Résumé

  • Databricks définit le Databricks Unit (DBU) comme « une unité normalisée de puissance de traitement sur la Databricks Lakehouse Platform, utilisée à des fins de mesure et de tarification » : aucune base, aucun gigaoctet, aucun nœud, aucune machine n'y est fixé.
  • La documentation de coûts du même éditeur scinde ce nom unique en deux portées : « le coût total comprend les DBU, plus les coûts de machine virtuelle, de disque et de réseau associés », tandis que « pour les services serverless, le coût en DBU inclut déjà les coûts de machine virtuelle ».
  • Le passage d'un nœud aux DBU est une cellule de table, pas une formule ; en serverless, le coefficient devient un multiplicateur par SKU dont les valeurs publiées vont de 0,213X à 3X.

Une unité qui ne nomme aucune machine

Partons de la phrase à laquelle tout le reste doit s'ajuster. « A Databricks Unit (DBU) is a normalized unit of processing power on the Databricks Lakehouse Platform used for measurement and pricing purposes. The number of DBUs a workload consumes is driven by processing metrics, which may include the compute resources used and the amount of data processed. » C'est la définition publiée sur la page tarifaire de Databricks.

Lisez-la deux fois et notez ce qu'elle ne fixe pas. Elle fixe que l'unité mesure et qu'elle tarife. Elle ne fixe ni cœur, ni gigaoctet, ni nœud, ni machine, ni durée. La consommation est « déterminée par des métriques de traitement, qui peuvent inclure » — une liste ouverte, et le verbe modal appartient à l'éditeur, pas à moi.

La base temporelle est publiée séparément : la facturation à l'usage se fait « à la granularité de la seconde ». L'unité arrive donc avec une horloge et sans taille. Quiconque affirme ce que vaut un DBU en capacité machine cite un autre document que celui-là ; la question utile est lequel, et à quelle page.

Le même nom, deux portées

Voici la paire de phrases qui organise tout le sujet, tirée du guide d'optimisation des coûts de Databricks : « Total costs include Databricks Units (DBUs) plus virtual machine, disk, and associated network costs. Note that for serverless services, the DBU cost already includes the virtual machine costs. »

Deux affirmations, une page, un seul nom d'unité. En calcul classique, le total du client est la somme de deux factures, et seule la première appartient à Databricks. En serverless, la machine a été déplacée à l'intérieur de l'unité, et le prix en DBU devient un prix de plateforme tout compris pour cette composante. Le partage n'est pas une note de bas de page isolée : la version Azure Databricks du même article, sur Microsoft Learn, porte des phrases identiques. Le partage voyage donc avec la documentation de la plateforme.

La séparation se voit même dans le comportement au repos. Databricks ne facture pas de DBU lorsque des instances dorment dans un pool, et la même page l'écrit nettement : « Instance provider billing does apply. » Un compteur s'arrête, l'autre continue. C'est la démonstration la plus nette que les deux compteurs sont bien deux compteurs.

Le cas serverless a une raison structurelle, que Databricks énonce sans aucun langage tarifaire : « When you choose to use serverless compute, you can run workloads without provisioning any compute resources in your cloud account. » Si rien de vous ne se trouve dans votre compte cloud, votre fournisseur cloud n'a rien de vous à mesurer. La machine n'a pas disparu ; elle a changé de côté de la facture.

Du nœud à l'unité : une cellule, pas une formule

La conversion existe, et sa forme mérite de la précision. Le blog d'ingénierie de Databricks écrit que, hors entrepôts SQL, « DBUs consumed are based on the number of nodes and the computational power of the underlying VM instance types », et que chaque type d'instance disponible « a un taux de DBU calculé différent » (blog Databricks).

C'est la description d'un coefficient, pas un moyen de le calculer. Aucun exposant, aucun taux par cœur, aucun terme par gigaoctet. Le coefficient est publié sous forme de cellule — ou, dans les exemples plus anciens du blog, sous forme de nombre en prose : une m4.large à 0,4 DBU par heure et une m4.16xlarge à 12 DBU par heure en mode tout usage, sur une famille d'instances que l'article ne date pas.

Mon calcul, et le mien seul : 12 ÷ 0,4 = 30, l'écart entre ces deux lignes publiées. Côté Azure, le même type de coefficient est imprimé en colonne. La liste de prix Azure Databricks de Microsoft comporte des colonnes nommées Instance, vCPU(s), RAM, DBU Count, DBU Price et prix totaux ; six cellules DBU Count affichent 0,75, 1,50 et 3,00 pour DS3 v2, DS4 v2 et DS5 v2, puis de nouveau 0,75, 1,50 et 3,00 pour D4s v3, D8s v3 et D16s v3 — des DBU par heure. Mon calcul encore : 3,00 ÷ 0,75 = 4, l'écart entre les trois paliers d'une même famille qui ont été renvoyés.

