Nota
L'accés a aquesta pàgina requereix autorització. Pots provar d'iniciar sessió o canviar de directori.
L'accés a aquesta pàgina requereix autorització. Pots provar de canviar directoris.
La transferencia de datos y la conectividad hacen referencia a mover datos hacia y hacia fuera de entornos sin servidor de Databricks. Los cargos de red para productos que usan computación sin servidor solo se aplican a los clientes que utilizan el cómputo sin servidor de Azure Databricks. Los clientes que usan el proceso clásico administran y pagan los costos de red directamente a Azure. Los cargos de computación sin servidor se aplican cuando la computación sin servidor se comunica con tus recursos y se facturan directamente por Azure.
Nota:
El acceso al almacenamiento en la región desde un entorno sin servidor utiliza puntos de conexión de servicio y no es cobrado por Databricks.
Identificación de conexiones facturables sin servidor
La conexión 3 del diagrama siguiente muestra las cargas de trabajo sin servidor de Databricks, que se ejecutan en la cuenta de nube administrada por Databricks y acceden a los datos o servicios. Se le cobra por los costos de conectividad y transferencia de datos asociados.
Para comprender su uso, consulte Referencia de la tabla del sistema de uso facturable.
Tipos de cargos de conectividad
Databricks cobra los siguientes tipos de conectividad:
| Tipo de conexión | Descripción | Facturado | Escala de tiempo |
|---|---|---|---|
| Conectividad privada (/GB) | Consulte Precios de Azure Private Link. | Suspendido hasta nuevo aviso | No disponible |
| Conectividad privada (/hora) | Consulte Precios de Azure Private Link. | Sí | Facturación |
| Conectividad pública (/GB) | Consulte Precios de Azure NAT Gateway. | Sí | Facturación |
| Transferencia de datos (/GB) | Consulte Precios de ancho de banda. | Sí | Facturación |
Para obtener información detallada sobre los precios, consulte Transferencia de datos y conectividad.
Procedimientos recomendados de administración de costos
Para obtener instrucciones prácticas sobre cómo optimizar los costos de Databricks al mantener el rendimiento, consulte Procedimientos recomendados para la optimización de costos.