更新时间：2026-08-06 GMT+08:00
计算资源池类
AI DataLake计算资源有哪些使用方式？
AI DataLake提供的计算资源分为预留资源池和弹性资源，同时支持混合资源调配，以满足不同业务场景的算力需求。
- 预留资源池：用户提前购买实例资源，资源类型覆盖CPU、NPU、GPU三种类型的算力，您可根据业务负载特点选择合适的计算资源组合。
预留资源池为核心业务提供资源保障，确保资源归用户独享使用，性能稳定可预测，适用于长期稳定运行的批处理任务、AI计算场景。
- 弹性资源：无需提前购买，按实际使用量计费，自动响应业务需求。
- 混合资源调配：混合资源调配并非独立的计算资源类型，而是在配置端点时将资源模式选择为"混合模式"，系统将同时调度预留资源与弹性资源，预留资源保障基线负载，弹性资源在预留资源不足时自动补充。该模式兼顾业务平稳运行与资源成本优化。
不同端点类型的计算资源使用模式分别是什么？
| 引擎类型 | 端点类型 | 资源使用模式 | 说明 |
|---|---|---|---|
| Aura |
| 预留资源 | 使用预留资源池，资源独享。适合负载稳定、持续运行的业务场景，如生产项目、关键任务。 |
| 混合模式 | 使用预留资源池和弹性资源，保障核心业务的同时，可应对突发负载。适用于日常有稳定负载，有突发的波峰波谷的场景。 | ||
| Ray | RayCluster | 预留资源 | 使用预留资源池，资源独享。适合负载稳定、持续运行的业务场景，如生产项目、关键任务。 |
| RayJob | 预留资源 | 使用预留资源池，资源独享。适合负载稳定、持续运行的业务场景，如生产项目、关键任务。 | |
| 混合模式 | 使用预留资源池和弹性资源，保障核心业务的同时，可应对突发负载。适用于日常有稳定负载，有突发的波峰波谷的场景。 | ||
| 按需弹性 | 按作业实际运行时长计费。适合短期或偶发性的业务需求，如开发测试或临时任务。 | ||
| Spark |
| 预留资源 | 使用预留资源池，资源独享。适合负载稳定、持续运行的业务场景，如生产项目、关键任务。 |
| 混合模式 | 使用预留资源池和弹性资源，保障核心业务的同时，可应对突发负载。适用于日常有稳定负载，有突发的波峰波谷的场景。 | ||
| 按需弹性 | 按作业实际运行时长计费。适合短期或偶发性的业务需求，如开发测试或临时任务。 |
了解更多，请参见计算资源池概述。
