本文为您介绍PAI-EAS的计费方式。

PAI-EAS的费用为部署模型服务使用的资源产生的费用:
  • 您可以使用公共资源组或专属资源组部署服务,最终的费用账单会由公共资源组(如果已使用)和专属资源组(如果已使用)费用组成。两种资源组的区别请参见专属资源组
  • 如果同时使用了公共资源组和专属资源组,则账单金额为公共资源组费用和专属资源组费用之和。
公共资源组和专属资源组的计费方式如下。
使用的资源 计费主体 计费方式 计费规则 停止计费的方式
公共资源组 模型服务运行时长(模型服务占用公共资源的时长) 后付费(按量计费) 按照模型服务占用的公共资源时长计费。(一旦创建模型服务,系统就开始计费。) 停止模型服务
专属资源组 资源组机器运行时长 后付费(按量计费) 只对专属资源组机器收费,部署在专属资源组上的模型服务不产生额外费用。(对于后付费方式,一旦创建后付费专属资源组机器,系统就开始计费。) 删除后付费资源组机器
预付费(包年包月)

公共资源组计费方式

使用公共资源组时有两种方式:一种是指定机器资源,另外一种是指定机器型号。这两种使用方式的计费不一样。
对比项 指定机器资源 指定机器型号
计费公式
每个模型服务的账单金额 = 实例数×(cpu核数量×单价 + 内存数×单价)×时长
说明 时长单位为分钟。
每个模型服务的账单金额 = 实例数×机器定价单价×时长
说明 时长单位为分钟。
单价 详情请参见公共资源组定价:指定机器资源 详情请参见公共资源组定价:指定机器型号
计费时间段
  • 计费的时间起点:为模型开始运行(模型开始占用资源)的时间。
  • 计费的时间终点:为模型停止(模型释放资源)的时间。
扩缩容说明
  • 模型扩容后:新资源从扩容成功的时间开始计费。
  • 模型缩容后:释放的资源从释放成功的时间停止计费,剩余资源继续计费。
其他注意事项
  • 计费时长的统计粒度为分钟,不足1分钟不计费。
  • 建议您及时停止无用的模型服务,以免产生不必要的费用。
  • 计费时长的统计粒度为分钟,不足1分钟不计费。
  • 建议您及时停止无用的模型服务,以免产生不必要的费用。
  • 部分机器资源在某些地域可能短期内无货,此时无法购买。

公共资源组定价:指定机器资源

指定机器资源方式的公共资源组的计费方式是后付费(即按量计费),定价详情如下(为方便查看,该定价为小时价,而实际以分钟价计费,使用下表价格除以60,可以获得分钟价)。
资源类型 定价 地域
CPU 0.194(CNY/核/小时)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
  • 华北2(北京)
  • 华北3(张家口)
  • 中国(香港)
  • 新加坡
  • 印度尼西亚(雅加达)
  • 印度(孟买)
  • 德国(法兰克福)
  • 美国(硅谷)
  • 美国(弗吉尼亚)
内存 0.024(CNY/G/小时)

公共资源组定价:指定机器型号

指定机器型号方式的公共资源组的计费方式是后付费(即按量计费),不同地域不同机器型号的定价不一致,定价详情请参见附录:公共资源组指定机器型号定价详情(该定价为小时价,而实际以分钟价计费,使用下表价格除以60,可以获得分钟价)。

公共资源组计费示例

  • 示例场景描述:
    假设您使用指定机器资源方式的公共资源组部署模型服务,资源组在华东1(杭州)地域。
    • 2019年6月3日09:00:00服务进入运行状态,初始占用资源2 CPU Core+8 GB。
    • 2019年6月3日10:00:00完成缩容,占用资源减少到1 CPU Core+4 GB。
    • 2019年6月3日11:00:00完成扩容,占用资源增加到4 CPU Cor+16 GB。
    • 2019年6月3日12:00:00服务进入停止状态。
  • 费用计算:
    账单金额=2×0.194+8×0.024+1×0.194+4×0.024+4×0.194+16×0.024=2.03 CNY