La phrase de définition de Microsoft sur cette page déplace le nom d'une manière qu'il faut conserver : « Azure Databricks bills you for virtual machines (VMs) provisioned in clusters and Databricks Units (DBUs) based on the VM instance selected. A DBU is a unit of processing capability, billed on a per-second usage. The DBU consumption depends on the size and type of instance running Azure Databricks. » Puissance de traitement d'un côté, capacité de traitement de l'autre ; dans les deux cas le coefficient dépend de l'instance, pas de la charge.

Et la multiplication travaillée de l'éditeur, qui donne en une ligne la forme d'une facture classique : « With an instance type which runs at 3 DBU/hour, a 4 node jobs cluster would be charged at $2.40 ($0.2 * 3 * 4) for an hour. » Lisez le produit attentivement. Trois DBU par nœud-heure, quatre nœuds, une heure, douze DBU, à vingt cents. Les dollars de machine pour ces quatre nœuds-heures n'y figurent nulle part, parce qu'en calcul classique ils ne relèvent pas de la ligne que Databricks écrit.

Mon calcul sur le même exemple : quatre nœuds à 0,75 DBU/heure pendant une heure font 3 DBU, que le tarif de l'éditeur porterait à 2,40 $ — et là encore, la facture machine reste hors des deux nombres.

En serverless, le coefficient passe au SKU

Une fois la machine dans l'unité, le coefficient cesse d'être une propriété de machine pour devenir une propriété de produit. La référence de consommation DBU en serverless de Microsoft imprime le mécanisme : « When using certain features, a multiplier is applied to the underlying DBUs consumed. For instance, Data Quality Monitoring has a 2X multiplier. If the associated background job uses 5 DBUs, you are billed for 10 DBUs after applying the multiplier. The DBUs shown on your bill and in system tables reflect the final amount after this multiplier is applied. »

Le tableau derrière cette phrase est l'élément le plus lourd de conséquence de cet article, parce qu'il montre que l'unité n'est pas une quantité unique. La plupart des lignes affichent 1X. Data Quality Monitoring affiche 2X, Data Classification 3X. Databricks Apps Medium affiche 0,5X et Lakebase Autoscaling Compute 0,213X. Un multiplicateur inférieur à un, c'est une fraction de DBU par DBU : l'unité comptable ne suit délibérément pas la règle « plus de machine, plus d'unités » sur chaque SKU tarifé. Mon calcul : 3 ÷ 0,213 ≈ 14,1, l'écart entre le plus petit et le plus grand des multiplicateurs publiés.

La même page imprime l'échelle SQL Serverless sous forme de coefficient par taille d'entrepôt : 4, 6, 12, 24, 40, 80, 144, 272 et 528 DBU par heure, de 2X-Small à 4X-Large. Mon calcul : 528 ÷ 4 = 132. Les multiplicateurs de stockage de la même page vont de 0,0226X par millier de lectures à 15X pour le stockage de base de données. La page de réponses de Databricks ajoute la forme : le serverless est facturé à la seconde sans frais d'inactivité, les notebooks et jobs serverless facturent quand une commande ou une requête s'exécute, plus des frais de session réduits pour la machine virtuelle REPL, et les entrepôts SQL serverless facturent « à un taux fixe de DBU par heure » déterminé par la taille de l'entrepôt (réponses Databricks).

Rapprochez les deux moitiés. En calcul classique, l'acheteur choisit un type d'instance et lit un coefficient dans une table ; en serverless, l'acheteur choisit un SKU ou une taille d'entrepôt et le coefficient arrive déjà attaché. Même nom d'unité, deux mécanismes de sélection entièrement différents, et dans les deux cas c'est l'acheteur qui tient le choix.

Qui fait l'addition

Côté Azure, une partie fait la somme des deux lignes en public. Les tables d'instances portent une colonne DBU Price et une colonne de prix total à l'usage, avec une note indiquant que le prix total inclut à la fois le prix de calcul des machines virtuelles et le prix des DBU, et renvoyant à la page tarifaire des machines virtuelles pour le calcul. Cette note m'est parvenue comme description du texte de la page plutôt que comme citation ouverte ; je la porte donc comme description de Microsoft, non comme ses mots.

