2020阿里云ECS服务器最新价格表分享及按量付费注意事项-低调大师

2020阿里云ECS服务器最新价格表分享及按量付费注意事项

2020-02-08 699

进入2020年，阿里云新推出了全新的t6、c6、r6、g6等实例规格的云服务器，最新的价格表也有所变化。本文更新了截止目前阿里云服务器最新的企业级windows系统价格表和最新磁盘及带宽价格表，更多最新的阿里云服务器价格表大家可以访问阿里云定价页查询，包含不同地域、不同操作系统以及不同网络形式的细分价格。

一.ecs云服务器实例规格价格表（企业级windows系统）

实例规格	vCPU	内存(GB)	按量(小时)	标准目录月价	优惠月价	年付月价	3年付月价	5年付月价
通用型 (g6) ecs.g6.large	2	8	0.35	168	168	142.8	92.4	63.84
通用型 (g6) ecs.g6.xlarge	4	16	0.7	336	336	285.6	184.8	127.68
通用型 (g6) ecs.g6.2xlarge	8	32	1.401	672	672	571.2	369.6	255.36
通用型 (g6) ecs.g6.3xlarge	12	48	2.1	1008	1008	856.8	554.4	383.04
通用型 (g6) ecs.g6.4xlarge	16	64	2.8	1344	1344	1142.4	739.2	510.72
通用型 (g6) ecs.g6.6xlarge	24	96	4.2	2016	2016	1713.6	1108.8	766.08
通用型 (g6) ecs.g6.8xlarge	32	128	5.6	2688	2688	2284.8	1478.4	1021.44
通用型 (g6) ecs.g6.13xlarge	52	192	9.1	4368	4368	3712.8	2402.4	1659.84
通用型 (g6) ecs.g6.26xlarge	104	384	18.2	8736	8736	7425.6	4804.8	3319.68
内存型 (r6) ecs.r6.large	2	16	0.46	220	220	187	121	83.6
内存型 (r6) ecs.r6.xlarge	4	32	0.92	440	440	374	242	167.2
内存型 (r6) ecs.r6.2xlarge	8	64	1.83	880	880	748	484	334.4
内存型 (r6) ecs.r6.3xlarge	12	96	2.75	1320	1320	1122	726	501.6
内存型 (r6) ecs.r6.4xlarge	16	128	3.67	1760	1760	1496	968	668.8
内存型 (r6) ecs.r6.6xlarge	24	192	5.5	2640	2640	2244	1452	1003.2
内存型 (r6) ecs.r6.8xlarge	32	256	7.33	3520	3520	2992	1936	1337.6
内存型 (r6) ecs.r6.13xlarge	52	384	11.92	5720	5720	4862	3146	2173.6
内存型 (r6) ecs.r6.26xlarge	104	768	23.83	11440	11440	9724	6292	4347.2
计算型 (c6) ecs.c6.large	2	4	0.27	131	131	111.35	72.05	49.78
计算型 (c6) ecs.c6.xlarge	4	8	0.55	262	262	222.7	144.1	99.56
计算型 (c6) ecs.c6.2xlarge	8	16	1.09	524	524	445.4	288.2	199.12
计算型 (c6) ecs.c6.3xlarge	12	24	1.64	786	786	668.1	432.3	298.68
计算型 (c6) ecs.c6.4xlarge	16	32	2.18	1048	1048	890.8	576.4	398.24
计算型 (c6) ecs.c6.6xlarge	24	48	3.28	1572	1572	1336.2	864.6	597.36
计算型 (c6) ecs.c6.8xlarge	32	64	4.37	2096	2096	1781.6	1152.8	796.48
计算型 (c6) ecs.c6.13xlarge	52	104	7.1	3406	3406	2895.1	1873.3	1294.28
计算型 (c6) ecs.c6.26xlarge	104	192	14.19	6812	6812	5790.2	3746.6	2588.56
通用型 (g5) ecs.g5.large	2	8	0.66	191	181.45	143.25	85.95	57.3