专属资源组计费方式

使用专属资源组时,有两种计费方式:预付费(包年包月)和后付费(按量计费)。这两种方式的计费详情不一样。
对比项 预付费(包年包月) 后付费(按量计费)
计费公式
每个资源组的总金额=资源数量 × 定价 × 购买时长
说明 时长单位为分钟。
每个资源组的账单金额=资源数量 ×(定价/60)× 使用时长
说明 时长单位为分钟。
单价 详情请参见专属资源组定价
计费时间段 购买时长从购买次日开始起算(购买当日免费使用),往后推30天为一个月。例如,您2019年7月31日购买专属资源组机器一个月,则2019年8月31日00:00:00该资源组机器到期。
说明 购买时长范围:1个月2个月3个月6个月1年
  • 计费的时间起点:资源组机器创建成功并进入运行状态(状态为运行中)的时间。
  • 计费的时间终点:资源组无机器资源(状态为无使用资源)的时间。
扩缩容说明 不涉及
  • 模型扩容后:新资源从扩容成功的时间开始计费。
  • 模型缩容后:释放的资源从释放成功的时间停止计费,剩余资源继续计费。
其他注意事项 部分机器资源在某些地域可能短期内无货,此时无法购买。
  • 计费时长的统计粒度为分钟,不足1分钟不计费。
  • 建议您及时停止无用的模型服务,以免产生不必要的费用。
  • 部分机器资源在某些地域可能短期内无货,此时无法购买。

专属资源组定价

预付费(包年包月)的定价详情请前往购买专属资源机器型号页面查看。

后付费(按量计费)的定价详情请前往购买专属资源机器型号页面查看。

专属资源组计费示例

  • 预付费(包年包月)示例
    • 示例场景描述:

      假设您使用预付费(包年包月)的方式,购买了华东1(杭州)地域的4 CPU Core+15 GB GPU T4卡两台,购买时长为3个月,定价为3683(CNY/月)。

    • 费用计算:
      总金额=2×3683×3=22098 CNY
  • 后付费(计量计费)示例
    • 示例场景描述:

      假设您使用后付费(计量计费)的方式,购买了华东1(杭州)地域ecs.g6.6xlarge(24 CPU Core+96 GB)2台,使用时长为45分钟,定价为6.6 (CNY/小时)(实际价格以产品购买为准)。

    • 费用计算:
      账单金额=2×(6.6/60)×45=9.9 CNY

欠费说明

欠费原因

您当前账号余额不足。
  • 预付费资源组机器,绑定的续费账户余额不足。
  • 后付费资源组机器或公共资源组,您的账户可用余额小于上一个计费周期的账单金额,阿里云扣费失败后,您将处于欠费状态。

欠费停服说明

  • 预付费资源组机器

    如果资源组机器到期未续费或续费不成功,则资源组机器将被释放,释放后该资源组机器状态更新为已停机,使用该资源组机器运行的EAS服务状态更新为等待中。

    如果您在自到期之日起的15个自然日(15 x 24=360小时)内续费成功,专属资源组会自动恢复已停机的机器。

    如果自到期之日起的15个自然日(15 x 24=360小时)内仍未续费,则实际欠费满15个自然日后,系统会将已停机的机器彻底删除。

  • 后付费资源组(包括后付费机器和公共资源组)
    欠费后如果在延停权益额度内,您的资源组不会停止服务。
    说明 阿里云提供延停权益,即当按量付费的资源发生欠费后,提供一定额度或时长继续使用云服务的权益。延停期间正常计费。延停的权益额度不是欠费总额的上限。您延停的额度或时长根据您在阿里云的历史消费等因素,每个月自动计算并更新。更多信息,请参见延期免停权益

    欠费后如果超出延停权益额度,公共资源组会停止服务,后付费机器将被释放,释放后该机器状态更新为已停机,使用该资源组运行的EAS服务状态更新为等待中。

    如果自欠费之日起15个自然日(15 x 24=360小时)内充值并结清账单,则可以恢复使用资源组,相关数据仍然得以保留。如果自欠费之日起15个自然日(15 x 24=360小时)内未结清账单,则实际欠费满15个自然日后,系统会将已停机的机器彻底删除。

