谷歌云最低多少钱一个月（谷歌云价格表）

预算不高，买不了云主机，想要租用哪里找？

为什么需要一台云服务器

有一台云主机，在全球任何一个角落，打开任何设备就能看这台服务器上的东西，打开它，就像你打开你自己的电脑一样，虽说在家里放一台电脑，然后内网穿透也能访问电脑，但家里的网速质量，这台电脑7×24小时连续运行太不现实。

用云主机你能干啥呢？

你能用Wordpress搭建一个个人博客，用ownCloud搭建一个云端个人网盘，如果你是懂编程的话更好玩，你用最火的Python跑一个网络爬虫抓取数据，你还可以在云主机做各种测试部署，把主机OS弄坏了怕啥，重新装个系统呗。啥你还想用云主机挖矿？拜托，比特币都跌成啥了？

如果你是个有点规模的小企业，跟别人一比，你会发现自己配置服务器实在是太麻烦了。

最近跟朋友聊天，他们公司原来托管着六台物理服务器，每台上面有两台虚拟机，管理这六台服务器的哥儿们说太麻烦了，结果现在都换成云服务器了，眼看着物理机托管时间到了，也不打算续费了。云服务，真心省事儿，网络，运行状态都好多了，也不会有奇奇怪怪的bug。啥也别说了，省心！

这朋友说了，原来的六台物理主机大约每年3万块钱，现在六台虚拟机一年大概2万多块钱，钱，公司用谁也不在乎这几千块，在乎的是省事儿，可普通的个人用户就比较在意价格了！

云服务真的可以免费吗？

云是要花钱的，有没有不要钱的云啊！有！

AWS和Azure、谷歌云在国内，阿里云在国外都有免费用一年的服务，这么多年薅着云羊毛的经验告诉我，消费着不属于自己消费水平的东西总感觉心里不踏实，没有安全感，就像你老是租房子而不是买房子一样，内心里，还是希望能有一台属于自己的云主机。

AWS免费用一年的策略确实不错，不过AWS的东西确实是贵，如果想免费体验的话，你得自己研究，然后严格遵守AWS的免费策略，不要用超了哦，稍有不慎就有让我这样的普通用户，心疼到跺脚的经济损失。

国内的云服务商，也有免费体验服务，有的可体验7天，有的可体验15天，阿里云为国外用户也开启了免费用一年的服务，在国内就没有。不知道国内的云服务商是太小气，还是太急功近利了，多体验一会儿能咋的？

不过，偶尔也有青云这样清新脱俗的特例，免费让你用一年30GB的对象存储，读写次数也挺宽裕，没记错的话，AWS的S3免费策略才5个GB，2万个读，2000个写的免费额度。我一直认为对象存储是仅次于云主机的第二大上云动力，用作网络应用的数据存储还是挺理想的。

另外，我不太习惯大部分中国云服务厂商将在电商行业积累的营销操作用在云促销上，逢年过节搞一个促销机型，点进去一看，限制区域，限制机型，确实有很多令人心动的价格，真想用云的还得调个良辰吉日不成。有时候一冲动还真想买一个，点进去后被告知：新用户与狗不得办理，老用户是促销机型的理想绝缘体。

说起促销，有的云主机能低到两折，心动吧，可低价入手时有多爽，续费时候哭的就有多惨。

促销的机型让你尝到了甜头，如果非常看重价格，看重低价打折的用户在用了一段时间之后，把很多自己的东西放到了上面，到期后，你会感觉续费太贵了！（我就感觉到了好几回）再迁移又确实比较费劲，这时候你是掏钱还是不掏钱呀？当然，确实会有一些人忍痛续费的。

提供云服务需要很多钱，免费总不是长久之计。

跟一时促销相比，我其实更看重真的降价，降到能买得起的那种正常价格。

比价格

要么说时代在发展呢，现在苹果手机的内存都从500MB，1G到现在的2G了！

要说云主机的入门机型配置，几年前还有500MB内存的主机呢，现在都是1核1G的了！

以阿里云为例，1核1G的主机卖593块钱，一个月差不多50块钱，这是阿里云最便宜的了。

腾讯云的入门主机，按照各个可用区的价格不同，从62块钱到100块钱一个月不等。

百度云的入门主机，也是1核1G，价格70块钱。

简单看几家吧，可能主流的云服务都差不多这价格吧。

……

作为老司机，我当然还知道VPS这个神奇的东西，以最常见的DigitalOean为例，1核1G的配置每个月5美金，合三十多块钱人民币。

AWS的VPS ——Lightsail也差不多是5美金，三十多块钱一个月。

著名的Bandwagon（搬瓦工）售价一年49美金，平均算下来，每个月也得29块钱人民币。

搬瓦工是以低价著称的VPS品牌，他的最低配是不是最低价格了呢？有没有更便宜的呢？

有！！！！！！

最近，青云推出一款按年付每月17块钱的云主机，（即使是加上系统盘的价格也才22块钱）比VPS都便宜，嗯，你没看错，17块钱一个月，17块钱你买不了吃亏，17块钱你买不了上当，17块钱你能买得起这个云主机！如果一次性合约再长一点，会更便宜，算了下最低11块钱一个月，加上系统盘，14块钱一个月。

