AWS Clean Rooms 요금

AWS Clean Rooms는 초 단위의 클린 룸 처리 단위(CRPU) 시간(최소 요금 기준 60초)을 기준으로 컴퓨팅 파워를 측정합니다. 관리할 리소스와 선결제 비용이 없으며 시작 시간 또는 종료 시간에 대해서는 비용이 부과되지 않습니다. AWS Clean Rooms에서 Spark SQL 쿼리를 실행하면 쿼리를 실행하는 협업자 또는 협업에 참여하는 모든 구성원의 요금 지불 책임을 구성할 수 있습니다. 결제 책임이 있는 구성원에게는 협업의 모든 쿼리에 대한 요금이 청구됩니다.

AWS Clean Rooms Spark SQL은 쿼리를 실행하는 데 사용한 CRPU의 수를 기준으로 시간당 요금을 청구합니다. 컴퓨팅 사용량은 CPU당 요금으로 지불하며, 다양한 인스턴스 중에서 쿼리를 실행할 인스턴스를 선택할 수 있습니다. 기본적으로 AWS Clean Rooms는 각 Spark SQL 쿼리에 32 CRPU를 할당합니다. 

Spark SQL 쿼리를 실행할 인스턴스 유형과 인스턴스(작업자) 수를 선택할 수 있습니다. CR.1X의 경우 최대 128명, 최소 2명의 작업자를 선택할 수 있습니다. CR.4X의 경우 최대 32명, 최소 2명의 작업자를 선택할 수 있습니다. 예를 들어, 다음과 같습니다.

참고: 더 많은 인스턴스를 사용한 컴퓨팅 엔진 구성을 선택하여 Spark SQL 쿼리에 리소스를 더 많이 할당할 수 있습니다. 컴퓨팅 엔진 구성이 높을수록 작업 요구 사항과 한도를 충족하기 위해 더 많은 인스턴스에 워크로드가 분산됩니다. 여기에서 각 구성의 관련 vCPU, 메모리 및 스토리지에 대해 자세히 알아보세요.

Spark SQL 컴퓨팅: Spark SQL 쿼리를 실행하는 데 걸리는 시간을 기준으로 CRPU 시간당 요금을 지불합니다. AWS Clean Rooms Spark SQL 컴퓨팅 요금은 AWS 리전에 따라 다릅니다.

Spark SQL 쿼리를 사용하여 여러 협업 구성원의 구성된 테이블에 걸쳐 분석을 실행하려고 합니다. Spark SQL 쿼리는 3분 동안 실행되며, 미국 동부(버지니아 북부)의 AWS Clean Rooms 협업 환경에서 하루에 세 번 처리해야 합니다. CR.1X와 16개의 인스턴스를 사용한 기본 AWS Clean Rooms Spark SQL 컴퓨팅 엔진 구성을 사용하려고 합니다. 이 경우 시간당 총 32 CRPU의 용량을 사용하여 쿼리를 실행하게 됩니다.

다음 표는 하루와 1년간의 총 사용량을 요약합니다.

Spark SQL 쿼리를 사용하여 여러 협업 구성원의 구성된 테이블에 걸쳐 분석을 실행하려고 합니다. Spark SQL 쿼리는 미국 동부(버지니아 북부)의 AWS Clean Rooms 협업 환경에서 하루에 한 번 3분 동안 실행됩니다. CR.4X와 8개의 인스턴스를 사용한 AWS Clean Rooms Spark SQL 컴퓨팅 엔진 구성을 사용하기로 했습니다. 이 경우 시간당 총 64 CRPU의 용량을 사용하여 쿼리를 실행하게 됩니다.

다음 표는 하루와 1년간의 총 사용량을 요약합니다.

Spark SQL 쿼리를 사용하여 여러 협업 구성원이 구성한 테이블에 걸쳐 분석을 실행하고, AWS Clean Rooms Differential Privacy를 사용해 추가 보호 계층을 구현하려고 합니다. 총 CRPU 시간당 비용은 4.00 USD(Spark SQL 컴퓨팅의 CRPU 시간당 2.00 USD + AWS Clean Rooms Differential Privacy의 CRPU 시간당 2.00 USD)입니다. 쿼리는 미국 동부(버지니아 북부)의 AWS Clean Rooms 협업 환경에서 하루에 한 번 처리해야 합니다. CR.1X와 16개의 인스턴스를 사용한 기본 AWS Clean Rooms Spark SQL 컴퓨팅 엔진 구성을 사용하려고 합니다. 이 경우 시간당 총 32 CRPU의 용량을 사용하여 쿼리를 실행하게 됩니다. 평균 쿼리 완료 시간은 4.5분입니다.

다음 표는 하루와 1년간의 총 사용량을 요약합니다.

AWS Clean Rooms ML 맞춤형 모델링을 실행할 경우, 레코드 100만 개당 가격을 기준으로 한 레코드 수에 따른 비용, 선택한 컴퓨팅 인스턴스 유형의 사용량에 따른 비용, 협업 환경의 훈련 및 추론에서 입력 데이터를 생성하기 위해 실행한 Spark SQL 쿼리의 컴퓨팅 파워에 따른 비용 등 세 가지 비용 항목을 기준으로 훈련, 추론 또는 둘 모두에 대한 비용을 지불합니다. 이 세 가지 비용 항목에 대한 자세한 내용은 아래를 참조하세요.

