本文为您介绍PAI-Rec的计费规则。
计费规则
计费项1:PAI-Rec实例
计费项 | 计费方式 | |
PAI-Rec实例 | 资源包(预付费) | 预先购买资源包,在费用结算时,从资源包抵扣用量,先购买,后抵扣。 购买后立即生效,自购买日起一年内有效,过期作废。 |
PAI-Rec实例包括标准版和高级版,具体详情如下:
标准版提供的功能包括:
推荐业务引擎
用于根据用户的推荐请求,串联召回、过滤、排序、粗排、精排、冷启动等链路,生成推荐结果。
特征一致性校验
通过推荐系统的线上请求,记录推荐服务中在线使用的用户特征、物品特征、上下文特征,然后对以上特征变换之后的特征,最后再通过模型推理得到模型得分。记录这些特征之后,再利用离线的特征变换、模型打分。对比离线和在线对比分数是否一致,如果不一致再找出不一致的特征。这样可以尽快找出离在线不一样的特征,从而保证离在线特征存储、读取、特征变换的一致性。
实验平台
用于管理推荐场景召回、过滤、排序、重排参数,通过调整实验配置参数来做分词实验。实验平台包括实验流量管理、实验指标注册、天级实验报表和小时级实验报表对比查看等功能。
高级版增加的功能包括:
数据诊断
用于分析用户特征表、物品特征表的分布情况,用户行为表的转化率、留存率、曾现率等情况。帮助客户检查推荐场景的日志是否有问题,便于后续推荐算法定制中的特征和参数配置。
推荐算法定制
包括多种召回算法、离线统计和实时统计特征、粗排和精排模型的配置,配置完成之后生产特征工程、召回算法、粗排和精排模型的代码,以及推荐引擎的配置代码等。
一键部署功能
对推荐算法定制产出的代码、脚本,一键部署到DataWorks中。并且提供补数的流程图,帮助用户按照顺序补全特征和训练样本数据。
计费项2:云资源消耗
为搭建完整的推荐系统,需要使用MaxCompute、PAI-EAS等服务,此类服务的资源消耗,需按照云服务的计费规则进行相应扣费。云资源消耗不包含在PAI-Rec费用中。
推荐方案的复杂性导致费用相差比较大,例如物品和用户的数量、是否使用向量召回、物品冷启动算法、复杂的排序模型、在线学习等。同时,根据业务需要,使用自动扩缩容的EAS实例,使用预付费的MaxCompute,定期清理Hologres或OSS中不用的数据,以及使用增量训练代替全量训练等操作都可以节约成本。
按照DAU(日活)估计包含离线训练和在线服务的整套推荐系统资源消耗如下(PAI-Rec高级版):
实际价格以出账账单为准。
业务规模 | 资源消耗预估中位数(目录价/月) |
DAU5万以内 | 4万元 |
DAU5万~10万 | 7万元 |
DAU10万~20万 | 15万元 |
DAU20万~50万 | 30万元 |
DAU50万~200万 | 70万元 |
更多计费详情,请参见MaxCompute计费说明、模型在线服务(EAS)计费说明、Hologres计费说明和OSS计费说明。
计费项3:实施交付或高阶能力部署
如果需要阿里侧工程师进行系统搭建、算法定制等服务,可通过商务洽谈的方式进行合作。合作项目完成后,需支付一定的定制人天的投入费用。
计费方式
资源包为预付费的抵扣包,是指您根据业务量级预估一次性付费购买相应规格的商品资源包。自购买日起,一年内有效,超出有效期未抵扣的资源包额度自动失效。
实际价格以出账账单为准。
由于不同区域的资源价格有差异,推荐业务引擎按照区域实施差异定价。
区域 | 地域 | 标准版价格 | 高级版价格 |
亚太 |
| 5,000元/月 | 8,000元/月 |
| 8,000元/月 | 10,000元/月 | |
欧洲和美洲 |
|