附录：预测部署成本#
关于成本预测的说明
作为非营利性研究项目，Project Jupyter 不提供、推荐或出售 JupyterHub 的云部署服务。
本节信息仅供参考，是根据用户要求提供的。我们提醒，成本可能因所选提供商和您的用例而异。
云提供商的成本计算器#
以下是几个云提供商的成本估算器链接
影响成本的因素#
成本估算高度依赖于您的部署设置。几个显著影响成本估算的因素包括
提供给用户的计算资源
用户数量
用户的使用模式
计算资源#
内存 (RAM) 占成本估算的大部分。更多的 RAM 意味着您的用户将能够更灵活地处理更大的数据集，但也可能很昂贵。
用户持久存储（如果需要）是另一个会影响成本估算的因素。如果用户没有持久存储，那么磁盘将在用户完成会话后被清除。他们的更改不会被保存。这需要更少的存储资源，也导致更快的加载时间。
有关成本如何随计算资源变化的指标，请参阅 Google Cloud 定价页面。
用户#
用户数量与成本估算直接相关。由于部署可能支持不同类型的用户（例如研究人员、学生、讲师），他们对硬件和存储的需求各不相同，因此请同时考虑用户类型和每种类型的用户数量。
用户使用模式#
另一个重要因素是您的用户将使用什么使用模式。他们会像大型课堂研讨会那样同时使用 JupyterHub 吗？用户会在一天中的不同时间使用 JupyterHub 吗？
使用模式和系统峰值负载对您需要提供的资源有重要影响。将来 JupyterHub 将具有自动扩展功能，但目前还没有。这意味着您需要为预期的同一时间最大用户数量提供资源。
示例#
以下是一些示例，描述了不同的用例以及特定 JupyterHub 实现使用的资源量。这些估算中包含许多因素，您应该预期您的实际成本在其他条件下可能会有很大差异。
Data 8#
加州大学伯克利分校的 Data 8 课程使用 JupyterHub 来协调所有课程材料，并提供一个平台供学生运行他们的代码。这包括数百名学生，他们在 CPU 和内存使用方面有最低要求。Ryan Lovett 编写了一个简短的 Jupyter 笔记本 估算计算资源的成本，具体取决于学生的需要。