はじめに

Databricks Data Intelligence Platform により、組織はデータと AI を活用し、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できます。Databricks のコスト構造は、以下の組み合わせで構成されています。

• Databricks プラットフォーム料金（Databricks units（DBUs）の使用量に基づき）。DBU 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変動します。コストが際限なく膨らむことを防ぐには、自分たちが消費している DBU を把握し、自社のニーズに合わせて 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、選択したクラウドプロバイダーから別途請求されます（例：VM、ストレージ、ネットワーキングなど）。

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連携し、Databricks の支出を詳細に可視化しつつ、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、データサイエンスおよびエンジニアリングの各イニシアチブにおいて、予測精度、コスト効率、説明責任を向上させることができます。

利点

• 統合されたコスト構造
  DoiT により、Databricks のコストおよび使用状況データを、他のクラウドプロバイダーのデータと並べて統合でき、クラウド支出の全体像を把握し、より良い財務判断を行うことができます。

• 可視性の向上
  Databricks データを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 の機能を利用して、Databricks のコストおよび使用状況を分析・監視できるようになります。さらに、Databricks を AI モデルの提供に使用している場合は、GenAI Intelligence を用いてその支出を追跡できます。

主な特徴

• Databricks Intelligence
  事前構成された 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を把握し、DBU 使用量やリソースコストを確認できます。このダッシュボードを使用して、コストをいつ・どのように最適化するかを判断し、パフォーマンスを監視することなどが可能です。

• Databricks ユニット（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、およびクラウドプロバイダーからのクラウドコストを監視できます。

• クラスタ利用率
  平均クラスタ利用率、CPU、メモリ使用量をトラッキングできます。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に DBU 使用量を監視できます。これにより、異なるワークロードタイプごとのトレンドを把握できます。

• ユニットコストメトリクス
  ジョブ、クエリ、ユーザー単位でコストを評価し、エンジニアリング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際のコストを把握できます。