Die Preise für Dataproc in der Compute Engine hängen von der Größe der Dataproc-Cluster und ihrer Ausführungsdauer ab. Die Größe eines Clusters basiert auf der Gesamtzahl der virtuellen CPUs (vCPUs) im gesamten Cluster, einschließlich der Master- und Worker-Knoten. Die Laufzeit eines Clusters ist der Zeitraum zwischen dem Erstellen und Stoppen oder Löschen des Clusters.
Die Dataproc-Preisformel lautet: $0.010 * # of vCPUs * hourly duration.
Obwohl die Preisformel einen Stundensatz beinhaltet, erfolgt die Abrechnung von Dataproc in Sekunden. Das heißt, alle Dataproc-Cluster werden im Sekundentakt abgerechnet, bei einem Minimum von 1 Minute. Die Nutzung wird in Stunden angegeben (30 Minuten sind beispielsweise 0,5 Stunden), um trotz sekundengenauer Abrechnung einen Preis pro Stunde zu erhalten.
Bei den folgenden Dataproc-Vorgängen und -Szenarien fallen Kosten an:
Skalierung und Autoscaling: Wenn dem Cluster VMs hinzugefügt werden, fallen Gebühren an, solange die VMs aktiv sind. Diese aufgelaufenen Gebühren werden weiter berechnet, bis die VMs entfernt werden.
Cluster im Fehlerzustand: Wenn ein Dataproc-Cluster im Fehlerzustand ist, bleiben die Cluster-VMs aktiv und die Gebühren werden weiter berechnet.
Diese aufgelaufenen Gebühren werden weiter berechnet, bis der Cluster gelöscht wird.
Preisbeispiel
Sehen Sie sich als Beispiel einen Cluster (mit Master- und Worker-Knoten) mit der folgenden Konfiguration an:
Posten
Maschinentyp
Virtuelle CPUs
Hinzugefügter nichtflüchtiger Speicher
Anzahl im Cluster
Master-Knoten
n1-standard-4
4
500 GB
1
Worker-Knoten
n1-standard-4
4
500 GB
5
Dieser Dataproc-Cluster hat 24 virtuelle CPUs, 4 für den Master und 20 auf die Worker verteilt. Zur Abrechnung von Dataproc würde der Preis für diesen Cluster auf diesen 24 virtuellen CPUs und der Laufzeit des Clusters basieren (vorausgesetzt, dass die Knoten nicht reduziert oder vorzeitig beendet werden). Wenn die Laufzeit des Clusters 2 Stunden beträgt, würde der Dataproc-Preis so berechnet:
In diesem Beispiel würde der Cluster zusätzlich zur Dataproc-Gebühr auch Kosten für in Compute Engine und im nichtflüchtigen Standardspeicher bereitgestellten Speicher verursachen. Weitere Informationen finden Sie unter Nutzung anderer Google Cloud Ressourcen.
Mit dem Preisrechner können Sie diese separaten Ressourcenkosten Google Cloud berechnen.
Nutzung anderer Google Cloud-Ressourcen
Dataproc ist eine verwaltete und integrierte Lösung, die auf anderen Google Cloud-Technologien basiert. Dataproc-Cluster verbrauchen die folgenden Ressourcen, für die individuelle Preismodelle bestehen:
In diesem Abschnitt werden die Gebühren erläutert, die nur für den virtuellen Dataproc-Cluster gelten, der auf einem von Nutzerinnen und Nutzern verwalteten GKE ausgeführt wird.
Unter GKE-Preise finden Sie Informationen zu den zusätzlichen Gebühren, die für den von Nutzern verwalteten GKE-Cluster anfallen.
Die Preisformel für Dataproc auf GKE, $0.010 * # of vCPUs * hourly duration, ist die gleiche wie die für Dataproc auf Compute Engine und wird auf die Gesamtzahl der virtuellen CPUs angewendet, die in VM-Instanzen in von Dataproc erstellten Knotenpools im Cluster ausgeführt werden. Die Dauer einer VM-Instanz ist die Zeitspanne zwischen ihrer Erstellung und ihrem Löschen. Wie bei Dataproc in der Compute Engine wird Dataproc in GKE pro Sekunde abgerechnet, wobei eine Mindestabrechnungszeit von 1 Minute pro virtueller Maschineninstanz gilt. Andere Gebühren Google Cloud
werden zusätzlich zu den Dataproc-Gebühren erhoben.
