Amazon SageMaker の料金

Amazon SageMaker では、2 種類のお支払い方法をご用意しており、お支払いいただくのは使用した分についてのみです。オンデマンドの料金は秒単位で請求され、最低料金や事前のコミットメントはありません。SageMaker Savings Plans は、一定の使用量のコミットメントと引き換えに、柔軟な使用量ベースの料金モデルを提供します。

Amazon SageMaker は無料でお試しいただけます。AWS 無料利用枠の一環として、Amazon SageMaker の使用を無料で開始できます。無料利用枠は、初めて SageMaker リソースを作成した最初の月から始まります。Amazon SageMaker の無料利用枠の詳細は、以下の表でご確認いただけます。

Amazon SageMaker Savings Plans は、コストを最大 64% 削減するのに役立ちます。プランは、インスタンスファミリー、サイズ、リージョンに関係なく、SageMaker Studio Notebooks、SageMaker On-Demand Notebooks、SageMaker Processing、SageMaker Data Wrangler、SageMaker Training、SageMaker Real-Time Inference、SageMaker Batch Transform などの対象となる SageMaker 機械学習 (ML) インスタンスの使用量に自動的に適用されます。例えば、米国東部 (オハイオ) で実行されている CPU インスタンス ml.c5.xlarge から米国西部 (オレゴン) の ml.Inf1 インスタンスにいつでも推論ワークロードの使用量を変更し、自動的に Savings Plans の料金を引き続き支払うことができます。 詳細はこちら »

最初の完全な統合開発環境 (IDE) である Amazon SageMaker Studio に無料でアクセスできるようになりました。SageMaker Studio はモデルの構築、トレーニング、デプロイに必要な各ステップに対し、完全なアクセスおよび可視性をもたらします。SageMaker Studio の使用は無料で、Studio 内で使用する AWS のサービスに対してのみ支払います。

SageMaker Studio 内では、次のような多くのサービスを追加料金なしでご利用いただけます。

• 自動化された ML ワークフローを自動化および管理する SageMaker Pipelines
• 完全な可視性を備えた ML モデルを自動的に作成する SageMaker Autopilot
  
• トレーニングジョブとバージョンを整理および追跡する SageMaker Experiments
• トレーニング中に異常をデバッグする SageMaker Debugger
• 高品質のモデルを維持する SageMaker Model Monitor
• ML モデルをより適切に説明する SageMaker Clarify
• 多くのユースケースに ML ソリューションを簡単にデプロイする SageMaker JumpStart

使用量に基づいて、SageMaker 内の基盤となるコンピューティングおよびストレージリソースまたは他の AWS のサービスについてのみ料金をお支払いいただきます。

Amazon SageMaker Jumpstart と Amazon SageMaker プロジェクトは、AWS Service Catalog でプロビジョニングされた製品です。AWS Service Catalog から、お客様に代わって Amazon SageMaker が AWS Service Catalog に対して行う、基盤となる API 呼び出しの料金が課金される場合があります。詳細については、https://aws.amazon.com/servicecatalog/pricing/ を参照してください。

また、クラウドで初のフルマネージド RStudio Workbench である RStudio on SageMaker の伸縮自在なコンピューティングリソースを使用して、R 言語で機械学習用のデータを分析、および可視化することができます。既存の RStudio ライセンスを SageMaker に導入し、追加コストなしで AWS License Manager を使用して管理することができます。

フルマネージド型のデータラベル付けサービスで、機械学習のための高精度なトレーニングデータセットを簡単に構築することができる Amazon SageMaker Ground Truth の料金について、詳細をご覧ください。

エッジデバイスのフリートで ML モデルを最適化、実行、およびモニタリングするための Amazon SageMaker Edge Manager の料金設定について、詳細をご覧ください。 

Amazon SageMaker は、他のクラウドベースのセルフマネージドソリューションと比較して、3 年間で総所有コスト (TCO) を少なくとも 54% 削減します。Amazon SageMaker の TCO 分析について、詳細をご覧ください。

データサイエンティストは、Amazon SageMaker Studio ノートブックを使用しながら次の一連のアクションを実行します。

1. ml.c5.xlarge インスタンスの TensorFlow カーネルでノートブック 1 を開き、このノートブックで 1 時間作業を行います。
2. ml.c5.xlarge インスタンスでノートブック 2 を開きます。ノートブック 1 を実行しているインスタンスと同じ ml.c5.xlarge インスタンスで自動的に開きます。 
3. ノートブック 1 とノートブック 2 で同時に 1 時間動作します。
   
