AWS阿里云AzureGoogleCloud华为云腾讯云各种云服务器价格收费对比(上)

他带着六家公有云厂商的资源价格走来了~

这一次我们选择了国内外六家公有云厂商AWS、阿里云、Azure、GoogleCloud、华为云、腾讯云的资源价格进行整体比较。之前说过,云端实例资源比较常见的计费模式分为三种:预留实例,按需实例,可被抢占实例。

上篇主要对比以下四项:整体情况:地域分布/计费模式/资源类型三种资源类型:计算型CPU/通用型CPU/GPU资源两种计费模式:按需实例/预留实例(月/1年/3年)三类区域:最优区域/北京区域/美国区域

下篇单独就可被抢占实例类型在六家云厂商之间进行横向比较。

注意三个前提:

1、我们比较的是各大云厂商的云端实例资源价格,并不是云厂商的整体服务;

2、各大云厂商的折扣/优惠情况差异比较大,而且有很多即时性促销政策,目前也不考虑;

3、因为各厂商对实例类型的命名及划分不一致,我们选择的时候是尽可能寻找相近实例类型/相近vCPU/相似内存的资源进行对比,具体规格在图表里均有列出。

六家云厂商全球地域分布:

六家云厂商实例类型:

六家云厂商计费模式:

最优区域——计算型CPU:最优区域此处定义为最近这一时段某厂商某种类型资源全球最低价格所在区域。

计算型CPU的按需实例价格:华为云的最优区域价格最低为0.29元/时,腾讯云的最优区域价格最高0.96元/时,是华为云的三倍,其他几家价格都在0.5-0.6元/时浮动。

计算型CPU的预留实例价格:

按月价格,腾讯云是国内三家云厂商里最贵的。按1年/3年价格,最便宜是华为云和阿里云,Azure价格最高,腾讯云次之,AWS价格居中。

最优区域——通用型CPU:

通用型CPU的按需实例价格:华为云的最优区域价格依然最低0.22元/时,阿里云、GoogleCloud、Azure三家价格居中。

通用型CPU的预留实例价格:

按月价格,华为云在国内三家云厂商里最低。按1年价格,华为云和阿里云价格均在1000-2000元之间,其余三家价格差别不大。按3年价格,华为云价格优势最为明显,腾讯云和AWS价格最高。

最优区域——GPU:

GPU的按需实例价格:腾讯云在六家云厂商里价格最低为8.39元/时,GoogleCloud价格最高为33.19元/时,大概为腾讯云的4倍。

GPU的预留实例价格:

按月价格,腾讯云在国内三家云厂商里最低。按1年价格,腾讯云、阿里云相对最低,AWS价格最高。按3年价格,AWS最高,华为云次之,最便宜的依然是腾讯云与阿里云。

北京区域——计算型CPU:

计算型CPU的按需实例价格:华为云最低0.36元/时,Azure次之0.522元/时,腾讯云最高0.96元/时。

按月价格,华为云在四家云厂商里最低。按1年价格,华为云最低,阿里云次之。按3年价格,华为云最低,腾讯云最高,阿里云居中。

北京区域——通用型CPU:

通用型CPU的按需实例价格:华为云最低0.34元/时,AWS最高为1.405元/时,最低价与最高价之间差异比较大。其余三家价格在0.8-1元/时之间浮动。

按月价格,华为云在四家云厂商里最低。按1年价格,华为云最低,AWS最高。按3年价格,华为云依然最低,腾讯云最高,AWS在该区域没有按3年预留实例类型。

北京区域——GPU:

GPU的按需实例价格:腾讯云价格最低为8.39元/时,阿里云次之11.67元/时,AWS36.08元/时最高。

按月价格,腾讯云在四家云厂商里最低,阿里云也比较便宜。按1年价格,阿里云和腾讯云最低,AWS最高。按3年价格,阿里云最低,华为云最高,AWS在该区域没有按3年预留实例类型。

美国区域——计算型CPU:

计算型CPU的按需实例价格:六家云厂商整体价格比较平稳,GoogleCloud价格最低0.49元/时,阿里云次之0.535元/时。

按月价格,只有阿里云和腾讯云,阿里云最低。按1年/3年价格,阿里云最低,腾讯云最高,AWS和Azure差不多。

美国区域——通用型CPU:

通用型CPU的按需实例价格:GoogleCloud价格最低0.66元/时,五家云厂商之间价格差异不大。华为云在这一区域没有按需实例类型。

按月价格,只有阿里云和腾讯云,阿里云稍微便宜一点。按1年/3年价格,Azure最低,阿里云次之,腾讯云最高。

美国区域——GPU:

GPU的按需实例价格:华为云的价格最低为3.32元/时,GoogleCloud最高为33.19元/时,最高价是最低价格的十倍左右,比较悬殊。

按月价格,只有阿里云和腾讯云,阿里云稍微便宜一点。按1年价格,阿里云最低,Azure次之,AWS最高。按3年价格,Azure最低,腾讯云和AWS最高。

tobecontinued......