通用型 (g5) ecs.g5.xlarge	4	16	1.33	383	363.85	287.25	172.35	114.9
通用型 (g5) ecs.g5.2xlarge	8	32	2.66	765	726.75	573.75	344.25	229.5
通用型 (g5) ecs.g5.3xlarge	12	48	3.99	1148	1090.6	861	516.6	344.4
通用型 (g5) ecs.g5.4xlarge	16	64	5.31	1530	1453.5	1147.5	688.5	459
通用型 (g5) ecs.g5.6xlarge	24	96	7.971	2295	2180.25	1721.25	1032.75	688.5
通用型 (g5) ecs.g5.8xlarge	32	128	10.63	3060	2907	2295	1377	918
通用型 (g5) ecs.g5.16xlarge	64	256	21.25	6120	5814	4590	2754	1836
计算型 (c5) ecs.c5.large	2	4	0.47	134	134	113.9	73.7	49.58
计算型 (c5) ecs.c5.xlarge	4	8	0.93	269	269	228.65	147.95	99.53
计算型 (c5) ecs.c5.2xlarge	8	16	1.86	537	537	456.45	295.35	198.69
计算型 (c5) ecs.c5.3xlarge	12	24	2.8	806	806	685.1	443.3	298.22
计算型 (c5) ecs.c5.4xlarge	16	32	3.73	1074	1074	912.9	590.7	397.38
计算型 (c5) ecs.c5.6xlarge	24	48	5.59	1611	1611	1369.35	886.05	596.07
计算型 (c5) ecs.c5.8xlarge	32	64	7.46	2148	2148	1825.8	1181.4	794.76
计算型 (c5) ecs.c5.16xlarge	64	128	14.92	4296	4296	3651.6	2362.8	1589.52
内存型 (r5) ecs.r5.large	2	16	0.85	245	232.75	183.75	110.25	73.5
内存型 (r5) ecs.r5.xlarge	4	32	1.7	489	464.55	366.75	220.05	146.7
内存型 (r5) ecs.r5.2xlarge	8	64	3.4	978	929.1	733.5	440.1	293.4
内存型 (r5) ecs.r5.3xlarge	12	96	5.09	1467	1393.65	1100.25	660.15	440.1
内存型 (r5) ecs.r5.4xlarge	16	128	6.79	1956	1858.2	1467	880.2	586.8
内存型 (r5) ecs.r5.6xlarge	24	192	10.19	2934	2787.3	2200.5	1320.3	880.2
内存型 (r5) ecs.r5.8xlarge	32	256	13.58	3912	3716.4	2934	1760.4	1173.6
内存型 (r5) ecs.r5.16xlarge	64	512	27.17	7824	7432.8	5868	3520.8	2347.2
密集计算型 (ic5) ecs.ic5.large	2	2	0.44	128	128	108.8	70.4	48.64
密集计算型 (ic5) ecs.ic5.xlarge	4	4	0.89	255	255	216.75	140.25	96.9
密集计算型 (ic5) ecs.ic5.2xlarge	8	8	1.77	510	510	433.5	280.5	193.8
密集计算型 (ic5) ecs.ic5.3xlarge	12	12	2.66	765	765	650.25	420.75	290.7
密集计算型 (ic5) ecs.ic5.4xlarge	16	16	3.54	1020	1020	867	561	387.6
GPU计算型 (gn5) ecs.gn5-c4g1.xlarge	4	30	12.78	3681	3681	3128.85	1914.12	1288.35
GPU计算型 (gn5) ecs.gn5-c8g1.2xlarge	8	60	13.849	3989.7	3989.7	3391.25	2074.64	1396.39
GPU计算型 (gn5) ecs.gn5-c4g1.2xlarge	8	60	25.57	7363	7363	6258.55	3828.76	2577.05
GPU计算型 (gn5) ecs.gn5-c8g1.4xlarge	16	120	27.71	7979.4	7979.4	6782.49	4149.29	2792.79