참고: AWS Clean Rooms ML 맞춤형 모델링을 적용하려면 Spark SQL을 분석 엔진으로 사용해야 합니다. 자세한 내용은 AWS Clean Rooms Spark SQL 요금을 참조하세요.

1. 레코드 수: 레코드 100만 개당 요금을 기준으로, 레코드 수에 따른 비용을 지불합니다. 월간 훈련 또는 추론을 위해 처리되는 레코드의 수에 따라 요금이 다르게 적용됩니다.

참고: 훈련 및 추론용 레코드 수에 대한 요금은 AWS 리전별로 다르지 않습니다.

2. 맞춤형 모델링 컴퓨팅: 선택한 컴퓨팅 인스턴스 유형의 사용량과 훈련 및 추론을 완료하는 데 걸리는 시간에 따라 비용을 지불합니다. 

참고: AWS Clean Rooms ML 맞춤형 모델링 컴퓨팅 요금은 사용하는 기능에 따라 AWS 리전별로 다를 수 있습니다. 실행한 각 훈련 및 추론 작업의 길이를 기준으로 컴퓨팅 요금이 청구됩니다.

3. Spark SQL 컴퓨팅: Spark SQL 쿼리를 실행하는 데 걸리는 시간을 기준으로 CRPU 시간당 요금을 지불하며, 다양한 인스턴스 중에서 쿼리를 실행할 인스턴스를 선택할 수 있습니다. 성능, 규모, 비용 요구 사항에 따라, 쿼리를 실행할 컴퓨팅 엔진 구성을 4개 옵션 중에서 선택할 수 있습니다. 기본적으로 AWS Clean Rooms는 각 Spark SQL 쿼리에 32 CRPU를 할당하며, 필요에 따라 워크로드 크기를 최대 256 CRPU 또는 최소 4 CRPU까지 선택할 수 있습니다.

참고: AWS Clean Rooms ML 맞춤형 모델링을 적용하려면 Spark SQL을 분석 엔진으로 사용해야 합니다. 자세한 내용은 AWS Clean Rooms Spark SQL 요금을 참조하세요.

AWS Clean Rooms ML 맞춤형 모델링을 사용하여 다른 금융 기관과의 사기 거래를 탐지하는 독점 모델을 훈련하려고 합니다. 여러분과 다른 협력자의 거래 기록 3,000만 건으로 구성된 공동 데이터세트를 활용하여 이 모델을 훈련하려고 합니다. ml.p3.8xlarge 인스턴스를 사용하려고 하며, 각 훈련 작업을 완료하는 데 평균 6시간이 걸립니다. 수상한 거래의 목록을 가져오는 Spark SQL 쿼리는 1시간 동안 실행됩니다. CR.1X와 16개의 인스턴스를 사용한 AWS Clean Rooms Spark SQL 컴퓨팅 엔진 구성을 사용하려고 합니다. 이 경우 시간당 총 32 CRPU의 용량을 사용하여 쿼리를 실행하게 됩니다.

다음 표에는 미국 동부(버지니아 북부)에서의 사용량과 요금이 요약되어 있습니다.

AWS Clean Rooms ML 맞춤형 모델링을 사용하여 잠재 고객이 전자 상거래 웹 사이트에서 광고를 클릭할 가능성을 예측하려고 합니다. 전자 상거래 파트너가 제공한 500억 개의 고객 레코드로 구성된 데이터세트에 대해 추론을 실행하려고 합니다. ml.m5.4xlarge를 사용하려고 하며, 각 추론 작업을 완료하는 데 평균 2시간이 걸립니다. Spark SQL 쿼리는 1시간 동안 실행되어 추론용 데이터를 생성합니다. CR.4X와 8개의 인스턴스를 사용한 AWS Clean Rooms Spark SQL 컴퓨팅 엔진 구성을 사용하려고 합니다. 이 경우 시간당 총 64 CRPU의 용량을 사용하여 쿼리를 실행하게 됩니다.

다음 표에는 미국 동부(버지니아 북부)에서의 사용량과 요금이 요약되어 있습니다.

규칙 기반 매칭을 사용하는 경우 파트너의 데이터세트와 매칭하기 전에 협업 환경의 구성원 중 하나 이상이 데이터를 준비해야 합니다. 데이터 서비스 제공업체 기반 매칭을 사용하는 경우, 모든 협업 환경 구성원은 파트너의 데이터세트와 데이터를 매칭하기 전에 제공업체 ID로 데이터세트를 준비해야 합니다.

참고: AWS Clean Rooms 협업 환경에 참여하기 전에 이미 AWS Entity Resolution을 사용하여 데이터를 준비한 경우, 해당 데이터세트를 AWS Clean Rooms 협업 환경에서 매칭에 사용할 수 있습니다. 데이터를 다시 준비할 필요는 없습니다.