Plannen voor het beheren van kosten voor Azure Machine Learning

  • Artikel
  • 8 minuten om te lezen

In dit artikel wordt beschreven hoe u kosten voor Azure Machine Learning. Eerst gebruikt u de Azure-prijscalculator om kosten te plannen voordat u resources toevoegt. Als u vervolgens de Azure-resources toevoegt, bekijkt u de geschatte kosten.

Nadat u uw resources hebt Azure Machine Learning, gebruikt u de functies voor kostenbeheer om budgetten in te stellen en kosten te bewaken. Bekijk ook de geraamde kosten en identificeer bestedingstrends om gebieden te identificeren waar u mogelijk actie wilt ondernemen.

Zorg ervoor dat de kosten voor Azure Machine Learning slechts een deel van de maandelijkse kosten in uw Azure-factuur zijn. Als u andere Azure-services gebruikt, wordt u gefactureerd voor alle Azure-services en -resources die worden gebruikt in uw Azure-abonnement, met inbegrip van de services van derden. In dit artikel wordt uitgelegd hoe u kosten voor uw Azure Machine Learning. Nadat u bekend bent met het beheren van kosten voor Azure Machine Learning, kunt u vergelijkbare methoden toepassen om de kosten te beheren voor alle Azure-services die in uw abonnement worden gebruikt.

Zie Kosten beheren en optimaliseren in Azure Machine Learning voor meer informatie over het optimaliseren van Azure Machine Learning.

Vereisten

Kostenanalyse in Cost Management ondersteunt de meeste Typen Azure-account, maar niet allemaal. Zie voor de volledige lijst met ondersteunde accounttypen Gegevens van Azure Cost Management begrijpen.

Als u kostengegevens wilt weergeven, hebt u ten minste leestoegang nodig voor een Azure-account. Zie Toegang tot gegevens toewijzen voor meer informatie over het toewijzen van toegang tot de gegevens in Azure Cost Management.

Kosten schatten voordat u Azure Machine Learning

  • Gebruik de Azure-prijscalculator om de kosten te schatten voordat u de resources in een werkruimte Azure Machine Learning maken. Selecteer aan de linkerkant AI + Machine Learning en selecteer vervolgens Azure Machine Learning om te beginnen.

In de volgende schermopname ziet u de schatting van de kosten met behulp van de rekenmachine:

Voorbeeld van geschatte kosten in de Azure-prijscalculator.

Wanneer u nieuwe resources aan uw werkruimte toevoegt, gaat u terug naar deze calculator en voegt u hier dezelfde resource toe om uw kostenramingen bij te werken.

Zie prijzen voor Azure Machine Learning voor meer informatie.

Inzicht in het volledige factureringsmodel voor Azure Machine Learning

Azure Machine Learning wordt uitgevoerd op een Azure-infrastructuur die kosten met zich Azure Machine Learning wanneer u de nieuwe resource implementeert. Het is belangrijk om te begrijpen dat extra infrastructuur kosten kan genereren. U moet die kosten beheren wanneer u wijzigingen aan de geïmplementeerde resources aan brengen.

Kosten die doorgaans toenemen met Azure Machine Learning

Wanneer u resources maakt voor een Azure Machine Learning werkruimte, worden er ook resources voor andere Azure-services gemaakt. Dit zijn:

Wanneer u een reken-exemplaar maakt,blijft de VM aan zodat deze beschikbaar is voor uw werk. Stel een planning in voor het automatisch starten en stoppen van het reken exemplaar (preview) om kosten te besparen wanneer u niet van plan bent om deze te gebruiken.

Kosten kunnen toenemen voordat resources worden verwijderd

Voordat u een Azure Machine Learning-werkruimte in de Azure Portal of met Azure CLI verwijdert, zijn de volgende subbronnen algemene kosten die zich opstapelen, zelfs wanneer u niet actief in de werkruimte werkt. Als u van plan bent om op een later Azure Machine Learning terug te keren naar uw werkruimte, kunnen deze resources kosten blijven genereren.

