Comment vérifier que j’ai correctement arrêté un cluster HDInsight et que je ne continue pas à être facturé ?

Pour arrêter un cluster HDInsight, vous devez le supprimer. Par défaut, toutes les données exploitées par un cluster HDInsight résident dans Stockage Blob Azure. Elles ne sont donc pas concernées par ceci. Si vous voulez conserver vos métadonnées Hive (tables et schémas), vous devez approvisionner un cluster avec un magasin de métadonnées externe. Des informations supplémentaires sont disponibles dans cette documentation.

Questions et réponses associées

  • Chaque abonnement impose une limite par défaut au nombre de nœuds de données HDInsight qui peuvent être créés. Si vous devez créer un cluster HDInsight de plus grande taille ou plusieurs clusters HDInsight qui dépassent ensemble la limite maximale de votre abonnement actuel, vous pouvez demander une augmentation des limites de facturation de votre abonnement. Veuillez ouvrir un ticket de support avec Type de support = Facturation. Selon le nombre maximal de nœuds par abonnement que vous demandez, il se peut que nous vous demandions des informations supplémentaires afin de pouvoir optimiser vos déploiements.

  • Le nombre de nœuds de données varie en fonction de vos besoins. Grâce à l’élasticité des services cloud Azure, vous pouvez essayer diverses tailles de cluster pour déterminer votre propre combinaison optimale de performances et de coûts, et payer uniquement ce que vous utilisez à un moment donné. La taille des clusters peut également être augmentée ou réduite en fonction des exigences de votre charge de travail.

  • Nous facturons le nombre de minutes d'exécution de votre cluster, arrondi à la minute (et non à l'heure) la plus proche.

  • Pour évaluer le coût des clusters de diverses tailles, essayez la Calculatrice Azure.

  • HDInsight déploie un nombre différent de nœuds pour chaque type de cluster. Au sein d'un type de cluster donné, il existe différent rôles pour les divers nœuds, ce qui permet à un client de dimensionner ces nœuds dans un rôle donné en fonction de la charge de travail. Par exemple, les nœuds de travail d'un cluster Hadoop peuvent être approvisionnés avec une grande quantité de mémoire si les analyses exécutées en ont besoin. Les clusters Hadoop pour HDInsight sont déployés avec deux rôles :

    • Nœud principal (2 nœuds)
    • Nœud de données (au moins 1 nœud) Les clusters HBase pour HDInsight sont déployés avec trois rôles :
    • Serveurs principaux (2 nœuds)
    • Serveurs de région (au moins 1 nœud)
    • Nœuds principaux/Zookeeper (3 nœuds) Les clusters Storm pour HDInsight sont déployés avec trois rôles :
    • Nœuds Nimbus (2 nœuds)
    • Serveurs superviseur (au moins 1 nœud)
    • Nœuds Zookeeper (3 nœuds) Les clusters Spark pour HDInsight sont déployés avec trois rôles :
    • Nœud principal (2 nœuds)
    • Nœud de travail (au moins 1 nœud)
    • Nœuds Zookeeper (3 nœuds) (Gratuit pour les nœuds Zookeeper de taille A1) L’utilisation de R-Server implique un nœud de périphérie en plus de l’architecture de déploiement du cluster.
  • If you run a cluster for 100 hours in US East with two D13 v2 head nodes, three D12 v2 data nodes, and three D11 v2 zookeepers, the billing would be the following in the two scenarios:

    • On a Standard HDInsight cluster—100 hours x (2 x $-/hour + 3 x $-/hour + 3 x $-/hour) = $-
    • On a Standard HDInsight cluster with Enterprise Security Package—100 hours x (2 x $-/hour + 3 x $-/hour + 3 x $-/hour) + 100 hours x (2 x 8 + 3 x 4 + 3 x 2) x $-/core-hour = $-