GPU计算型 (gn5) ecs.gn5-c28g1.7xlarge	28	112	23.88	6877	6877	5845.45	3576.04	2406.95
GPU计算型 (gn5) ecs.gn5-c8g1.8xlarge	32	240	55.409	15957.9	15957.9	13564.21	8298.11	5585.27
GPU计算型 (gn5) ecs.gn5-c28g1.14xlarge	56	224	47.75	13753	13753	11690.05	7151.56	4813.55
GPU计算型 (gn5) ecs.gn5-c8g1.14xlarge	54	480	110.819	31915.8	31915.8	27128.43	16596.22	11170.53
GPU计算型 (gn6i) ecs.gn6i-c4g1.xlarge	4	15	10.46	3013	3013	2561.05	1657.15	1144.94
GPU计算型 (gn6i) ecs.gn6i-c8g1.2xlarge	8	31	12.6	3629	3629	3084.65	1995.95	1379.02
GPU计算型 (gn6i) ecs.gn6i-c16g1.4xlarge	16	62	14.77	4253	4253	3615.05	2339.15	1616.14
GPU计算型 (gn6i) ecs.gn6i-c24g1.6xlarge	24	93	15.471	4455	4455	3786.75	2450.25	1692.9
GPU计算型 (gn6i) ecs.gn6i-c24g1.12xlarge	48	186	30.941	8910	8910	7573.5	4900.5	3385.8
GPU计算型 (gn6i) ecs.gn6i-c24g1.24xlarge	96	372	61.88	17820	17820	15147	9801	6771.6
GPU计算型 (gn6v) ecs.gn6v-c8g1.2xlarge	8	32	19.84	5715	5715	4857.75	3143.25	2171.7
GPU计算型 (gn6v) ecs.gn6v-c8g1.8xlarge	32	128	79.36	22860	22860	19431	12573	8686.8
GPU计算型 (gn6v) ecs.gn6v-c8g1.16xlarge	64	256	158.72	45720	45720	38862	25146	17373.6
GPU计算型 (gn6v) ecs.gn6v-c10g1.20xlarge	96	384	197.67	56929.5	56929.5	48390.08	31311.23	21633.21
GPU计算型弹性裸金属服务器 (ebmgn6i) ecs.ebmgn6i.24xlarge	96	384	61.88	17820	17820	15147	9801	6771.6
GPU计算型 (gn5i) ecs.gn5i-c2g1.large	2	8	6.51	1875	1781.25	1406.25	843.75	562.5
GPU计算型 (gn5i) ecs.gn5i-c4g1.xlarge	4	16	7.27	2093	1988.35	1569.75	941.85	627.9
GPU计算型 (gn5i) ecs.gn5i-c8g1.2xlarge	8	32	8.75	2520	2394	1890	1134	756
GPU计算型 (gn5i) ecs.gn5i-c16g1.4xlarge	16	64	11.721	3375	3206.25	2531.25	1518.75	1012.5
GPU计算型 (gn5i) ecs.gn5i-c28g1.14xlarge	56	224	32.29	9300	8835	6975	4185	2790
高主频计算型 (hfc5) ecs.hfc5.large	2	4	0.65	188	188	156.04	94	62.04
高主频计算型 (hfc5) ecs.hfc5.xlarge	4	8	1.311	377	377	312.91	188.5	124.41
高主频计算型 (hfc5) ecs.hfc5.2xlarge	8	16	2.61	753	753	624.99	376.5	248.49
高主频计算型 (hfc5) ecs.hfc5.3xlarge	12	24	3.92	1130	1130	937.9	565	372.9
高主频计算型 (hfc5) ecs.hfc5.4xlarge	16	32	5.23	1506	1506	1249.98	753	496.98
高主频计算型 (hfc5) ecs.hfc5.6xlarge	24	48	7.84	2259	2259	1874.97	1129.5	745.47