  • VM's
  • Load Balancer
  • Virtual Network
  • Bandbreedte

Elke VM wordt gefactureerd per uur dat deze wordt uitgevoerd. De kosten zijn afhankelijk van VM-specificaties. VM's die wel worden uitgevoerd maar niet actief aan een gegevensset werken, worden nog steeds in rekening gebracht via de load balancer. Voor elk reken exemplaar wordt één load balancer per dag gefactureerd. Elke 50 knooppunten van een rekencluster hebben één standaard load balancer gefactureerd. Elke load balancer wordt ongeveer $ 0,33 per dag gefactureerd. Verwijder de rekenresource om load balancer kosten te voorkomen voor gestopte reken-exemplaren en rekenclusters. Eén virtueel netwerk wordt gefactureerd per abonnement en per regio. Virtuele netwerken kunnen geen regio's of abonnementen overspannen. Voor het instellen van privé-eindpunten in vNet-instellingen worden mogelijk ook kosten in rekening gebracht. Bandbreedte wordt in rekening gebracht op basis van gebruik; hoe meer gegevens worden overgedragen, des te meer kosten in rekening worden gebracht.

De kosten kunnen toenemen na het verwijderen van een resource

Nadat u een Azure Machine Learning in de Azure Portal of met Azure CLI hebt verwijderd, blijven de volgende resources bestaan. Ze blijven kosten genereren totdat u ze verwijdert.

  • Azure Container Registry
  • Azure Block Blob-Storage
  • Key Vault
  • Application Insights

Als u de werkruimte samen met deze afhankelijke resources wilt verwijderen, gebruikt u de SDK:

ws.delete(delete_dependent_resources=True)

Als u een Azure Kubernetes Service (AKS) in uw werkruimte maakt of als u rekenbronnen aan uw werkruimte koppelt, moet u deze afzonderlijk verwijderen in Azure Portal.

Azure-vooruitbetalingstegoed gebruiken met Azure Machine Learning

U kunt betalen voor Azure Machine Learning met uw Azure-vooruitbetalingstegoed. U kunt echter geen Azure-vooruitbetalingstegoed gebruiken om te betalen voor kosten voor producten en services van derden, inclusief die van de Azure Marketplace.

Geschatte kosten controleren in Azure Portal

Wanneer u rekenbronnen maakt voor Azure Machine Learning, ziet u de geschatte kosten.

Een *reken-exemplaar * maken en de geschatte prijs weergeven:

  1. Meld u aan bij Azure Machine Learning Studio
  2. Selecteer aan de linkerkant Compute.
  3. Selecteer +Nieuw op de bovenste werkbalk.
  4. Bekijk de geschatte prijs die wordt weergegeven in voor elke beschikbare grootte van de virtuele machine.
  5. Het maken van de resource voltooien.

Voorbeeld van de geschatte kosten tijdens het maken van een reken-exemplaar.

Als uw Azure-abonnement een bestedingslimiet heeft, voorkomt Azure dat u uw tegoed kunt overschrijden. Wanneer u Azure-resources maakt en gebruikt, wordt uw tegoed gebruikt. Wanneer u uw tegoedlimiet bereikt, worden de resources die u hebt geïmplementeerd, uitgeschakeld voor de rest van die factureringsperiode. U kunt uw tegoedlimiet niet wijzigen, maar u kunt deze wel verwijderen. Zie Azure-bestedingslimiet voor meer informatie over bestedingslimieten.

Kosten bewaken

Wanneer u Azure-resources met Azure Machine Learning gebruikt, worden er kosten in rekening brengen. Kosten voor azure-resourcegebruikseenheden variëren per tijdsinterval (seconden, minuten, uren en dagen) of per eenheidsgebruik (bytes, megabytes, e.d.) Zodra het Azure Machine Learning wordt gestart, worden er kosten gemaakt en ziet u de kosten in kostenanalyse.