如果王思聪因为有钱，所以人人爱，所以成了国民老公；因为爱女小野招人喜欢，所以韩寒进阶国民岳父；全国人民都认可的东西叫国民系列，为什么人人都买得起的主机不能叫国民主机呢？

这么良心的云计算厂商怎么不能叫“国民好云”呢？

价格差在哪儿？靠牺牲稳定性来打折扣？

有人会说了，这么便宜，能用吗？

我先觉得吧，青云好歹说也是家正经的云计算公司，几年前就宣布盈利了，真有必要打价格战把价格拉这么低吗？比VPS还低的那种价格。

按照青云的一个专家的说法，确实是随着规模扩大，成本降低了，而且青云一般每年降价两次，所以才降价的。

我问他啥叫规模扩大了，所以，成本降低了呢？于是他详细地解答说：（此处省略数不清多少字儿）……看在你这么认真的份儿上，我信了还不行吗？

有一天跟另外一个云羊毛党聊天。

他说：我们公司也有十几台云主机在跑着，规模小，也不值得搞什么两地三中心，所以，我们其实最关心云主机下的硬件。

我：我怎么记得你上次还说，最关心的是预算吗？

他：这不是吃了只看便宜的亏吗？新年新气象，领导说要上新业务了，需要买一些新主机，一买买一年的就好了，刚刚还在翻来覆去比价呢，你看我都写好笔记了。

我看了下，好像青云便宜一些呢。

我：为了几十块钱你也是煞费苦心啊。

他：没办法。老板说了，2019年是过去十年最差的一年，可能是未来十年最好的一年，钱得省着花呀。我还看了下，最近刚好赶上青云新一轮降价，好几个产品升级又降价。

比服务

马上快过年了，回到家里，肯定会有亲戚朋友问你：挣钱了没有，谈恋爱了没有。

只有爸妈关心你今年过的开不开心，记得锻炼身体，记得穿秋裤，记得吃点好的。

只有云服务商在问你，刘先生，你的业务情况，业务规模怎么样？有没有什么问题和困惑给我们分享一下。

都说谷歌是技术男最好的老师，可这个世界还有很多谷老师也不懂的问题。

记得有一次，我想把我的Wordpress网站的图片都存在对象存储服务器里，于是就找了一个插件，也不知道为什么，图片始终传不上去，找了客服，客服说了半天也没说到点上，一点都不懂这些技术，最后来了句，要不你重启一下机器试试。好吧，估计以前他在网吧里当网管的吧。

还有一次用某大型云服务商，也是碰见类似的问题，提交了一个问题之后，等好长时间都不搭理我，估计是瞧不见我这样虾米级的小用户吧，最后干脆放弃了冲了三个月的服务。

后来试了试青云的客户服务系统，提交了个工单，很快就有反馈，然后还挺专业的搞定了问题。据说青云都是工程师直接回复工单，省去了中间环节，专业且高效。用云用多了，前前后后也陆续接到过几家云服务商的电话，不过，好多都是推销为主的电话。

谷歌云端硬盘的容量费用

Google Drive将向用户提供5GB的免费存储空间，足够用户日常使用，如果用户需要更大的空间，可选择升级至25GB空间，其费用为每月2.49美元；还可升级至100GB空间，每月费用为4.99美元；或是升级至1TB，月费49.99美元。与此相比，Dropbox用户可升级至100GB空间，费用为每个月20美元。当Gmail用户成为Google Drive付费用户后，其存储空间将扩容至25GB。

Colab Pro+每月50刀的会员值不值？有人做了个开箱测评

机器之心报道

编辑：陈萍、小舟

对于没有 GPU 的小伙伴们来说，谷歌 Colab 是一个公认的「真香」神器，穷苦学生党也能免费薅羊毛。

不过，使用的人多了，难免会出现不如意的情况，几个小时就掉一次线、分配的 RAM 不足等问题随之而来。然后 Colab 开启了会员机制。

就在前几天 Colab 搞了个会员 Colab Pro+，每月 50 刀、训练 24 小时不掉线。除了这种堪称至尊会员 Pro + 外，还有每月差不多 10 美元的 Colab Pro 超级会员。

据了解，Pro + 最大的特点是「后台执行」，关了浏览器还能运行那种。此外，Pro + 版的 GPU、内存和运行时长也将全面升级。

Pro + 究竟升级了什么，谷歌在「常见问题解答」里写得非常清楚。总结一下就是：

50 刀的价格属实不菲，入手之前不如先看看别人怎么说。一位名叫 Martin Henze 的开发者最近充了 Colab Pro + 会员，我们来看看 ta 的「开箱测评」。

事情是这样的，Martin Henze 参加了 Kaggle 的比赛，用的是自己的笔记本电脑，对于小模型和小图像来说自己的电脑也够用，但要想在排行榜上打榜升级，就必须扩大模型和数据规模，这样一来，电脑完全 hold 不住了。在 GPU 不够用的情况下，Henze 决定使用 Google Colab 付费选项来解决。

