funzionalità vengono calcolati come segue:

1. Scansioni automatiche della qualità dei dati:

• Il consumo di ore DCU è proporzionale all'elaborazione coinvolta nella profilazione dei dati e nel calcolo delle metriche di qualità dei dati. La fatturazione è al secondo, con un minimo di un minuto.
• L'addebito dipende dal numero di righe, dal numero di colonne, dalla quantità di dati scansionati, dalla configurazione delle regole di qualità dei dati, dalle impostazioni di partizionamento e clustering sulla tabella e dalla frequenza della scansione.
• Per le scansioni di rilevamento delle anomalie della qualità dei dati, non si applicano addebiti DCU. Invece, si applicano i prezzi standard di BigQuery per calcolo, archiviazione, addestramento, elaborazione e deployment del modello BQML.
• L'utilizzo di un'identità di esecuzione personalizzata cambia il modo in cui ti viene addebitato il costo della scansione. Quando specifichi un'identità di esecuzione personalizzata, i costi di calcolo e archiviazione associati alla scansione vengono fatturati direttamente al tuo progetto BigQuery, ignorando gli SKU Premium standard di Knowledge Catalog.

2. Esistono diverse opzioni per ridurre il costo delle scansioni automatiche della qualità dei dati:

• Campionamento
• Scansioni incrementali
• Per separare gli addebiti per la qualità dei dati da altri addebiti nello SKU di elaborazione premium di Knowledge Catalog, nel report di fatturazione Cloud, utilizza l'etichetta goog-dataplex-workload-type con il valore DATA_QUALITY.

3. Per filtrare gli addebiti aggregati, utilizza le seguenti etichette disponibili nell'esportazione della fatturazione in BigQuery:

• 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. Scansioni di profilazione dei dati:

• Il consumo di ore DCU è proporzionale all'elaborazione coinvolta nella profilazione dei dati e nel calcolo delle metriche di qualità dei dati. La fatturazione è al secondo, con un minimo di un minuto.
• L'addebito dipende dal numero di righe, dal numero di colonne, dalla quantità di dati scansionati, dalle impostazioni di partizionamento e clustering sulla tabella e dalla frequenza della scansione.
• L'utilizzo di un'identità di esecuzione personalizzata cambia il modo in cui ti viene addebitato il costo della scansione. Quando specifichi un'identità di esecuzione personalizzata, i costi di calcolo e archiviazione associati alla scansione vengono fatturati direttamente al tuo progetto BigQuery, ignorando gli SKU Premium standard di Knowledge Catalog.

5. Esistono diverse opzioni per ridurre il costo delle scansioni di profilazione dei dati:

• Campionamento
• Scansioni incrementali
• Filtro delle colonne
• Filtro delle righe
• Per separare gli addebiti della profilazione dei dati da altri addebiti nello SKU di elaborazione premium di Knowledge Catalog, nel report di fatturazione Cloud, utilizza l'etichetta goog-dataplex-workload-type con il valore DATA_PROFILE.

6. Per filtrare gli addebiti aggregati, utilizza le seguenti etichette disponibili nell'esportazione della fatturazione in BigQuery:

• 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. Lineage dei dati:

• Il consumo di ore DCU è proporzionale all'elaborazione necessaria per analizzare automaticamente la derivazione.
• Per separare gli addebiti della derivazione dei dati da altri addebiti nello SKU di elaborazione premium di Knowledge Catalog, nel report di fatturazione Cloud, utilizza l'etichetta goog-dataplex-workload-type con il valore LINEAGE.
• Se chiami l'API Data Lineage Origin sourceType con un valore diverso da CUSTOM, ciò comporta costi aggiuntivi.

Esempio di prezzi della derivazione dei dati

L'utente A abilita la derivazione dei dati per tenere traccia della derivazione per BigQuery nel proprio progetto. Il progetto si trova nella località us-central1. Durante un mese, la derivazione dei dati consuma 100 ore DCU di elaborazione Knowledge Catalog Premium e genera 1 GiB di metadati di derivazione dei dati. Il costo è:

Quando gli utenti interagiscono con il catalogo di conoscenza, le chiamate API sono senza costi, tra cui:

• Creazione e gestione delle risorse di Knowledge Catalog
• Creazione e gestione delle risorse di derivazione
• Ricerca nel catalogo

Questa sezione fornisce esempi di come calcolare il costo di Knowledge Catalog.

Piccoli aspetti

• L'utente A crea e applica aspetti di piccole dimensioni (1024 byte ciascuno). Per 10 $al mese, l'utente può archiviare 5 GiB di metadati, che corrispondono approssimativamente a 5 milioni di aspetti. Supponendo un aspetto per tabella, si tratta di un totale di 5 milioni di tabelle con aspetti.
• L'utente B crea 5 milioni di aspetti da 1 KB ciascuno il 10 del mese ed elimina gli aspetti il 20. Il costo è di 3,33 $, calcolato come 5 GiB di dati divisi per un terzo del mese:

Aspetti di grandi dimensioni

• L'utente C crea e applica aspetti di grandi dimensioni (10 KB ciascuno). Per 10 $al mese, l'utente può archiviare 5 GiB di metadati, che corrispondono a circa 500.000 aspetti. Supponendo un aspetto per tabella, si tratta di un totale di 500.000 tabelle con aspetti.
• L'utente D crea 10.000 tipi di aspetto (ad esempio ETL, governance dei dati, qualità dei dati) e applica aspetti di grandi dimensioni (10 KB ciascuno) utilizzando ciascuno dei 10 tipi di aspetto. Per 10 $al mese, l'utente può archiviare 5 GiB di metadati, che corrispondono approssimativamente a 500.000 aspetti. Supponendo 10 aspetti per tabella, si arriva a un totale di 50.000 tabelle con aspetti.

Questa sezione descrive i prezzi di Data Catalog, che è in fase di deprecazione (è in corso la migrazione a Knowledge Catalog). Per saperne di più sulle differenze tra Knowledge Catalog e Data Catalog, vedi Knowledge Catalog e Data Catalog a confronto.

Si applicano gli addebiti di Data Catalog per l'archiviazione dei metadati per Data Catalog e le chiamate API effettuate all'API Data Catalog.

I costi di archiviazione dei metadati e delle chiamate API vengono addebitati su base giornaliera. Puoi visualizzare l'utilizzo non fatturato nella console Google Cloud.

Nota: i modelli di prezzo si applicano agli account, non ai progetti, se non diversamente specificato.

Le chiamate API Data Catalog vengono fatturate come descritto nella tabella seguente:

Nota: le query di ricerca eseguite nella pagina Data Catalog nella console Google Cloud sono offerte senza costi.