Le périmètre dépasse la machine. Sur Azure, le disque géré, le stockage d'objets et l'adresse IP publique sont facturés en plus des machines virtuelles ; les tables SQL serverless listent des nombres de DBU et un prix de DBU sans colonne de prix de VM, et une note ajoute le transfert de données, la passerelle NAT et l'usage horaire des points de terminaison privés par-dessus les DBU. Databricks dit la même chose de son côté : « Storage, networking and related costs will vary depending on the services you choose and your cloud service provider.

» Et sur sa page tarifaire, il précise qu'un client qui configure Databricks avec son propre compte cloud reste facturé par son fournisseur cloud pour des ressources telles que les instances de calcul.

La seconde facture a son propre compteur et son propre plancher. La page EC2 à l'usage d'Amazon indique : « On-Demand Instances let you pay for compute capacity by the hour or second (minimum of 60 seconds) with no long-term commitments », avec des frais distincts décrits pour le transfert de données, les instances optimisées EBS, les adresses IP élastiques et d'autres ressources (tarifs EC2). Les deux compteurs ne sont même pas exprimés dans les mêmes incréments : la plateforme imprime une unité à la seconde et un multiplicateur par SKU, le fournisseur imprime un plancher de soixante secondes sur la machine en dessous.

Un dernier qualificatif publié compte pour tout acheteur qui compare des devis. Le tarif affiché est un tarif de liste, non un prix réalisé : Databricks décrit sa liste de prix comme affichant le prix non remisé de chaque SKU, appelé prix de liste, les SKU promotionnels étant temporairement remisés.

Ce qu'un lecteur ne peut pas vérifier sur ces pages

Six limites vont à côté des affirmations, pas à la fin. L'URL de liste de prix Databricks que j'avais demandée a renvoyé une erreur 404, je ne dis donc rien de son contenu. Le tableau des tarifs dollar par DBU de la page tarifaire principale ne s'est pas affiché dans le texte récupéré : aucun tarif dollar par DBU de Databricks n'est affirmé ici, et le seul montant en dollars cité plus haut est l'exemple du blog de l'éditeur, étiqueté comme exemple, à un taux que l'article ne date pas.

La liste de prix Azure est revenue en extrait de recherche dans une passe et a été bloquée dans une autre, ses cellules de prix s'affichant en substituts : aucun tarif dollar par DBU d'Azure n'est affirmé non plus.

La table d'instances Azure nomme des colonnes vCPU et RAM, mais les valeurs ligne à ligne ne sont pas revenues : je ne calcule aucun ratio par vCPU ni par gigaoctet et je n'en suggère aucun ; les lignes 0,75 / 1,50 / 3,00 sont une transcription, et tout ratio construit dessus serait une invention. Un minimum d'une minute pour le calcul serverless est attribué par des compilations secondaires à une réponse tarifaire de Databricks Lakeflow Jobs, sans que je l'aie lu sur une page signée Databricks : il reste non vérifié ici et je ne m'en sers pas pour qualifier la phrase sur la seconde.

Enfin la découverte négative, honnêtement bornée : sur les dix documents cités dans cet article, aucune page n'imprime de formule transformant un nombre de vCPU, une taille de mémoire ou un volume de données en DBU. C'est une absence sur dix adresses, dite comme telle. Ce n'est pas une affirmation sur ce que Databricks fait en interne, et ce n'est pas non plus une affirmation que l'information serait inaccessible aux clients — le guide de coûts serverless de l'éditeur leur demande de mesurer une charge représentative et d'analyser la table de facturation pour estimer le coût (documentation serverless). C'est une voie d'accès, pas un manque.

Ce qu'un acheteur doit emporter en réunion

À quelle portée ce tarif appartient-il ? Un chiffre en dollars par DBU sans réponse à cette question n'est comparable à rien. En calcul classique, le client paie le tarif DBU plus une facture machine émise par une contrepartie qui n'a jamais accepté la tarification de la plateforme, et le coefficient qui transforme l'instance choisie en DBU est une cellule dans une table. En serverless, le tarif DBU est le forfait entier pour cette composante, et le coefficient vit sur le SKU plutôt que sur la machine.

L'unité est honnête là-dessus. Elle se dit normalisée, elle ne nomme aucune machine, et la documentation imprime ensuite, dans une seule paire de phrases, les deux portées auxquelles elle sert. Le travail laissé au lecteur est petit et inévitable : établir la portée d'abord, comparer le tarif ensuite. Deux devis en dollars par DBU qui relèvent de portées différentes ne sont pas deux prix de la même chose, et l'écart entre eux représente une catégorie entière d'infrastructure.