查看欠费金额

  1. 登录用户中心
  2. 首页待办提醒区域,查看欠费金额。历史未结清

附录:公共资源组指定机器型号定价详情

具体定价详情,如下所示。
实例规格 实例名称 vCPU 内存(GiB) 定价(CNY/小时) 地域
ecs.c5.6xlarge c5(24vcpu+48GB) 24 48 6.9 印度(孟买)
8.16 新加坡
7.86
  • 印度尼西亚(雅加达)
  • 中国(香港)
8.22
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
6.12 华北3(张家口)
7.2 德国(法兰克福)
7.02 美国(弗吉尼亚)
ecs.c6.2xlarge c6(8vcpu+16GB) 8 16 2.34 印度(孟买)
2.7
  • 印度尼西亚(雅加达)
  • 新加坡
1.74
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
2.94 中国(香港)
1.2 华北3(张家口)
2.64 德国(法兰克福)
2.34
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.c6.4xlarge c6(16vcpu+32GB) 16 32 4.68 印度(孟买)
5.34
  • 新加坡
  • 印度尼西亚(雅加达)
3.42
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
5.88 中国(香港)
2.4 华北3(张家口)
5.28 德国(法兰克福)
4.68
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.c6.6xlarge c6(24vcpu+48GB) 24 48 7.02
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
8.04
  • 新加坡
  • 印度尼西亚(雅加达)
5.16
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
8.82 中国(香港)
3.6 华北3(张家口)
7.92 德国(法兰克福)
ecs.c6.8xlarge c6(32vcpu+64GB) 32 64 9.3
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
10.74
  • 新加坡
  • 印度尼西亚(雅加达)
6.84
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
11.82 中国(香港)
4.8 华北3(张家口)
10.56 德国(法兰克福)
ecs.g5.6xlarge g5(24vcpu+96GB) 24 96 11.7
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
8.76 华北3(张家口)
10.74 中国(香港)
8.58 印度(孟买)
11.16 新加坡
10.56 印度尼西亚(雅加达)
10.26 德国(法兰克福)
8.94 美国(弗吉尼亚)
ecs.g6.2xlarge g6(8vcpu+32GB) 8 32 3 印度(孟买)
3.54
  • 新加坡
  • 印度尼西亚(雅加达)
2.22
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
3.9 中国(香港)
1.56 华北3(张家口)
3.42 德国(法兰克福)
2.88
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.g6.4xlarge g6(16vcpu+64GB) 16 64 6 印度(孟买)
7.14
  • 新加坡
  • 印度尼西亚(雅加达)
4.38
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
7.86 中国(香港)
3.06 华北3(张家口)
6.84 德国(法兰克福)
5.7
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.g6.6xlarge g6(24vcpu+96GB) 24 96 9 印度(孟买)
10.68
  • 新加坡
  • 印度尼西亚(雅加达)
6.6
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
11.76 中国(香港)
4.62 华北3(张家口)
10.32 德国(法兰克福)
8.58
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.g6.8xlarge g6(32vcpu+128GB) 32 128 11.94 印度(孟买)
14.28
  • 新加坡
  • 印度尼西亚(雅加达)
8.82
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
15.66 中国(香港)
6.18 华北3(张家口)
11.46
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.gn5-c28g1.7xlarge 28vcpu+112GB+1*P100 28 112 24.6 印度(孟买)
24
  • 新加坡
  • 印度尼西亚(雅加达)
26.28
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
22.8 中国(香港)
24.72 德国(法兰克福)
22.62
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.gn5-c4g1.xlarge 4vcpu+30GB+1*P100 4 30 13.14
  • 印度(孟买)
  • 中国(香港)
13.86
  • 新加坡
  • 印度尼西亚(雅加达)
14.04
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
12.66 华北3(张家口)
12.36 德国(法兰克福)
11.88 美国(弗吉尼亚)
13.08 美国(硅谷)
ecs.gn5-c8g1.2xlarge 8vcpu+60GB+1*P100 8 60 15.84 印度(孟买)
16.68
  • 新加坡
  • 印度尼西亚(雅加达)
16.92
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
15.84 中国(香港)
15.24 华北3(张家口)
14.88 德国(法兰克福)
14.28 美国(弗吉尼亚)
15.72 美国(硅谷)
ecs.gn5-c8g1.4xlarge 16vcpu+120GB+2*P100 16 120 31.68
  • 中国(香港)
  • 印度(孟买)
33.36
  • 新加坡
  • 印度尼西亚(雅加达)
33.84
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
30.48 华北3(张家口)
29.76 德国(法兰克福)
28.62 美国(弗吉尼亚)
31.5 美国(硅谷)
ecs.gn5i-c4g1.xlarge 4vcpu+16GB+1*P4 4 16 10.68
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
7.98 华北3(张家口)
ecs.gn5i-c8g1.2xlarge 8vcpu+32GB+1*P4 8 32 12.84
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
9.6 华北3(张家口)
ecs.gn6i-c16g1.4xlarge 16vcpu+62GB+1*T4 16 62 14.7 印度(孟买)
15.24 新加坡
14.22 印度尼西亚(雅加达)
18.06
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
13.5 中国(香港)
