使用 Amazon Personalize 时，您只需按使用量付费；既没有最低费用，也无需预先承诺。您需要根据处理和存储的数据量、用于训练模型的计算小时数以及建议的吞吐量付费。
您需要按上传到 Amazon Personalize 的每 GB 数据付费。这包括流式传输到 Amazon Personalize 的实时数据和通过 Amazon S3 上传的批量数据。
在提供实时建议时，您需要按 TPS 小时为单位为每小时的吞吐量付费（四舍五入到最接近的小时）。计算方式为：最低预置 TPS 或实际 TPS 的最大值乘以处理请求的总计用时（按每个小时 5 分钟的增量）。随后将针对当月的使用量汇总这些数据，并根据定价级别计费。
TPS 小时数 = 最大值（最低预置 TPS，实际 TPS）x（5/60 分钟）
批量建议
您需要支付为使用“USER_PERSONALIZATION”和“PERSONALIZED_RANKING”配方时处理的用户数以及“RELATED_ITEMS”配方进行批量推理作业时处理的项目数的费用。
立即开始免费使用 AWS Personalize。注册后的前两个月，您将获得：
每个符合条件的区域每月高达 20GB
每个符合条件的区域每月多大 100 个训练小时数
每月多达 50 个 TPS 小时的实时建议
定价详情
| 定价 | |
|---|---|
数据摄取 |
0.05 USD/GB |
培训 |
0.24 USD/培训小时 |
建议（推理） 实时 |
|
每个符合条件的区域前 20K TPS 小时 |
实时建议每小时 0.20 USD/TPS |
每个符合条件的区域接下来的 180K TPS 小时 |
实时建议每小时 0.10 USD/TPS |
每个符合条件的区域超过 200K TPS 小时 |
实时建议每小时 0.05 USD/TPS |
批量建议 |
|
每个符合条件的区域每月前 2000 万个建议 |
0.067 USD/1000 个建议 |
每个符合条件的区域每月接下来的 1.8 亿个建议 |
0.058 USD/1000 个建议 |
每个符合条件的区域每月超过 2 亿个建议 |
0.050 USD/1000 个建议 |
定价示例
媒体公司通过对用户偏好和消费行为的实时分析来推动内容发现和推荐。他们在一个月内上传了 200GB 的数据，每天培训一次单个推荐人，每次培训需要 20 分钟完成并且耗用 10 个培训时间。此外，客户使用 10 TPS 的推理容量，每月 720 小时，以生成实时建议。
该月使用 Amazon Personalize 的费用为：
数据处理和存储费用 = 200GB x 0.05 USD/GB = 10 USD
培训费 = 300 个培训小时 x 每个培训小时 0.24 USD = 72 USD
推理费用（实时）= 10 x 720 x 0.20 USD/TPS 小时 = 1440 USD
总成本 = 10 USD + 72 USD + 1440 USD = 1552 USD
为了简单起见，我们假定数据上传量和训练量与示例 1 相同。
因此：
数据处理和存储费用 = 200GB x 0.05 USD/GB = 10 USD
培训费 = 300 个培训小时 x 每个培训小时 0.24 USD = 72 USD
不过，这一次，我们会在一天中的不同时间段改变请求量。
推理使用量和费用：
在下表中，我们将了解可变流量场景，并计算在一天的使用中消耗的 TPS 小时数：
| 推理费用计算 | |||||
| 时间 | 时间（消逝的小时数） | 最低预置的 TPS | 实际 TPS | 最大值（最低预置的 TPS，实际 TPS） | TPS 小时数（最大值 [最低预置的 TPS，实际 TPS] x 时间 [小时数]） |
| 凌晨 12:00 - 下午 6:00 | 18 | 30 | 20 | 30 | 540 |
| 下午 6:00 - 晚上 10:00 | 4 | 30 | 40 | 40 | 160 |
| 晚上 10:00 - 晚上 11:00 | 1 | 30 | 5 | 30 | 30 |
| 晚上 11:00 - 凌晨 12:00 | 1 | 20 | 0 | 20 | 20 |
| 每天花费的 TPS 小时数总计 | 750 | ||||
| TPS 小时数/月 | 22500 | ||||
| 总建议（推理）费用 | 使用量 TPS 小时数（按级别） | 单位价格（USD/TPS 小时） | 费用 (USD) | ||
| 级别 1 | 20000 | 0.2 USD | 4000 USD | ||
| 级别 2 | 2500 | 0.1 USD | 250 USD | ||
| 4250 USD | |||||
零售商使用批量建议为用户生成项目建议，以用于个性化用户的电子邮件。我们假设模型训练是使用 10GB 数据完成的，训练使用 50 个训练小时，然后使用批量推理作业为 100 万用户生成建议，其中为每个用户生成 10 个项目建议。
在此情况下，使用 Personalize 的费用为：
数据处理和存储 = 10 GB x 0.05 USD/GB =0.5 USD
训练费 = 50 个训练小时 x 每个训练小时 0.24 USD = 12 USD
推理费用 = 100 万用户* x 0.067 USD/1000 个建议 = 67 USD
*基于“USER-PERSONALIZATION”配方类型使用“解决方案”时为每个用户生成的建议，将被视为 1 条建议，而与每位用户请求批量定价的结果（项目）数量无关。同样，您仅需为针对 PERSONALIZED-RANKING 处理的用户数付款（无论每个用户重新排名的项目数如何），在使用“RELATED_ITEMS”配方时仅需为处理的项目数付款（无论每个请求的项目的类似项目数如何）。