Henze 表示自己以前只使用过免费版的 Colab，现在发现还有 2 个付费版：Colab Pro 和 Colab Pro+。与 Pro 相比，Pro+ 版本宣传「优先访问更快的 GPU」。这么看来 Pro + 多了一个优先级，Pro 用户接下来的使用体验可能就没那么丝滑了。因此 Henze 萌生了测试 Pro + 的想法。

Henze 写了一篇博客来介绍自己在 Colab Pro+ 中发现的功能，以及在 Kaggle 比赛中使用 Colab 的最佳方法。此外，文章最后还介绍了 Colab 的可替代方案。

Colab Pro + 的特性

至于 Colab 的 TPU 运行时以及并发 CPU 会话的数量，Henze 还没进行测试。

一方面有优势，与免费的 Colab 和 Kaggle 资源相比，Pro + 用户能享受更高的连接稳定性，即使关闭计算机或浏览器标签页后，程序也能继续执行，上限是 24 小时。另一方面也有一些限制，例如在时间紧迫的情况下，一次只能进行 1 个会话，或者使用较慢的 P100 进行 2 个会话。

另外请注意，Colab FAQ 指出：为了防止有限的资源被少数用户垄断，Colab Pro 和 Pro + 中的资源优先考虑最近使用资源较少的用户。因此，用户似乎不太可能在一个月的时间里全天候使用 V100 GPU。对于这一点，作者也打算进行更多的实验，也许会遇到这个限制。

将 Kaggle Notebook 移到 Colab 上

如果你在一周内已经超出了可以使用的（相当多的）Kaggle 资源，或者在短时间内需要更多的资源，将 Kaggle Notebook 移到 Colab 将是一个很好的选择，在 Colab 上可以继续训练和实验。但这一过程并不容易，需要面临两个挑战：获取数据、设置 notebook 环境。此外，Colab 放弃了许多标准的 Jupyter 快捷键，这种做法会增加用户的工作量。

在 数据导入 Colab 方面：目前最好和最快的方法是通过 GCS_DS_PATH 复制数据，即谷歌云存储路径。自 2017 年 Kaggle 被谷歌收购以来，其框架已被大量集成到谷歌的云环境中。Kaggle 数据集和比赛数据都有云存储地址，可以从那里将数据转移到 Colab 上。

你可以通过在 Kaggle Notebook 中运行以下代码来获得 GCS_DS_PATH。将 seti-breakthrough-listen 替换为你自己的比赛（competition）或数据集的名称：

在 Colab 中，你可以使用 gsutil 工具复制数据集，甚至是单个文件夹，就像这样：

这比从 Google Drive 复制或通过 Kaggle API 下载来检索数据的速度要快得多。当然，获取数据也受到 24 小时运行时的限制。需要注意的是，会话断开后数据就丢失了，需要在新的会话中重新设置。

在会话中创建的文件（例如经过训练的模型权重或提交文件）或用户安装的自定义库，也要受到类似的限制。Colab 安装了常用的 Python 和深度学习工具，但都是旧版本。用户可以通过 pip 进行更新：

需要注意两件事：安装后需要重新启动才能导入新库。不用担心，重启后数据仍然存在，但你需要确保留出足够的磁盘空间来安装。

将输出保存在 Drive 上：最后要确保将实验结果（经过训练的权重、提交文件等）复制到 Google Drive 账户，以确保在运行时断开连接却不会丢失它们。当然你也可以手动下载，但自动复制相对更可靠。

可以像这样在 Colab notebook 中使用 Drive：

然后复制文件，例如通过 Python 中的 os.system。

可供选择的其他云 GPU

除了 Colab 及其付费版以外，还有其他的云 GPU 替代方案，或许它们可以提供更多的性能（也许能用上 A100），或许是更便宜、使用更灵活。除了大家所熟知的 GCP 和 AWS，还包括以下：

Paperspace Gradient ：G1 使用费用为每月 8 美元，并提供 GPU 和 6 小时运行时限制的免费版。除此之外，每小时花费 2.30 美元可以运行 V100。此外，G1 还能提供 200GB 的存储空间和 5 个并行运行的 notebook。

JarvisCloud ：每小时 2.4 美元可使用 A100 GPU 。此外，JarvisCloud 还提供最新的 Pytorch、FastAI、Tensorflow 作为预安装框架。存储高达 500GB，每小时最高 7 美分。

Vast.ai ：是一个出租 GPU 的平台。你可以在此访问 GCP、AWS 和 Paperspace 资源。不过价格差异很大，但有些看起来比具有相似可靠性的大公司便宜得多。

OracleCloud ：每小时支付约 3 美元可运行 V100，与 AWS 相当。此外， A100 也即将投入使用。

OHVcloud ：一家以价格优惠而闻名的法国供应商。每小时支付 1.7 美元就可以使用 1 块 V100，并提供 400GB 的存储空间。

当前市面上有很多云 GPU 选择，也许在这种良性竞争下，我们会看到价格的合理调整。

参考链接：