-END-

关于我们:速石科技专为有高算力需求的企业级用户提供一站式算力运营解决方案,帮助用户提升10-20倍业务运算效率,降低成本达到75%以上,加快市场响应速度。目前主要应用领域包括药物研发、基因测序分析、半导体行业的EDA仿真及电路设计、汽车行业的自动驾驶开发、虚拟碰撞试验以及AI人工智能。

THE END
1.AI技术深度解析:从基础到应用的全面介绍掌握线性代数、概率论和统计学等数学概念,以及熟悉Python等编程语言是必要的。接下来,可以学习机器学习的基础知识和常用算法,如线性回归、逻辑回归、支持向量机等。通过实践项目来应用所学知识,如构建简单的分类或回归模型,逐步提升自己的实践能力。此外,参加在线课程、阅读专业书籍和论文也是提升机器学习技能的有效途径。https://developer.aliyun.com/article/1645526
2.人工智能基础知识速成什么是机器学习? 机器学习是人工智能的一个分支,通过从数据中学习和改进算法,使计算机系统在没有明确编程的情况下也能够自动地学习和改进。机器学习是一种实现人工智能的技术手段,能够让计算机“自我学习”,从而实现更准确的预测和决策。 机器学习的基本原理 https://www.jianshu.com/p/ebf29ca6e0d7
3.离线算法vs在线算法在计算机科学中,离线和在线算法的本质不同是:在处理数据流和资源使用方面 离线和在线不是具体的某种算法公式,而是一种思维模式,取决于在所给的问题背景下,数据资源是否能够通盘考虑,或是现实场景中不断地有新数据介入 离线算法(OfflineAlgorithm) 离线算法是指在开始处理数据之前,所有需要的输入数据都是已知的。算法https://blog.csdn.net/m0_61678439/article/details/141088418
4.在线算法离线算法今天面试的时候面试官提到了在线算法和离线算法的区别,我之前没有了解过这个概念,所以面试完学习了一下,并在这里记录一下。 在线算法(online algorithm)和离线算法(offline algorithm) 维基百科举了这样一个例子,选择排序是离线算法,而插入排序是在线算法。那就从这两个算法来看看在线算法和离线算法的区别。 选择排序https://zhuanlan.zhihu.com/p/89341847
5.推荐算法中的在线学习和离线学习有何区别,各自的优缺点是什么在线学习和离线学习是推荐算法中常见的训练方式,各自有不同的优缺点。在实际应用中可以根据需求选择合适的方式或结合两者优势。https://www.mbalib.com/ask/question-ec5c1bbee149c6534d0a725ffdb15235.html
6.在对齐AI时,为什么在线方法总是优于离线方法?澎湃号·湃客尽管这些假设听上去似乎是对的,但实验结果表明它们无法可信地解释在线和离线算法的性能差距。 他们通过消融研究发现,提升离线优化的一种有效方法是生成分布上接近起始 RLHF 策略(这里就刚好是 SFT 策略)的数据,这本质上就模仿了在线算法的起始阶段。 优化性质 https://www.thepaper.cn/newsDetail_forward_27434433
7.在线算法因为在线算法并不知道整个的输入,所以它被迫做出的选择最后可能会被证明不是最优的,对在线算法的研究主要集中在当前环境下怎么做出选择。对相同问题的在线算法和离线算法的对比分析形成了以上观点。如果想从其他角度了解在线算法可以看一下流算法(关注精确呈现过去的输入所使用的内存的量),动态算法(关注维护一个在线https://baike.baidu.com/item/%E5%9C%A8%E7%BA%BF%E7%AE%97%E6%B3%95/4449947
8.离线强化学习图18-2 在线算法(橙色)和对应的离线算法(蓝色)的实验结果,从左到右依次为完全回放、同步训练、模仿训练 让人惊讶的是,3 个实验中,离线 DDPG 智能体的表现都远远差于在线 DDPG 智能体,即便是第二个实验的同步训练都无法提高离线智能体的表现。在第三个模仿训练实验中,离线智能体面对非常优秀的数据样本却什么都https://hrl.boyuai.com/chapter/3/%E7%A6%BB%E7%BA%BF%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/
9.漫话地图数据处理之道路匹配篇文化&方法高德技术实时算法主要用于在线导航,时间和空间复杂度低,离线算法用于数据处理的离线计算,算法复杂,追求最高准确度。 空间距离 线要素的匹配,主要通过几何、拓扑或语义相似度来进行识别,其中通过空间距离来进行要素匹配的常用方式有: 闵可夫斯基距离(Minkowski Distance) https://www.infoq.cn/article/aXrXVv5H801wkkhEkDOv
