Amazon Redshift unterstützt UDFs ab Patch 198 nicht mehr die Erstellung von neuem Python. Das bestehende Python UDFs wird bis zum 30. Juni 2026 weiterhin funktionieren. Weitere Informationen finden Sie im [Blog-Posting](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/).
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Kosten für die Verwendung von Amazon Redshift ML
Mit Amazon Redshift können Sie Machine-Learning-Funktionen nutzen, um Erkenntnisse aus Ihren Daten zu gewinnen, ohne hierfür umfangreiche Fachkenntnisse in Bezug auf Data Engineering oder Machine Learning zu benötigen. In den folgenden Abschnitten werden die mit der Verwendung von Amazon Redshift ML verbundenen Kosten erläutert. Diese Informationen helfen Ihnen, Ihre Ausgaben zu planen und zu optimieren und gleichzeitig diese leistungsstarke Machine-Learning-Integration zu nutzen.
## Kosten für die Verwendung von Amazon Redshift ML mit KI SageMaker
Amazon Redshift ML for SageMaker AI verwendet Ihre vorhandenen Cluster-Ressourcen für Prognosen, sodass Sie zusätzliche Amazon Redshift Redshift-Gebühren vermeiden können. Es fallen keine zusätzlichen Amazon-Redshift-Gebühren für das Erstellen oder Verwenden eines Modells an. Die Prognose erfolgt lokal in Ihrem Redshift-Cluster, sodass Sie nicht extra bezahlen müssen, es sei denn, Sie müssen die Größe Ihres Clusters ändern. Amazon Redshift ML verwendet Amazon SageMaker AI für das Training Ihres Modells, was mit zusätzlichen Kosten verbunden ist.
Für Prognosefunktionen, die in Ihrem Amazon-Redshift-Cluster ausgeführt werden, fallen keine zusätzlichen Gebühren an. Die CREATE MODEL-Anweisung verwendet Amazon SageMaker AI und verursacht zusätzliche Kosten. Die Kosten steigen mit der Anzahl der Zellen in Ihren Trainingsdaten. Die Anzahl der Zellen ist das Produkt aus der Anzahl der Datensätze (in der Trainingsabfrage oder Tabellenzeiten) mal der Anzahl der Spalten. Wenn beispielsweise eine SELECT-Abfrage der CREATE-MODEL-Anweisung 10 000 Datensätze und 5 Spalten erstellt, beträgt die Anzahl der erstellten Zellen 50 000.
In einigen Fällen überschreiten die von der SELECT-Abfrage von CREATE MODEL erzeugten Trainingsdaten das von Ihnen angegebene MAX\$1CELLS-Limit (oder die Standardeinstellung 1 Million, wenn Sie kein Limit angegeben haben). In diesen Fällen wählt CREATE MODEL MAX\$1CELLS (d. h. die „Anzahl der Spalten“-Datensätze aus dem Trainingsdatensatz) nach dem Zufallsprinzip aus. CREATE MODEL führt dann das Training mit diesen zufällig ausgewählten Tupeln durch. Diese zufällige Auswahl stellt sicher, dass der reduzierte Trainingsdatensatz keine Verzerrung aufweist. Sie können also durch die Festlegung von MAX\$1CELLS die Trainingskosten kontrollieren.
Wenn Sie die Anweisung CREATE MODEL verwenden, können Sie die Optionen MAX\$1CELLS und MAX\$1RUNTIME verwenden, um Kosten, Zeit und potenzielle Modellgenauigkeit zu steuern.
MAX\$1RUNTIME gibt die maximale Zeit an, die das Training in SageMaker KI dauern kann, wenn die Option AUTO ON oder OFF verwendet wird. Je nach Größe des Datensatzes werden Trainingsaufträge früher als MAX\$1RUNTIME abgeschlossen. Nachdem ein Modell trainiert wurde, führt Amazon Redshift zusätzliche Aufgaben im Hintergrund durch, um Ihre Modelle in Ihrem Cluster zu kompilieren und zu installieren. Daher kann CREATE MODEL länger dauern als MAX\$1RUNTIME. MAX\$1RUNTIME begrenzt jedoch den Rechenaufwand und die Zeit, die in SageMaker KI zum Trainieren Ihres Modells benötigt werden. Sie können den Status Ihres Modells jederzeit mit SHOW MODEL überprüfen.