高主频计算型 (hfc5) ecs.hfc5.8xlarge	32	64	10.46	3012	3012	2499.96	1506	993.96
高主频通用型 (hfg5) ecs.hfg5.large	2	8	0.86	249	249	201.69	122.01	79.68
高主频通用型 (hfg5) ecs.hfg5.xlarge	4	16	1.73	498	498	403.38	244.02	159.36
高主频通用型 (hfg5) ecs.hfg5.2xlarge	8	32	3.461	996	996	806.76	488.04	318.72
高主频通用型 (hfg5) ecs.hfg5.3xlarge	12	48	5.191	1494	1494	1210.14	732.06	478.08
高主频通用型 (hfg5) ecs.hfg5.4xlarge	16	64	6.92	1992	1992	1613.52	976.08	637.44
高主频通用型 (hfg5) ecs.hfg5.6xlarge	24	96	10.38	2988	2988	2420.28	1464.12	956.16
高主频通用型 (hfg5) ecs.hfg5.8xlarge	32	128	13.83	3984	3984	3227.04	1952.16	1274.88
高主频通用型 (hfg5) ecs.hfg5.14xlarge	56	160	22.94	6606	6606	5350.86	3236.94	2113.92
GPU轻量型 (vgn5i) ecs.vgn5i-m1.large	2	6	1.95	562.5	562.5	478.13	309.38	213.75
GPU轻量型 (vgn5i) ecs.vgn5i-m2.xlarge	4	12	3.91	1125	1125	956.25	618.75	427.5
GPU轻量型 (vgn5i) ecs.vgn5i-m4.2xlarge	8	24	7.81	2250	2250	1912.5	1237.5	855
GPU轻量型 (vgn5i) ecs.vgn5i-m8.4xlarge	16	48	15.63	4500	4500	3825	2475	1710
通用型弹性裸金属服务器 (ebmg5) ecs.ebmg5.24xlarge	96	384	31.88	9180	8721	6885	4131	2754
高主频型弹性裸金属服务器 (ebmhfg5) ecs.ebmhfg5.2xlarge	8	32	5.53	1594	1594	1291.14	781.06	510.08
计算型弹性裸金属服务器 (ebmc4) ecs.ebmc4.8xlarge	32	64	9.84	3150	3150	2677.5	1732.5	1197
高主频型超级计算集群 (scch5) ecs.scch5.16xlarge	64	192	42.36	12200	11590	9150	5490	3660
通用型超级计算集群 (sccg5) ecs.sccg5.24xlarge	96	384	44.63	12852	12209.4	9639	5783.4	3855.6
内存增强型 (re4) ecs.re4.20xlarge	80	960	68.75	19800	19800	16830	9900	9900
内存增强型 (re4) ecs.re4.40xlarge	160	1920	137.5	39600	39600	33660	19800	19800
计算网络增强型 (sn1ne) ecs.sn1ne.large	2	4	0.51	148	148	125.8	81.4	56.24
计算网络增强型 (sn1ne) ecs.sn1ne.xlarge	4	8	1.03	296	296	251.6	162.8	112.48
计算网络增强型 (sn1ne) ecs.sn1ne.2xlarge	8	16	2.05	591	591	502.35	325.05	224.58
计算网络增强型 (sn1ne) ecs.sn1ne.3xlarge	12	24	3.08	887	887	753.95	487.85	337.06
计算网络增强型 (sn1ne) ecs.sn1ne.4xlarge	16	32	4.1	1182	1182	1004.7	650.1	449.16
计算网络增强型 (sn1ne) ecs.sn1ne.6xlarge	24	48	6.16	1773	1773	1507.05	975.15	673.74
计算网络增强型 (sn1ne) ecs.sn1ne.8xlarge	32	64	8.21	2364	2364	2009.4	1300.2	898.32
通用网络增强型 (sn2ne) ecs.sn2ne.large	2	8	0.75	215	204.25	161.25	96.75	64.5