Von Dataproc erstellte Knotenpools bleiben auch nach dem Löschen des Dataproc-Clusters bestehen, da sie möglicherweise von mehreren Clustern gemeinsam genutzt werden. Wenn Sie die Knotenpools löschen oder auf null Instanzen herunterskalieren, fallen keine weiteren Dataproc-Gebühren an. Für alle verbleibenden Knotenpool-VMs fallen weiterhin Gebühren an,
bis Sie sie löschen.
Mit den „Pay as you go“-Preisen von Google Cloud bezahlen Sie nur für die Dienste, die Sie nutzen. Wenden Sie sich an unser Vertriebsteam, wenn Sie ein individuelles Angebot für Ihr Unternehmen erhalten möchten.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],[],[[["\u003cp\u003eDataproc pricing is calculated based on the total number of virtual CPUs (vCPUs) in the cluster and the duration of cluster usage, with a formula of \u003ccode\u003e$0.010 * # of vCPUs * hourly duration\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eDataproc billing is done per-second, with a 1-minute minimum, and usage is expressed in fractional hours to apply hourly rates to second-by-second use.\u003c/p\u003e\n"],["\u003cp\u003eIn addition to Dataproc charges, users will also be billed for Compute Engine resources and other Google Cloud services like Persistent Disk and Monitoring that are utilized by Dataproc clusters.\u003c/p\u003e\n"],["\u003cp\u003eDataproc on GKE has the same pricing formula as Dataproc on Compute Engine and the pricing is applied to the aggregate number of vCPUs, but it also includes additional charges for the user-managed GKE cluster.\u003c/p\u003e\n"],["\u003cp\u003eThere are separate charges for Dataproc serverless and the information is available in the Dataproc Serverless Pricing page.\u003c/p\u003e\n"]]],[],null,["# Dataproc Pricing\n\nDataproc pricing\n================\n\n\u003cbr /\u003e\n\nDataproc \\| [Serverless for Apache Spark](/dataproc-serverless/pricing \"View this page for Serverless for Apache Spark\") \\| [Dataproc Metastore](/dataproc-metastore/pricing \"View this page for Dataproc Metastore\")\n\n\u003cbr /\u003e\n\n- [Dataproc on Compute Engine pricing](#on_pricing)\n- [Dataproc on GKE pricing](#on_gke_pricing)\n- [Serverless for Apache Spark pricing](#serverless_pricing)\n\nDataproc on Compute Engine pricing\n----------------------------------\n\n[Dataproc on Compute Engine](/dataproc)\npricing is based on the size of Dataproc clusters and the duration\nof time that they run. The size of a cluster is based on the aggregate number of\n[virtual CPUs (vCPUs)](/compute/docs/machine-types)\nacross the entire cluster, including the master and worker nodes. The duration\nof a cluster is the length of time between cluster creation and cluster stopping\nor deletion.\n\nThe Dataproc pricing formula is: `$0.010 * # of vCPUs * hourly duration`.\n\nAlthough the pricing formula is expressed as an hourly rate,\nDataproc is billed by the second, and all Dataproc\nclusters are billed in one-second clock-time increments, subject to a 1-minute\nminimum billing. Usage is stated in fractional hours (for example, 30 minutes\nis expressed as 0.5 hours) in order to apply hourly pricing to second-by-second\nuse.\n\nDataproc pricing is in addition to the\n[Compute Engine per-instance price](/compute/pricing) for each virtual machine\n(see [Use of other Google Cloud resources](#use_of_other_google_cloud_resources)).\n| [Preemptible secondary VMs](/compute/docs/instances/preemptible). can be used to lower your Compute Engine costs for Dataproc clusters.\n| **Note:** See [Supported machine types](/dataproc/docs/concepts/compute/supported-machine-types) for information on the predefined and custom machine types you can use in Dataproc clusters.\n\n### Accrued Charges\n\nThe following Dataproc operations and scenarios cause charges to\naccrue:\n\n- [**Scaling**](/dataproc/docs/concepts/configuring-clusters/scaling-clusters) and\n [**autoscaling**](/dataproc/docs/concepts/configuring-clusters/autoscaling):\n When VMs are added to the cluster, charges accrue while the VMs are\n active. These accrued charges continue until the VMs are removed.\n\n- **Clusters in an Error state**: When a Dataproc cluster is in an\n error state, cluster VMs remain active and charges continue to accrue.