Wenn Sie CREATE MODEL mit AUTO ON ausführen, verwendet Amazon Redshift ML SageMaker KI Autopilot, um automatisch und intelligent verschiedene Modelle (oder Kandidaten) zu untersuchen, um das beste Modell zu finden. MAX\$1RUNTIME begrenzt den Zeitaufwand und die Berechnung. Wenn MAX\$1RUNTIME zu niedrig eingestellt ist, reicht die Zeit möglicherweise nicht einmal aus, um einen einzigen Kandidaten zu untersuchen. Wenn der Fehler „Autopilot candidate has no models“ (Autopilot-Kandidat hat keine Modelle) angezeigt wird, führen Sie CREATE MODEL erneut mit einem höheren MAX\$1RUNTIME-Wert aus. Weitere Informationen zu diesem Parameter finden Sie [MaxAutoMLJobRuntimeInSeconds](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AutoMLJobCompletionCriteria.html)in der *Amazon SageMaker AI API-Referenz*.
Wenn Sie CREATE MODEL mit AUTO OFF ausführen, entspricht MAX\$1RUNTIME einem Limit dafür, wie lange der Trainingsjob in SageMaker AI ausgeführt wird. Trainingsaufträge werden oft früher abgeschlossen, abhängig von der Größe des Datensatzes und anderen verwendeten Parametern, wie z. B. num\$1rounds in MODEL\$1TYPE XGBOOST.
Sie können auch Kosten kontrollieren oder die Trainingszeit reduzieren, indem Sie einen kleineren MAX\$1CELLS-Wert angeben, wenn Sie CREATE MODEL ausführen. Eine *Zelle* ist ein Eintrag in der Datenbank. Jede Zeile entspricht so vielen Zellen wie vorhandenen Spalten, die eine feste oder unterschiedliche Breite haben können. MAX\$1CELLS begrenzt die Anzahl der Zellen und damit die Anzahl der Trainingsbeispiele, die zum Trainieren Ihres Modells verwendet werden. Standardmäßig ist MAX\$1CELLS auf 1 Million Zellen festgelegt. Durch die Reduzierung von MAX\$1CELLS wird die Anzahl der Zeilen aus dem Ergebnis der SELECT-Abfrage in CREATE MODEL reduziert, die Amazon Redshift exportiert und an SageMaker KI sendet, um ein Modell zu trainieren. Die Reduzierung von MAX\$1CELLS reduziert somit die Größe des Datensatzes, der zum Trainieren von Modellen mit AUTO ON und AUTO OFF verwendet wird. Dieser Ansatz trägt dazu bei, die Kosten und die Zeit für das Training von Modellen zu reduzieren. Um Informationen zu Schulungen und Abrechnungszeiten für einen bestimmten Schulungsjob zu sehen, wählen Sie **Schulungsjobs** in Amazon SageMaker AI.
Durch die Erhöhung von MAX\$1RUNTIME und MAX\$1CELLS wird häufig die Modellqualität verbessert, da die SageMaker KI mehr Kandidaten ausfindig machen kann. Auf diese Weise kann SageMaker KI mehr Zeit in Anspruch nehmen, um jeden Kandidaten zu trainieren, und mehr Daten verwenden, um bessere Modelle zu trainieren. Wenn eine schnellere Iteration oder Untersuchung Ihres Datensatzes erforderlich ist, reduzieren Sie die MAX\$1RUNTIME und MAX\$1CELLS. Wenn eine höhere Genauigkeit von Modellen erforderlich ist, erhöhen Sie die MAX\$1RUNTIME und MAX\$1CELLS.
Weitere Informationen zu den Kosten für unterschiedliche Zellanzahlen und kostenlosen Testversionen finden Sie unter [Amazon-Redshift-Preise](https://aws.amazon.com/redshift/pricing).
## Kosten für die Verwendung von Amazon Redshift ML mit Amazon Bedrock
Für die Verwendung von Amazon Redshift ML mit Amazon Bedrock fallen zusätzliche Kosten an. Weitere Informationen finden Sie unter [Amazon Bedrock – Preise](https://aws.amazon.com/bedrock/pricing/).