通用网络增强型 (sn2ne) ecs.sn2ne.xlarge	4	16	1.49	429	407.55	321.75	193.05	128.7
通用网络增强型 (sn2ne) ecs.sn2ne.2xlarge	8	32	2.98	858	815.1	643.5	386.1	257.4
通用网络增强型 (sn2ne) ecs.sn2ne.3xlarge	12	48	4.47	1287	1222.65	965.25	579.15	386.1
通用网络增强型 (sn2ne) ecs.sn2ne.4xlarge	16	64	5.96	1716	1630.2	1287	772.2	514.8
通用网络增强型 (sn2ne) ecs.sn2ne.6xlarge	24	96	8.94	2574	2445.3	1930.5	1158.3	772.2
通用网络增强型 (sn2ne) ecs.sn2ne.8xlarge	32	128	11.92	3432	3260.4	2574	1544.4	1029.6
通用网络增强型 (sn2ne) ecs.sn2ne.14xlarge	56	224	20.85	6006	5705.7	4504.5	2702.7	1801.8
内存型 (se1) ecs.se1.large	2	16	1.14	329.4	329.4	279.99	164.7	164.7
内存型 (se1) ecs.se1.xlarge	4	32	2.29	658.8	658.8	559.98	329.4	329.4
内存型 (se1) ecs.se1.2xlarge	8	64	4.58	1317.6	1317.6	1119.96	658.8	658.8
内存型 (se1) ecs.se1.4xlarge	16	128	9.15	2635.2	2635.2	2239.92	1317.6	1317.6
内存型 (se1) ecs.se1.8xlarge	32	256	18.301	5270.4	5270.4	4479.84	2635.2	2635.2
内存型 (se1) ecs.se1.14xlarge	56	480	32.03	9223.2	9223.2	7839.72	4611.6	4611.6
内存网络增强型 (se1ne) ecs.se1ne.large	2	16	0.95	275	261.25	206.25	123.75	82.5
内存网络增强型 (se1ne) ecs.se1ne.xlarge	4	32	1.91	549	521.55	411.75	247.05	164.7
内存网络增强型 (se1ne) ecs.se1ne.2xlarge	8	64	3.81	1098	1043.1	823.5	494.1	329.4
内存网络增强型 (se1ne) ecs.se1ne.3xlarge	12	96	5.72	1647	1564.65	1235.25	741.15	494.1
内存网络增强型 (se1ne) ecs.se1ne.4xlarge	16	128	7.631	2196	2086.2	1647	988.2	658.8
内存网络增强型 (se1ne) ecs.se1ne.6xlarge	24	192	11.441	3294	3129.3	2470.5	1482.3	988.2
内存网络增强型 (se1ne) ecs.se1ne.8xlarge	32	256	15.25	4392	4172.4	3294	1976.4	1317.6
内存网络增强型 (se1ne) ecs.se1ne.14xlarge	56	480	26.69	7686	7301.7	5764.5	3458.7	2305.8
高主频计算型 (c4) ecs.c4.xlarge	4	8	2.65	1574.24	1495.53	1180.68	708.41	472.27
高主频计算型 (c4) ecs.c4.2xlarge	8	16	5.29	3148.49	2991.06	2361.37	1416.82	944.55
高主频计算型 (c4) ecs.c4.4xlarge	16	32	10.59	6296.99	5982.14	4722.74	2833.65	1889.1
高主频通用型 (cm4) ecs.cm4.xlarge	4	16	3.13	1859.97	1766.97	1394.98	836.99	557.99
高主频通用型 (cm4) ecs.cm4.2xlarge	8	32	6.34	3719.89	3533.9	2789.92	1673.95	1115.97
高主频通用型 (cm4) ecs.cm4.4xlarge	16	64	12.68	7439.93	7067.94	5579.95	3347.97	2231.98