\n These accrued charges continue until the cluster is deleted.\n\nPricing example\n---------------\n\nAs an example, consider a cluster (with master and worker nodes) that has\nthe following configuration:\n\nThis Dataproc cluster has 24 virtual CPUs, 4 for the master and\n20 spread across the workers. For Dataproc billing purposes,\nthe pricing for this cluster would be based on those 24 virtual CPUs and the\nlength of time the cluster ran (assuming no nodes are scaled down or\npreempted). If the cluster runs for 2 hours,\nthe Dataproc pricing would use the following formula:\n\n`Dataproc charge = # of vCPUs * hours * Dataproc price = 24 * 2 * $0.01 = $0.48`\n\nIn this example, the cluster would also incur charges for Compute Engine\nand Standard Persistent Disk Provisioned Space in addition to the\nDataproc charge (see\n[Use of other Google Cloud resources](#use_of_other_google_cloud_resources)).\nThe [billing calculator](/products/calculator)\ncan be used to determine separate Google Cloud resource costs.\n\nUse of other Google Cloud resources\n-----------------------------------\n\nAs a managed and integrated solution, Dataproc is built on top of other\nGoogle Cloud technologies. Dataproc clusters consume the following\nresources, each billed at its own pricing:\n\n- [Compute Engine](/compute)---All Compute Engine instances for a Dataproc cluster have a 1-minute clock-time minimum, and are billed based on per-second billing increments and [sustained use price rules](/compute/docs/sustained-use-discounts).\n- [Standard Persistent Disk](/compute/docs/disks#pdspecs) provisioned space\n- [Cloud Monitoring](/monitoring)---see [Google Cloud Observability Pricing](/stackdriver/pricing)\n\nDataproc clusters can optionally utilize the following resources, each\nbilled at its own pricing, including but not limited to:\n\n- [Cloud Storage](/storage)\n- [Global Networking](/products/networking)\n- [BigQuery](/bigquery)\n- [Bigtable](/bigtable)\n\nDataproc on GKE pricing\n-----------------------\n\nThis section explains the charges that apply only to the virtual\nDataproc cluster that runs on a user-managed GKE.\nSee [GKE pricing](/kubernetes-engine/pricing)\nto learn about the added charges that apply to the user-managed GKE\ncluster.\n\nThe [Dataproc on GKE](/dataproc/docs/guides/dpgke/dataproc-gke-overview) pricing\nformula, `$0.010 * # of vCPUs * hourly duration`, is the same as the\n[Dataproc on Compute Engine](#on_pricing) pricing formula, and\nis applied to the aggregate number of virtual CPUs running in VMs instances in\n[Dataproc-created node pools](/dataproc/docs/guides/dpgke/dataproc-gke-nodepools)\nin the cluster. The duration of a virtual machine instance is the length of time\nfrom its creation to its deletion. As with Dataproc on Compute Engine,\nDataproc on GKE is billed by the second, subject to a 1-minute minimum billing\nper virtual machine instance. [Other Google Cloud charges](#use_of_other_google_cloud_resources)\nare applied in addition to Dataproc charges.\n\nDataproc-created node pools continue to exist after deletion of the\nDataproc cluster since they may be shared by multiple clusters. If you\n[delete the node pools](/kubernetes-engine/docs/how-to/node-pools#deleting_a_node_pool) or\n[scale node pools](/kubernetes-engine/docs/how-to/node-pools#resizing_a_node_pool)\ndown to zero instances, continued Dataproc charges will not be\nincurred. **Any remaining node pool VMs will continue to incur charges\nuntil you delete them.**\n\nServerless for Apache Spark pricing\n-----------------------------------\n\nSee [Serverless for Apache Spark pricing](/dataproc-serverless/pricing).\n\nWhat's next\n-----------\n\n- Read the [Dataproc documentation](/dataproc/docs).\n- Get started with [Dataproc](/dataproc/docs/quickstarts).\n- Try the [Pricing calculator](/products/calculator).\n- Learn about [Dataproc solutions and use cases](/architecture?text=Dataproc).\n\n#### Request a custom quote\n\nWith Google Cloud's pay-as-you-go pricing, you only pay for the services you use. Connect with our sales team to get a custom quote for your organization.\n[Contact sales](/contact?direct=true)"]]
