はじめに

Databricks Data Intelligence Platform は、データと AI を活用できるようにし、大規模なデータセットや高度な分析に伴う複雑さを簡素化します。Databricks のコスト構造は次の要素の組み合わせです。

• Databricks プラットフォーム料金（Databricks units（DBUs）の使用量に基づく）。DBUs の使用量とコストは、クラスタ・ウェアハウス・モデルなどのワークロードタイプによって異なります。コストの膨張を防ぐには、消費している DBU を把握し、ニーズに合わせて Databricks を最適化する必要があります。

• Databricks が使用するクラウドリソース。プラットフォーム料金に加えて、Databricks が使用する基盤インフラストラクチャについては、選択したクラウドプロバイダーから別途課金されます。例：VM、ストレージ、ネットワーキング。

Databricks を DoiT と統合すると、Databricks のコストおよび使用状況データを取り込み、Databricks の支出を詳細に可視化し、コストをプロジェクトやチームに直接アトリビュートできます。これにより、予測能力、コスト効率、データサイエンスおよびエンジニアリングの取り組みにおける説明責任が向上します。

利点

• コスト構造の一元化。DoiT は、他のクラウドプロバイダーのデータと並行して Databricks のコストと使用状況データを統合できるようにし、クラウド支出を包括的に把握して、より良い財務判断を促進します。

• 可視性の向上。Databricks データを DoiT プラットフォームにインポートすると、Cloud Analytics や、Budgets、Allocations、Forecasting、Anomaly detection などの DoiT の各機能を使用して、Databricks のコストと使用状況を分析・監視できます。さらに、Databricks を使用して AI モデルを提供している場合は、GenAI Intelligence を使用してその支出を追跡できます。

主要機能

• Databricks Intelligence。あらかじめ用意された Databricks Intelligence ダッシュボードにより、データウェアハウスの真のコスト、DBU 使用量、リソースコストを把握できます。ダッシュボードを使用して、コストを最適化するタイミングと方法の判断、パフォーマンスの監視などを行えます。

• Databricks unit（DBU）の消費とクラウドリソースコスト。DBU の総使用量と支出、ならびにクラウドプロバイダーからのクラウドコストを監視します。

• クラスタの利用率。平均クラスタ利用率、CPU、メモリ使用量を追跡します。これにより、ワークロードのプロビジョニングを監視できます。

• ワークロードタイプ。ワークロードタイプ別の DBU 使用量を監視します。これにより、異なるワークロードタイプのトレンドを確認できます。

• 単位コストのメトリクス。ジョブ・クエリ・ユーザーごとのコストを評価し、エンジニアリングの効率を追跡するとともに、顧客にサービスや機能を提供するための実コストを把握します。