高主频通用型 (cm4) ecs.cm4.6xlarge	24	96	19.02	11159.83	10601.83	8369.87	5021.92	3347.95
高主频内存型 (ce4) ecs.ce4.xlarge	4	32	3.72	2126.34	2020.03	1594.76	956.85	637.9
本地SSD型 (i1) ecs.i1.xlarge	4	16	2.03	584.1	554.89	438.07	262.85	175.23
本地SSD型 (i1) ecs.i1.2xlarge	8	32	4.06	1168.2	1109.79	876.15	525.69	350.46
本地SSD型 (i1) ecs.i1.3xlarge	12	48	6.76	1947	1849.65	1460.25	876.15	584.1
本地SSD型 (i1) ecs.i1.4xlarge	16	64	8.11	2336.4	2219.58	1752.3	1051.38	700.92
本地SSD型 (i1) ecs.i1-c5d1.4xlarge	16	64	10.521	3028.9	2877.46	2271.67	1363	908.67
本地SSD型 (i1) ecs.i1.8xlarge	32	128	16.23	4672.8	4439.16	3504.6	2102.76	1401.84
本地SSD型 (i1) ecs.i1-c10d1.8xlarge	32	128	17.67	5088.1	4833.7	3816.07	2289.64	1526.43
本地SSD型 (i1) ecs.i1.14xlarge	56	224	28.391	8177.4	7768.53	6133.05	3679.83	2453.22
本地SSD型 (i2) ecs.i2.xlarge	4	32	1.33	640	640	544	352	243.2
本地SSD型 (i2) ecs.i2.2xlarge	8	64	2.67	1280	1280	1088	704	486.4
本地SSD型 (i2) ecs.i2.4xlarge	16	128	5.33	2560	2560	2176	1408	972.8
本地SSD型 (i2) ecs.i2.8xlarge	32	256	10.67	5120	5120	4352	2816	1945.6
本地SSD型 (i2) ecs.i2.16xlarge	64	512	21.33	10240	10240	8704	5632	3891.2
大数据型 (d1) ecs.d1.2xlarge	8	32	5.73	1649.7	1567.21	1237.27	742.37	494.91
大数据型 (d1) ecs.d1.4xlarge	16	64	11.46	3299.4	3134.43	2474.55	1484.73	989.82
大数据型 (d1) ecs.d1.6xlarge	24	96	17.18	4949.1	4701.64	3711.83	2227.09	1484.73
大数据型 (d1) ecs.d1.8xlarge	32	128	22.91	6598.8	6268.86	4949.1	2969.46	1979.64
大数据型 (d1) ecs.d1.14xlarge	56	224	40.1	11547.9	10970.5	8660.93	5196.56	3464.37
大数据网络增强型 (d1ne) ecs.d1ne.2xlarge	8	32	5.01	1444	1371.8	1083	649.8	433.2
大数据网络增强型 (d1ne) ecs.d1ne.4xlarge	16	64	10.03	2888	2743.6	2166	1299.6	866.4
大数据网络增强型 (d1ne) ecs.d1ne.6xlarge	24	96	15.04	4331	4114.45	3248.25	1948.95	1299.3
大数据网络增强型 (d1ne) ecs.d1ne-c8d3.8xlarge	32	128	19.25	5543	5265.85	4157.25	2494.35	1662.9
大数据网络增强型 (d1ne) ecs.d1ne.8xlarge	32	128	20.05	5775	5486.25	4331.25	2598.75	1732.5
大数据网络增强型 (d1ne) ecs.d1ne-c14d3.14xlarge	56	160	29.19	8407	7986.65	6305.25	3783.15	2522.1
大数据网络增强型 (d1ne) ecs.d1ne.14xlarge	56	224	35.09	10106	9600.7	7579.5	4547.7	3031.8
GPU计算型 (gn4) ecs.gn4-c4g1.xlarge	4	30	10.88	3134	2977.3	2350.5	1410.3	940.2
