阿里云服务器ECS按流量收费标准,公网带宽1GB流量0.8元/GB(中国大陆地域)

简介: 阿里云ECS按流量计费,中国大陆多数地域0.8元/GB,青岛0.72元/GB,中国香港1.0元/GB,美国0.5元/GB,日本0.6元/GB,韩国0.8元/GB。仅公网出方向流量收费,内网及入向流量免费,支持设置峰值带宽,按小时结算,多地域价格差异明显,适合流量波动大的业务场景。

阿里云服务器ECS按流量收费标准,公网带宽1GB流量0.8元/GB(中国大陆地域),中国香港地域1元每GB,地域不同流量价格也不同,北京、杭州、上海、深圳等中国大陆地域是0.8元每GB,美国流量0.5元1GB、日本流量0.6元、韩国流量0.8元,阿小云整理云服务器按使用流量计费说明、计费规则及详细流量价格表:

云服务器按使用流量价格说明

阿里云服务器ECS:https://www.aliyun.com/product/ecs 云服务器ECS的带宽计费模式分为“按固定带宽”和“按使用流量”计费两种,按使用流量是先设置一个峰值带宽,然后统计云服务器公网出方向产生的流量,根据实际产生流量多少来计费,每小时结算费用,地域不同流量单价也不同,一般中国大陆地域是1GB流量价格是0.8元。不同地域流量价格表如下:

云服务器地域 价格(单位 GB/元)
华北 1 (青岛) 0.72 元/GB
华北 2 (北京) 0.8 元/GB
华北 3 (张家口) 0.8 元/GB
华北 5 (呼和浩特) 0.8 元/GB
华北 6 (乌兰察布) 0.8 元/GB
华东 1 (杭州) 0.8 元/GB
华东 2 (上海) 0.8 元/GB
华东 5 (南京) 0.8 元/GB
华东 6 (福州) 0.8 元/GB
华中 1 (武汉) 0.8 元/GB
华南 1 (深圳) 0.8 元/GB
华南 2 (河源) 0.8 元/GB
华南 3 (广州) 0.8 元/GB
西南 1 (成都) 0.8 元/GB
中国(香港) 1.0 元/GB
美国 (硅谷) 0.5 元/GB
美国 (弗吉尼亚) 0.5 元/GB
德国 (法兰克福) 0.5 元/GB
英国(伦敦) 0.5 元/GB
阿联酋 (迪拜) 1.0 元/GB
日本 (东京) 0.6 元/GB
韩国 (首尔) 0.8 元/GB
新加坡 0.53 元/GB
澳大利亚 (悉尼) 0.66 元/GB
马来西亚 (吉隆坡) 0.529 元/GB
印度尼西亚 (雅加达) 0.59 元/GB
菲律宾 (马尼拉) 0.75 元/GB
泰国 (曼谷) 0.75 元/GB
印度 (孟买) 0.59 元/GB

如上表所示,阿里云不同地域的云服务器按使用流量计费的价格,一般中国大陆地域北京、张家口、呼和浩特、杭州、上海、南京、福州、武汉、深圳、河源、广州、成都地域流量价格是0.8元/GB,但是青岛地域流量价格是0.72 元/GB,中国香港地域价格是1.0 元/GB,美国地域流量价格最便宜0.5元/GB,德国法兰克福流量费用是0.5 元/GB,英国伦敦流量价格0.5 元/GB,日本 (东京)0.6 元/GB,韩国 (首尔)0.8 元/GB、新加坡0.53 元/GB等,如上表所示。

按使用流量计费规则

公网IP的带宽选择按使用流量计费后,很多用户会有流量焦虑,生怕突然来了一大波流量,继而产生高额流量账单,大家不用担心,因为可以设置峰值带宽,峰值带宽是指云服务器的最大带宽值。

另外,流量是如何统计的?阿里云只统计云服务器公网出方向产生的流量,也就是说云服务器内网(私网)流量是免费的,并且公网入方向的流量也是免费的,如下图:

阿里云服务器带宽流量收费和免费说明.jpg

阿小云整理如下表所示:

公网带宽类型 是否收费 说明 示例
内网流量(私网流量) 云服务器在内网产生的流量 云服务器ECS通过内网与云数据库连接
云服务器的出网带宽 从ECS实例流出的公网带宽流量 FTP客户端通过实例公网IP从ECS实例下载资源
云服务器的入网带宽 流入ECS实例的公网带宽流量 FTP客户端通过实例公网IP上传资源到ECS实例

所以流量并不是大家现象的那么耗费,没必要流量焦虑。更多关于云服务器ECS的说明,请参考云服务器ECS页面:https://www.aliyun.com/product/ecs

目录
相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
299 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
313 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
868 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
252 113