Wanneer u kostenanalyse gebruikt, kunt u Azure Machine Learning verschillende tijdsintervallen weergeven in grafieken en tabellen. Enkele voorbeelden zijn per dag, huidige en vorige maand en jaar. U bekijkt ook de kosten op budgetten en geraamde kosten. Als u overschakelt naar langere weergaven gedurende een periode, kunt u bestedingstrends identificeren. En u ziet waar er mogelijk te veel is uitgevallen. Als u budgetten hebt gemaakt, kunt u ook eenvoudig zien waar ze worden overschreden.

De kosten Azure Machine Learning in kostenanalyse weergeven:

  1. Meld u aan bij Azure Portal.
  2. Open het bereik in het Azure Portal en selecteer Kostenanalyse in het menu. Ga bijvoorbeeld naar Abonnementen, selecteer een abonnement in de lijst en selecteer vervolgens Kostenanalyse in het menu. Selecteer Bereik om over te schakelen naar een ander bereik in kostenanalyse.
  3. Standaard worden de kosten voor services weergegeven in de eerste donut-grafiek. Selecteer het gebied in de grafiek met het Azure Machine Learning.

De werkelijke maandelijkse kosten worden weergegeven wanneer u de kostenanalyse voor het eerst opent. Hier is een voorbeeld van alle maandelijkse gebruikskosten.

Voorbeeld van geaccumuleerde kosten voor een abonnement.

Als u de kosten voor één service wilt beperken, zoals Azure Machine Learning, selecteert u Filter toevoegen en selecteert u vervolgens Servicenaam. Selecteer vervolgens Azure Machine Learning.

Hier is een voorbeeld van de kosten voor alleen Azure Machine Learning.

Voorbeeld van geaccumuleerde kosten voor ServiceName.

In het voorgaande voorbeeld ziet u de huidige kosten voor de service. Kosten per Azure-regio (locaties) en Azure Machine Learning kosten per resourcegroep worden ook weergegeven. Hier kunt u zelf de kosten verkennen.

Budgetten maken

U kunt budgetten maken om kosten te beheren en waarschuwingen te maken waarmee belanghebbenden automatisch worden geïnformeerd over afwijkende uitgaven en het risico om teveel uit te geven. Waarschuwingen zijn gebaseerd op de vergelijking tussen uitgaven en drempelwaarden voor budgetten en kosten. Budgetten en waarschuwingen worden gemaakt voor Azure-abonnementen en -resourcegroepen, zodat ze nuttig zijn als onderdeel van een algehele strategie voor kostenbewaking.

Budgetten kunnen worden gemaakt met filters voor specifieke resources of services in Azure als u meer granulariteit in uw bewaking wilt hebben. Filters zorgen ervoor dat u niet per ongeluk nieuwe resources maakt die u extra geld kosten. Zie Groeps- en filteropties voor meer informatie over de filteropties wanneer u een budget maakt.

Kostengegevens exporteren

U kunt ook uw kostengegevens exporteren naar een opslagaccount. Dit is handig wanneer u of anderen extra gegevensanalyses moeten uitvoeren voor de kosten. Een financiële team kan de gegevens bijvoorbeeld analyseren met behulp van Excel of Power BI. U kunt uw kosten exporteren volgens een dagelijks, wekelijks of maandelijks schema en een aangepast datumbereik instellen. Het exporteren van kostengegevens is de aanbevolen manier om kostengegevenssets op te halen.

Andere manieren om de kosten voor uw Azure Machine Learning

Gebruik de volgende tips om de kosten van uw rekenresources te beheren en te optimaliseren.

  • Uw trainingsclusters configureren voor automatisch schalen
  • Quota instellen voor uw abonnement en werkruimten
  • Beëindigingsbeleid instellen voor de trainingsrun
  • Virtuele machines met lage prioriteit (VM) gebruiken
  • Reken-exemplaren zo plannen dat ze automatisch worden afgesloten en starten
  • Een gereserveerde VM-instantie van Azure gebruiken
  • Lokaal trainen
  • Training parallelliseren
  • Beleid voor gegevensretentie en -verwijdering instellen
  • Resources implementeren in dezelfde regio
  • Verwijder exemplaren en clusters als u niet van plan bent om ze in de nabije toekomst te gebruiken.

Zie Kosten beheren en optimaliseren in Azure Machine Learning.

Volgende stappen