4. データサイエンティストには、ml.c5.xlarge を使用した合計 2 時間分の料金が請求されます。ノートブック 1 とノートブック 2 で同時に行った重複作業時間の場合、各カーネルアプリケーションは 0.5 時間として計測され、1 時間分が請求されます。
   

データサイエンティストは、RStudio on SageMaker を使用しながら次の一連のアクションを実行します。

1. ml.c5.xlarge インスタンスで RSession 1 を起動し、このノートブックで 1 時間作業を行います。
2. ml.c5.xlarge インスタンスで RSession 2 を起動します。RSession 1 を実行しているインスタンスと同じ ml.c5.xlarge インスタンスで自動的に開きます。
3. RSession 1 と RSession 2 を同時に 1 時間使用します。
4. データサイエンティストには、ml.c5.xlarge を使用した合計 2 時間分の料金が請求されます。RSession 1 と RSession 2 で同時に行った重複作業時間の場合、各 RSession アプリケーションは 0.5 時間として計測され、1 時間分が請求されます。

その間、RSessions が動いているか否かにかかわらず、RServer は 24 時間 365 日動いています。管理者が「スモール」(ml.t3.medium) を選択した場合は、無料で利用できます。管理者が「ミディアム」(ml.c5.4xlarge) または「ラージ」(ml.c5.9xlarge) を選択した場合、SageMaker ドメインで RStudio が有効になっている限り、時間単位で料金が発生します。

Amazon SageMaker 処理は、ジョブが実行されている間に使用されたインスタンスのみ料金がかかります。Amazon S3 の処理向けにインプットデータを提供する場合、Amazon SageMakerは、ジョブの処理開始時にAmazon S3からローカルファイルストレージにデータをダウンロードします。

データ分析は、10分のジョブ時間にて2 ml.m5.4xlargeで処理ジョブを実行してデータを処理、有効します。処理ジョブのインプットとして S3 の 100 GB のデータセットをアップロードします。また、約同様のサイズのアウトプットデータが S3 に戻されて保存されます。

Amazon SageMaker 処理ジョブの小計 = 0.308 USD。
200 GB 汎用 SSD ストレージの小計 = 0.0032 USD。
この例の総額は 0.3112 USD です

データサイエンティストとして、3 日間にわたり、Amazon SageMaker Data Wrangler を使用してデータを 1 日 6 時間クレンジング、探索、および視覚化します。その後、データ準備パイプラインを実行するために、毎週実行するようにスケジュールされている SageMaker Data Wrangler ジョブを開始します。

以下の表は、その月の合計使用量と、Amazon SageMaker Data Wrangler の使用に関連して発生する料金をまとめたものです。

表に基づくと、データを準備するために、Amazon SageMaker Data Wrangler を 3 日間にわたって合計 18 時間使用します。さらに、SageMaker Data Wrangler ジョブを作成して、更新されたデータを毎週準備します。各ジョブは 40 分続き、ジョブは 1 か月間毎週実行されます。

Data Wrangler の使用にかかる合計月額料金 = 16.596 USD + 2.461 USD = 19.097 USD

Amazon SageMaker Feature Store に対してそれぞれ 25 KB の読み取りと書き込みを発行するウェブアプリケーションがあります。月の最初の 10 日間は、アプリケーションへのトラフィックがほとんどなく、SageMaker Feature Store への書き込みと読み取りは毎日それぞれ 10,000 回発生します。その月の 11 日にアプリケーションがソーシャルメディアで注目を集めたため、その日の書き込みと読み取りはそれぞれ 200,000 回となり、アプリケーションのトラフィックが跳ね上がりました。その後、アプリケーションは通常のトラフィックのパターンに落ち着き、月末まで 1 日平均の書き込みと読み取りはそれぞれ 80,000 回となりました。

以下の表は、その月の合計使用量と、Amazon SageMaker Feature Store の使用に関連して発生する料金をまとめたものです。

++ すべての小数の読み取り単位は次の整数に丸められます

データストレージ
保存されたデータの合計 = 31.5 GB
データストレージの月額料金 = 31.5 GB * 0.45 USD = 14.175 USD

Amazon SageMaker Feature Store の月額合計料金 = 56.875 USD + 3.185 USD + 14.175 USD = 74.235 USD