16.26 华北3(张家口)
14.64 德国(法兰克福)
13.26 美国(硅谷)
12.84 美国(弗吉尼亚)
ecs.gn6i-c24g1.12xlarge 48vcpu+186GB+2*T4 48 186 35.1 印度(孟买)
38.22 新加坡
35.7 印度尼西亚(雅加达)
37.8
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
33.9 中国(香港)
34.02 华北3(张家口)
36.96 德国(法兰克福)
33.66 美国(硅谷)
32.64 美国(弗吉尼亚)
ecs.gn6i-c24g1.6xlarge 24vcpu+93GB+1*T4 24 93 17.52 印度(孟买)
19.08 新加坡
17.82 印度尼西亚(雅加达)
18.9
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
16.92 中国(香港)
17.04 华北3(张家口)
18.48 德国(法兰克福)
16.8 美国(硅谷)
16.32 美国(弗吉尼亚)
ecs.gn6i-c4g1.xlarge 4vcpu+15GB+1*T4 4 15 9.78
  • 印度(孟买)
  • 新加坡
9.12 印度尼西亚(雅加达)
12.78
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
8.7 中国(香港)
11.52 华北3(张家口)
9.06 德国(法兰克福)
8.82 美国(硅谷)
8.58 美国(弗吉尼亚)
ecs.gn6i-c8g1.2xlarge 8vcpu+31GB+1*T4 8 31 11.4 印度(孟买)
11.58 新加坡
10.86 印度尼西亚(雅加达)
15.42
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
10.26 中国(香港)
13.86 华北3(张家口)
10.92 德国(法兰克福)
10.32 美国(硅谷)
9.96 美国(弗吉尼亚)
ecs.gn6v-c8g1.2xlarge 8vcpu+32GB+1*V100 8 32 33.54 新加坡
29.1
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
21.84 华北3(张家口)
20.1 美国(弗吉尼亚)
ecs.r6.2xlarge r6(8vcpu+64GB) 8 64 3.9 印度(孟买)
4.5
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
2.94
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
4.98 中国(香港)
2.04 华北3(张家口)
3.72
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.r6.4xlarge r6(16vcpu+128GB) 16 128 7.74 印度(孟买)
9
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
5.82
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
9.96 中国(香港)
4.02 华北3(张家口)
7.5
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.r6.6xlarge r6(24vcpu+192 24 192 11.64 印度(孟买)
13.44
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
8.76
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
14.94 中国(香港)
6.06 华北3(张家口)
11.22
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.r6.8xlarge r6(32vcpu+256GB) 32 256 15.48 印度(孟买)
17.94
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
11.64
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
19.86 中国香港
8.04 华北3(张家口)
14.94
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.g7.2xlarge g7(8vcpu+32GB) 8 32 3.3
  • 新加坡
  • 印度尼西亚(雅加达)
2.28
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
3.66 中国(香港)
ecs.g7.4xlarge g7(16vcpu+64GB) 16 64 6.6
  • 新加坡
  • 印度尼西亚(雅加达)
4.62
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
7.26 中国(香港)
ecs.g7.6xlarge g7(24vcpu+96GB) 24 96 9.96
  • 新加坡
  • 印度尼西亚(雅加达)
6.9
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
10.92 中国(香港)
ecs.g7.8xlarge g7(32vcpu+128GB) 32 128 13.26
  • 新加坡
  • 印度尼西亚(雅加达)
9.18
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
14.58 中国(香港)
ecs.c7.2xlarge c7(8vcpu+16GB) 8 16 2.7
  • 新加坡
  • 印度尼西亚(雅加达)
1.8
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
3 中国(香港)
ecs.c7.4xlarge c7(16vcpu+32GB) 16 32 5.4
  • 新加坡
  • 印度尼西亚(雅加达)
3.6
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
5.94 中国(香港)
ecs.c7.6xlarge c7(24vcpu+48GB) 24 48 8.1
  • 新加坡
  • 印度尼西亚(雅加达)
5.4
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
8.94 中国(香港)
ecs.c7.8xlarge c7(32vcpu+64GB) 32 64 10.8
  • 新加坡
  • 印度尼西亚(雅加达)
11.94 中国(香港)
7.2
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.r7.2xlarge r7(8vcpu+64GB) 8 64 4.2 新加坡
3.06
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
4.62 中国(香港)
ecs.r7.4xlarge r7(16vcpu+128GB) 16 128 8.4 新加坡
6.12
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
9.24 中国(香港)
ecs.r7.6xlarge r7(24vcpu+192GB) 24 192 12.6 新加坡
9.18
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
13.8 中国(香港)
ecs.r7.8xlarge r7(32vcpu+256GB) 32 256 16.8 新加坡
12.44
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
18.42 中国(香港)
