Priser för Data Lake Analytics

En Azure Data Lake Analytics-analysenhet, eller AU (Analytics Unit), är en beräkningsenhet som görs tillgänglig för dina U-SQL-jobb. Varje AU ger ditt jobb åtkomst till en uppsättning underliggande resurser som processor och minne. Läs mer om analysenheter

När du skapar ett jobb måste du allokera de analysenheter som jobbet ska köra. Ett jobb passerar fyra stora faser: förberedelse, köer, körning och slutförande. Det börjar köras när de allokerade analysenheterna blir tillgängliga. Du faktureras de analysenheter som allokerats under jobbets körnings- och slutförandefaser. Läs mer om analysenheter

Du bör försöka allokera det antal analysenheter som passar för dina jobbkrav. Att öka antalet analysenheter gör att fler beräkningsresurser blir tillgängliga för jobbet, men det ökar inte jobbets inbyggda parallellitet. Beroende på jobbets egenskaper (t.ex. i vilken mån det stöder parallellkörning, hur mycket data det bearbetar osv.) kan dina jobb köras snabbare med fler analysenheter. Du kan också överallokera fler analysenheter än vad som kan användas. Azure Data Lake Tools för Visual Studio tillhandahåller ett antal verktyg som hjälper dig att diagnostisera prestandan i dina U-SQL-jobb och beräkna optimalt antal analysenheter. Läs mer om att spara pengar och styra kostnader

Priset bestäms av antalet AU och jobbets längd. Låt oss anta följande:

• Fall 1: Ett jobb tar tre timmar att slutföra med 10 analysenheter, så priset beräknas som 3 * 10 = 30 AU-timmar. Om jobbet kan dra nytta av 20 analysenheter och körs dubbelt så snabbt, blir priset 1,5 * 20 = 30 AU-timmar. I det här fallet är priset detsamma, men svarstiden är förbättrad.
• Fall 2: Ett jobb tar fem timmar att slutföra med 10 analysenheter, så priset beräknas som 5 * 10 = 50 AU-timmar. Om jobbet tar 4 timmar att slutföra när 20 analysenheter används, blir priset 4 * 20 = 80 AU-timmar. I detta fall ökar den totala kostnaden med 80 % och jobbet slutförs en timme tidigare.

Azure Data Lake Storage Gen1-transaktioner debiteras varje gång du läser eller skriver data till tjänsten. Varje gång en användare, ett program eller en annan Azure-tjänst läser eller skriver data på upp till 4 MB i storlek debiteras det som en transaktion. Om exempelvis en skrivåtgärd skickar 128 kB data till Data Lake Storage Gen1 debiteras detta som en transaktion. Transaktioner debiteras i steg om upp till 4 MB, så om ett objekt är större än 4 MB debiteras det i flera steg. Om exempelvis en läsåtgärd hämtar 9 MB data från Data Lake Storage debiteras detta som tre transaktioner (4 MB + 4 MB + 1 MB).

Låt oss titta närmare på hur transaktioner visas på fakturan utifrån läsåtgärder. Vi antar att du har ett program som kör ett Data Lake Analytics-jobb i fyra timmar per dag, att det läser 1,000 objekt per sekund när jobbet körs och att varje objekt är mindre än 4 MB. I scenariot ovan debiterar Data Lake Storage Gen1 lästransaktioner för Data Lake Analytics-läsdata från Data Lake Storage Gen1. Du debiteras enligt följande:

Priset fastställs utifrån antalet analysenheter som du har reserverat för månaden.

• Faktureringscykeln är anpassad efter kalendermånaderna. Därför börjar den alltid den första dagen i månaden och slutar den sista dagen i månaden.
• Första gången du prenumererar på ett paket beräknar vi den proportionella månadskostnaden och antalet AU-timmar baserat på antal återstående dagar i månaden. Exempel: Om du har ett paket för 1 000 AU-timmar och det är 10 dagar kvar av månaden, får du direkt 334 AU-timmar (1 000 AU-timmar / 30 dagar i månaden × 10 dagar kvar) till en kostnad av $- ($- / 31 dagar i månaden × 10 dagar kvar). Den proportionella beräkningen baseras på 30 dagar för AU-timmarna i ett paket och på 31 dagar för priset så att den proportionella kostnaden alltid är till din fördel.
• Enheterna i ett paket återställs den första dagen i månaden. Exempel: Om du har ett paket för 100 AU-timmar och du har 20 AU-timmar kvar i slutet av månaden, så återställs ditt paket till 100 AU-timmar dagen efter. Outnyttjade AU-timmar förs inte över till nästa tidsperiod.
• Du kan välja ett nytt paket när du vill. Ändringen börjar gälla den första dagen i nästa kalendermånad. Det betyder att om du under en månad har ett paket för 100 AU-timmar och byter till ett paket med 500 AU-timmar, så börjar ändringen gälla den första dagen i nästa kalendermånad. Under den aktuella kalendermånaden fortsätter paketet för 100 AU-timmar att gälla.
• Vi använder ”sekunder” som måttenhet för din förbrukning av paketet.
• När paketet har förbrukats debiteras du enligt avgiften för överförbrukning.

Förbrukningen baseras på antalet analysenheter och jobbets längd. Jobblängden påverkas av antalet analysenheter som jobbet har tilldelats och jobbets egenskaper, till exempel datastorlek och användningskomplexitet.

• Fall 1: Du har ett paket för 100 AU-timmar och skickar ett jobb som tar 2 timmar och 30 minuter att slutföra med 1 AU, så förbrukningen beräknas som 2,5 * 1 = 2,5 AU-timmar. Du har 97,5 AU-timmar kvar i paketet.
• Fall 2: Du har ett paket för 100 AU-timmar och har bara en 1 AU-timme kvar. Du skickar ett jobb som tar 2 timmar att slutföra med 2 analysenheter, så förbrukningen beräknas som 2 * 2 = 4 AU-timmar. Du använder den återstående AU-timmen och debiteras för 3 ytterligare AU-timmar enligt priset för extra förbrukning (1,5 * 3 = $-)

Med Azure Data Lake Analytics kan du läsa och skriva data från lagringsutrymmet Azure Data Lake Storage Gen1, Azure Blob Storage och Azure SQL Database. Användning av dessa tjänster via Azure-datasjö kan medföra standardavgifter (t.ex. transaktioner och utgående dataöverföringar). Mer information finns på prissidan för dessa tjänster.

• Avbrutet jobb:
  Ett avbrytande är alltid resultatet av en avsiktlig kundåtgärd eller en administratörsdefinierad administrativ princip. Azure Data Lake Analytics avbryter inte jobb autonomt, förutom om en brytpunkt uppnår körningstidsgränsen på 5 timmar (det finns inte någon tidsgräns för ett jobb, men en gräns för en enskild brytpunkt). När ett jobb avbryts faktureras du för den tid då jobbet kördes.
• Misslyckat jobb:
  Misslyckade jobb beror antingen på ett användarfel, eller ibland på ett Azure Data Lake Analytics-fel i tjänsten. Felkoden från ett misslyckat jobb visar om jobbfelet beror på ett användar- eller tjänstfel. Om felkoden innehåller ”USER” var det ett användarfel och då kommer tjänsten fakturera dig för den tid då jobbet kördes. Om felkoden innehåller ”SYSTEM” beror felet på ett fel i ADLS-tjänsten och du faktureras inte för jobbet.