Tarifs de Databricks

Les avantages de l'essai gratuit pendant 14 jours :

• Un environnement collaboratif permettant aux équipes data de créer des solutions de manière collaborative
• Des notebooks interactifs pour utiliser Apache Spark^TM, SQL, Python, Scala, Delta Lake, MLflow, TensorFlow, Keras, scikit-learn et bien d'autres encore

Veuillez noter que votre fournisseur de cloud vous facturera quand même les ressources (par ex. les instances de calcul) utilisées au sein de votre compte pendant l'essai gratuit.

À la fin de la période d'essai, vous bénéficierez d'un abonnement automatique au plan auquel vous avez souscrit lors de votre essai gratuit. Vous pourrez annuler votre abonnement à tout moment.

Les tarifs de Databricks sont basés sur votre utilisation du calcul. Le stockage, le réseau et les coûts associés varient en fonction des services que vous choisissez et de votre fournisseur cloud.

Une unité Databricks (DBU) est une unité normalisée de puissance de traitement sur la plateforme Lakehouse de Databricks utilisée à des fins de mesure et de tarification. Le nombre de DBU consommées par une charge de travail dépend de mesures de traitement qui peuvent inclure les ressources de calcul utilisées et la quantité de données traitées. Voir les détails des tarifs DBU pour AWS, Azure et Google Cloud.

Les prix Databricks ainsi que les remises Spot peuvent varier en fonction de la région et du fournisseur de services cloud. Pour connaître les détails, voir les pages des tarifs de Databricks pour AWS, Azure et Google Cloud.

Lors de l'estimation des économies que vous pouvez réaliser avec Databricks, vous devez prendre en compte les principaux aspects des solutions alternatives, notamment le taux d'achèvement des tâches, la durée et l'effort manuel nécessaire pour prendre en charge une tâche. Pour vous aider à réaliser une estimation fidèle de ces économies, nous vous recommandons de comparer les résultats côte à côte dans le cadre d'un déploiement de démonstration de faisabilité (proof of concept). Voir l'accélération réalisée par ce client et les résultats de son benchmark. Contactez-nous pour démarrer.

En général, nous vous recommandons de configurer les ressources de calcul pour qu'elles s'arrêtent automatiquement lorsque les tâches sont terminées. Lorsque vous exécutez une tâche sur un nouveau cluster de tâches (ce qui est généralement recommandé), le cluster prend fin automatiquement lorsque la tâche est terminée et la charge de travail consomme des DBU (Unités Databricks) de calcul de tâches. En revanche, si vous planifiez l'exécution d'une tâche sur un cluster polyvalent existant, ce cluster démarrera automatiquement et vous pourrez configurer les clusters pour qu'ils prennent fin automatiquement après un temps d'inactivité spécifié (par exemple, 120 minutes), et la charge de travail consomme des DBU de calcul polyvalentes.