ecs.g7.16xlarge g7(64vcpu+256GB) 64 256 26.46
  • 新加坡
  • 印度尼西亚(雅加达)
18.42
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
29.1 中国(香港)
ecs.c7.16xlarge c7(64vcpu+128GB) 64 128 21.6
  • 新加坡
  • 印度尼西亚(雅加达)
14.34
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
23.82 中国(香港)
ecs.r7.16xlarge r7(64vcpu+512GB) 64 512 33.54 新加坡
24.48
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
36.84 中国(香港)
ecs.gn7i-c8g1.2xlarge 8vcpu+30GB+1*A10 8 30 19.86 新加坡
13.98
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.gn7i-c16g1.4xlarge 16vcpu+60GB+1*A10 16 60 21.06 新加坡
14.82
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.gn7i-c32g1.8xlarge 32vcpu+188GB+1*A10 32 188 23.4 新加坡
16.44
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.gn6e-c12g1.3xlarge 12vcpu+92GB+1*V100 12 92 30.36 新加坡
21.72
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.g6.xlarge g6(4vcpu+16GB) 4 16 1.5 印度(孟买)
1.8
  • 新加坡
  • 印度尼西亚(雅加达)
1.08
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
1.98 中国(香港)
0.78 华北3(张家口)
1.74 德国(法兰克福)
1.44
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.c6.xlarge c6(4vcpu+8GB) 4 8 1.14
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
1.32
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
0.84
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
1.5 中国(香港)
0.6 华北3(张家口)
ecs.r6.xlarge r6(4vcpu+32GB) 4 32 1.92 印度(孟买)
2.22
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
1.44
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
2.46 中国(香港)
1.02 华北3(张家口)
1.86
  • 美国(弗吉尼亚)
  • 美国(硅谷)
ecs.g6.large g6(2vcpu+8GB) 2 8 0.72
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
0.9
  • 新加坡
  • 印度尼西亚(雅加达)
0.54
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
0.96 中国(香港)
0.36 华北3(张家口)
0.84 德国(法兰克福)
ecs.c6.large c6(2vcpu+4GB) 2 4 0.6
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
0.66
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
0.42
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
0.72 中国(香港)
0.3 华北3(张家口)
ecs.r6.large r6(2vcpu+16GB) 2 16 0.96
  • 印度(孟买)
  • 美国(弗吉尼亚)
  • 美国(硅谷)
1.14
  • 新加坡
  • 印度尼西亚(雅加达)
  • 德国(法兰克福)
0.72
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
0.48 华北3(张家口)
1.26 中国(香港)
ecs.c7a.large AMD(2vcpu+4GB) 2 4 0.6 新加坡
0.3
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
0.54 中国(香港)
ecs.c7a.xlarge AMD(4vcpu+8GB) 4 8 1.14
  • 新加坡
  • 中国(香港)
0.66
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.c7a.2xlarge AMD(8vcpu+16GB) 8 16 2.28 新加坡
1.32
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
2.22 中国(香港)
ecs.c7a.4xlarge AMD(16vcpu+32GB) 16 32 4.62 新加坡
2.58
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
4.44 中国(香港)
ecs.c7a.8xlarge AMD(32vcpu+64GB) 32 64 9.24 新加坡
5.16
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
8.88 中国(香港)
ecs.c7a.16xlarge AMD(64vcpu+128GB) 64 128 18.48 新加坡
10.32
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
17.82 中国(香港)
ecs.g7a.large AMD(2vcpu+8GB) 2 8 0.78
  • 新加坡
  • 中国(香港)
0.48
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
ecs.g7a.xlarge AMD(4vcpu+16GB) 4 16 1.56 新加坡
0.96
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
1.5 中国(香港)
ecs.g7a.2xlarge AMD(8vcpu+32GB) 8 32 3.18 新加坡
1.92
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
3.06 中国(香港)
ecs.g7a.4xlarge AMD(16vcpu+64GB) 16 64 6.3 新加坡
3.9
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
6.06 中国(香港)
ecs.g7a.8xlarge AMD(32vcpu+128GB) 32 128 12.66 新加坡
7.74
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
12.18 中国(香港)
ecs.g7a.16xlarge AMD(64vcpu+256GB) 64 256 25.32 新加坡
15.48
  • 华北2(北京)
  • 华东1(杭州)
  • 华东2(上海)
  • 华南1(深圳)
24.3 中国(香港)