10.在线匹配问题研究进展:如何应对一般图以及顶点全在线的挑战?在在线优化研究中最为常用的方法称为竞争比分析方法,即以竞争比来衡量某个在线算法的性能。在线匹配问题中,竞争比的定义如下:如果一个在线算法在任何可能的图以及任何可能的在线顶点到达顺序中,均能保证其在线解大于图离线最大匹配的倍,那么我们就称该算法为-竞争的。在Karp等人的工作中,他们首先证明了贪心算法(在https://www.orsc.org.cn/wechat/article/detail?id=760
11.科学网—[转载]强化学习在资源优化领域的应用这一工作的实验结果表明,基于RLHO框架,将PPO算法和模拟退火算法结合的方式能够取得比仅使用PPO算法或仅使用基于随机初始化的模拟退火算法更好的结果。 5.2 在线装箱问题 与离线装箱问题不同的是,在线装箱问题无法得知未来到达物件的信息,因而只能通过动态策略求解,不存在静态装箱解,相比之下,在线装箱问题要取得一个好https://blog.sciencenet.cn/blog-3472670-1312677.html
12.在线/离线规划机器之心在线/离线规划 简介 规划问题是希望在运动期间在线计算目标的轨迹,以允许机器人对移动目标的环境变化和运动过程中遇到的误差作出反应。然而,解决这些问题,是一定困难的。这源于搜索空间的高维度,障碍物的几何性质,优化的成本函数,和机器人的运动学和动力学模型。来在给定的合理的计算资源里,这些问题都会妨碍它足够快的https://www.jiqizhixin.com/graph/technologies/6b18674f-9092-4262-8f6e-b6c5db69b8a3
13.SpaceX告诉你:火箭垂直回收,什么“姿势”最正确新闻频道北京理工大学宇航学院特聘研究员刘新福告诉科技日报记者,在发动机推力可调及着陆缓冲机构等硬件条件的基础上,火箭回收最大的难点是,在着陆段怎样根据火箭的当前位置、速度、姿态等信息,在线实时计算出发动机推力的大小和方向,以实现安全精确着陆,其最核心的技术是着陆段的制导算法。 https://news.cctv.com/m/a/index.shtml?id=ARTIA3OF8Lw42kR6o57Vimha190507
14.LCA算法51CTO博客后两个算法都是在线算法,也很相似,时间复杂度在O(logn)~O(nlogn)之间,我个人认为较难理解。 有的题目是可以用线段树来做的,但是其代码量很大,时间复杂度也偏高,在O(n)~O(nlogn)之间,优点在于也是简单粗暴。 倍增寻找(ST算法): 此算法基于动态规划。 https://blog.51cto.com/u_15072920/3489365
15.多台平行批处理机在线排序和带有运输时间的在线排序我们称一个在线算法是ρ-竞争的是指:对于任何一个实例,在线算法产生的目标函数值至多是离线情形下最优排序目标函数值的ρ倍。给定一个在线排序问题P,称算法A是问题P)的一个最好可能的在线算法是指不存在比算法A具有更好竞争比的在线算法。 批处理排序也是近20年来被研究者们广泛研究的一个现代排序模型。它一般https://wap.cnki.net/touch/web/Dissertation/Article/-2010043431.html
16.年终总结&算法数据的思考&结尾彩蛋RecSys2013的best paper通过调整节点顺序从而优化矩阵分块策略,极大改善了矩阵分解算法的效率,你就要去跟踪来更新自己的旧有离线算法;微软亚研搞出了一个Light LDA允许在低网络流量下去做LDA的多机并行,你就要兴冲冲地跑过去读他们啰啰嗦嗦的几十页的paper,因为终于不用忍受LDA低劣的性能了,而这些追踪往往是无穷无尽https://www.douban.com/note/472267231/?qq-pf-to=pcqq.group
17.什么是自动泊车系统?自动泊车路径规划和跟踪技术分析AVM算法又分为离线阶段和在线阶段两部分,在线阶段是对离线阶段的简化,更加适合于工程实现。 avm系统示意图 离线阶段算法pipeline 先来粗略浏览下AVM算法Pipeline包含那些算子: 2D AVM 2D AVM Pipeline 3D AVM 3D AVM Pipeline 基于畸变表的鱼眼相机去畸变 1.1鱼眼相机畸变模型 普通相机和广角相机的投影方式一般为透视https://m.elecfans.com/article/2020392.html