2. Databricks计费模型解析

要治理 Databricks 成本，第一步不是“省钱”，而是把账单拆开，知道每一块钱到底花在什么地方。Databricks 的账单并不是一个单一价格，而是由多个计费维度叠加而成：DBU 费用、云厂商的实例费用、存储费用、网络费用，以及 Serverless 与经典集群在计费方式上的差异。只有把这些维度分开看，后续的优化动作才有明确的目标。

一、DBU：Databricks 的计费核心单位

DBU（Databricks Unit）是 Databricks 对计算资源使用量的计量单位，可以理解为“Databricks 平台处理能力的标准计量”。它并不等同于云主机的小时数，而是根据集群类型、计算规格、运行时长以及所启用的功能综合计算出来的用量。账单中的 DBU 费用 = DBU 用量 × 对应 SKU 的 DBU 单价。

不同计算形态对应不同的 DBU 费率。例如，用于数据工程的 Jobs Compute、用于交互分析的 All-Purpose Compute、用于 SQL 仓库的 SQL Compute，以及 Serverless 形态，其 DBU 单价通常并不相同。一般来说，All-Purpose 的单价高于 Jobs，因为前者面向交互式、常驻型负载；Serverless 的单价可能更高，但它省去了实例管理和空闲成本。因此，比较“贵不贵”不能只看单价，而要看单位任务的总成本。

二、云实例成本：与 DBU 并行的第二笔账

在经典集群模式下，Databricks 运行在客户自己的云账号中，因此除了 DBU 费用，还会产生云厂商的虚拟机费用。这部分费用直接出现在云厂商账单里，而不是 Databricks 账单里。云实例成本 = 实例单价 × 实例数量 × 运行时长，受实例类型、是否使用 Spot/抢占式实例、是否开启自动伸缩等因素影响。

这意味着一个经典集群的总成本 = DBU 费用 + 云实例费用。很多团队只关注 Databricks 账单，却忽略了云厂商账单中的实例费用，导致成本归因不完整。实际治理中，必须把两份账单按集群、按作业、按标签关联起来，才能得到真实的单位任务成本。

三、存储成本与网络成本

存储成本主要来自云对象存储，例如 S3、ADLS、GCS，以及 Databricks 的托管存储。它通常按存储容量、请求次数和数据分层计算。存储成本的特点是“持续存在”，即使集群不运行，只要数据还在，就会持续产生费用。因此，存储治理的重点是生命周期管理、分区清理、小文件合并和冷热分层。

网络成本容易被忽视，但在跨区域、跨云、跨可用区传输时可能非常可观。典型场景包括：集群与存储不在同一区域、跨区域读取数据、频繁的跨云数据交换、以及公网出口流量。网络成本通常按传输数据量计费，治理手段是让计算与存储尽量同区域部署，减少不必要的跨区传输。

四、Serverless 与经典集群的计费差异

Serverless 与经典集群最大的区别在于：Serverless 把基础设施管理交给 Databricks，计费通常以 DBU 为主，云实例成本被整合进 Serverless 的单价中，不再单独出现在云厂商账单里。它的优势是启动快、无需管理实例、按实际使用计费，适合间歇性、突发性负载。经典集群则把 DBU 与云实例分开计费，灵活性更高，可以使用 Spot 实例、自定义实例类型和网络配置，但需要自己承担实例管理和空闲成本。

选择哪种形态，取决于负载特征。对于短时、频繁、不可预测的任务，Serverless 往往更划算；对于长时间稳定运行、可充分利用 Spot 实例的批处理任务，经典集群可能更经济。关键是用单位任务成本来比较，而不是只看单价。

五、账单构成与成本归因

把上述维度组合起来，Databricks 的总成本可以表达为：总成本 = DBU 费用 + 云实例费用 + 存储费用 + 网络费用。其中，DBU 费用和云实例费用是计算侧成本，存储和网络是数据侧成本。经典集群下，计算侧成本分散在 Databricks 和云厂商两份账单中；Serverless 下，计算侧成本主要集中在一份账单中，归因更简单，但单价更高。

实际做成本归因时，建议按“集群 / 作业 / 团队 / 项目”四个维度打标签，并把 DBU 用量、实例时长、存储容量、网络流量分别映射到这些标签上。这样，当某个月成本上升时，可以快速定位是 DBU 用量增加、实例规格过大、存储未清理，还是跨区域传输过多。

六、治理视角下的关键判断

理解计费模型后，成本治理就有了明确的抓手。第一，区分“计算成本”和“数据成本”，计算成本可以通过调度、规格、Spot、Serverless 优化，数据成本需要通过生命周期和分层治理。第二，区分“DBU 单价”和“单位任务成本”，单价低不代表总成本低，空闲集群的 DBU 和实例费用会持续累积。第三，区分“经典”和“Serverless”的适用场景，不要一刀切。第四，建立账单关联机制，把 Databricks 账单和云厂商账单按标签对齐，否则成本归因永远不完整。

下一阶段的实际动作，可以围绕三个问题展开：哪些作业的 DBU 用量最高？哪些集群的空闲时间最长？哪些数据的存储和网络费用占比异常？回答这三个问题，就能把成本治理从“看账单”推进到“改行为”。