データサイエンティストが新しい考えに対するモデルについて 1 週間仕事をしたとします。彼女は、作成した2つのビルトインルールと1つのカスタムルールを使用してAmazon SageMakerデバッガーを有効にして、トレーニング実行ごとに30分間、ml.m4.4xlargeでモデルを4回トレーニングします。カスタムルールでは、ml.m5.xlarge インスタンスを特定しました。Amazon S3の3 GBトレーニングデータを使用してトレーニングを行い、1 GB モデルアウトプットをAmazon S3 に押し込めます。SageMaker は、各トレーニングインスタンス用に、汎用 SSD (gp2) ボリュームを作成します。SageMaker はまた、特定された各ルール用にも汎用 SSD (gp2) ボリュームを作成します。この例では、合計で 4 つの汎用 SSD (gp2) ボリュームが作成されます。SageMaker デバッガ―は、お客様の Amazon S3 バケットに1 GB のデバッグデータを放出します。

この例でのデバッグおよびトレーニングの総額は、2.38 USD です。コンピューティングインスタンスと、Amazon SageMaker Debugger 組み込みルールで使用される汎用ストレージボリュームについては、追加料金は発生しません。

その後、例 #5 のモデルは、信頼性の高いマルチ AZ ホスティングのために、2 つの ml.c5.xlarge インスタンスに本番としてデプロイされます。Amazon SageMaker Model Monitor は、1 つの ml.m5.4xlarge インスタンスで有効化され、1 日 1 回、ジョブがモニタリングされます。各ジョブのモニタリングは完了するまで5分かかります。このモデルはデータを毎日 100 MB を受信し、インファレンスは入力データのサイズの 10 分の 1 でした。

トレーニング、ホスティング、およびモニタリングの小計 = 305.827 USD。毎月のホスティングのための入力データ処理量 3100 MB と出力データ処理量 310 MB の小計 = 0.06 USD。この例の合計料金は、月額 305.887 USD になります。

ml.m5.xlarge インスタンスのビルトインルールでは、毎月すべてのエンドポイントで集計モニタリング時間が最大 30 時間無料になります。

Amazon SageMaker 非同期推論は、エンドポイントで使用されるインスタンスに対して課金されます。アクティブにリクエストを処理していないときは、コストを節約するためにインスタンスをゼロにスケールするようにオートスケーリングを設定できます。Amazon S3の入力ペイロードの場合、同じリージョンでの Amazon S3 からの入力データの読み取りや S3 への出力データの書き込みにコストは発生しません。

例 #5 のモデルは、SageMaker 非同期推論エンドポイントを実行するために使用されます。このエンドポイントは、1 つの ml.c5.xlarge インスタンスで実行され、アクティブにリクエストを処理していないときは、インスタンスをゼロにスケールダウンするように設定されています。エンドポイントの ml.c5.xlarge インスタンスには，4 GB の汎用 (SSD) ストレージが接続されています。この例では、エンドポイントは 1 日 2 時間、インスタンス 1 を維持し、30 分間のクールダウン期間を経て、残りの時間はインスタンス 0 にスケールダウンします。したがって、1 日あたり 2.5 時間の使用に対して課金されます。 

エンドポイントは 1 日あたり 1024 件のリクエストを処理します。各呼び出しリクエスト/レスポンスボディのサイズは 10 KB で、Amazon S3 の各推論リクエストペイロードは 100 MB です。推論出力は、同じリージョンの Amazon S3 に戻って保存される入力データの 1/10 のサイズです。この例では、データ処理料金はリクエストとレスポンスボディに適用されますが、Amazon S3 との間で転送されるデータには適用されません。 

SageMaker 非同期推論の小計 = 15.81 USD + 0.56 USD + 2*.0048 = 16.38 USDこの例の非同期推論の合計料金は、月額 16.38 USD になります。

Amazon SageMaker バッチ変換では、ジョブの実行中に使用されたインスタンスに対してのみ料金が発生します。データが既に Amazon S3 にある場合、S3 からの入力データの読み取りや S3 への出力データの書き込み、同じリージョンでの S3 からの入力データの読み取りや S3 への出力データの書き込みにコストは発生しません。 

例 #5 のモデルを使用して SageMaker バッチ変換を実行します。データサイエンティストは、3 個の ml.m4.4xlarge 上で 4 つの別々の SageMaker バッチ変換ジョブを、1 回のジョブ実行につき 15 分間実行します。実行ごとに 1 GB の評価データセットを S3 にアップロードし、推論のサイズは S3 に再度保存される入力データの 1/10 です。

SageMaker バッチ変換ジョブの小計 = 2.88 USD、4.4 GB の Amazon S3 への移動の小計 = 0 USD。この例の合計請求額は 2.90 USD です。