GPU计算型 (gn4) ecs.gn4-c8g1.2xlarge	8	30	12.41	3575	3396.25	2681.25	1608.75	1072.5
GPU计算型 (gn4) ecs.gn4-c4g1.2xlarge	8	60	21.76	6268	5954.6	4701	2820.6	1880.4
GPU计算型 (gn4) ecs.gn4-c8g1.4xlarge	16	60	24.83	7150	6792.5	5362.5	3217.5	2145
GPU计算型 (gn4) ecs.gn4.8xlarge	32	48	14.93	4300	4085	3225	1935	1290
GPU计算型 (gn4) ecs.gn4.14xlarge	56	96	29.86	8599	8169.05	6449.25	3869.55	2579.7
GPU可视化计算型 (ga1) ecs.ga1.xlarge	4	10	2.2	633	601.35	474.75	284.85	189.9
GPU可视化计算型 (ga1) ecs.ga1.2xlarge	8	20	4.4	1266	1202.7	949.5	569.7	379.8
GPU可视化计算型 (ga1) ecs.ga1.4xlarge	16	40	8.79	2531	2404.45	1898.25	1138.95	759.3
GPU可视化计算型 (ga1) ecs.ga1.8xlarge	32	80	17.58	5062	4808.9	3796.5	2277.9	1518.6
GPU可视化计算型 (ga1) ecs.ga1.14xlarge	56	160	35.16	10125	9618.75	7593.75	4556.25	3037.5
FPGA计算型 (f1) ecs.f1-c8f1.2xlarge	8	60	8.66	2495	2370.25	1871.25	1122.75	748.5
FPGA计算型 (f1) ecs.f1-c8f1.4xlarge	16	120	17.33	4990	4740.5	3742.5	2245.5	1497
FPGA计算型 (f1) ecs.f1-c28f1.7xlarge	28	112	15.14	4360	4142	3270	1962	1308
FPGA计算型 (f1) ecs.f1-c28f1.14xlarge	56	224	30.28	8720	8284	6540	3924	2616
FPGA计算型 (f3) ecs.f3-c16f1.4xlarge	16	64	17.5	5040	5040	4284	2772	1915.2
FPGA计算型 (f3) ecs.f3-c16f1.8xlarge	32	128	35	10080	10080	8568	5544	3830.4
FPGA计算型 (f3) ecs.f3-c16f1.16xlarge	64	256	70	20160	20160	17136	11088	7660.8

二.最新磁盘价格表
ESSD磁盘价格

云盘规格	性能上限	容量范围	按量价格	包月价格
PL1	Max IOPS=5万; Max Throughput=350MB	20GiB ~ 32768GiB	0.0021 元/1GB/小时	1.00 元/1GB/月
PL2	Max IOPS=10万; Max Throughput=750MB	461GiB ~ 32768GiB	0.0042 元/1GB/小时	2.00 元/1GB/月
PL3	Max IOPS=100万; Max Throughput=4000MB	1261GiB ~ 32768GiB	0.0084 元/1GB/小时	4.00 元/1GB/月

其它磁盘价格

计费项	类型	规格	按量价格	包月价格
系统盘（40 GB起售价）	普通云盘	40GB	0.014 元/40GB/小时	9.60 元/40GB/月
系统盘（40 GB起售价）	高效云盘	40GB	0.015 元/40GB/小时	11.20 元/40GB/月
系统盘（40 GB起售价）	SSD云盘	40GB	0.045 元/40GB/小时	32.00 元/40GB/月
系统盘（线性计费）	普通云盘	1GB	0.00034 元/1GB/小时	0.24 元/1GB/月
系统盘（线性计费）	高效云盘	1GB	0.00038 元/1GB/小时	0.28 元/1GB/月
系统盘（线性计费）	SSD云盘	1GB	0.00112 元/1GB/小时	0.80 元/1GB/月
数据盘（线性计费）	普通云盘	1GB	0.00034 元/1GB/小时	0.24 元/1GB/月
数据盘（线性计费）	高效云盘	1GB	0.00038 元/1GB/小时	0.28 元/1GB/月
数据盘（线性计费）	SSD云盘	1GB	0.00112 元/1GB/小时	0.80 元/1GB/月

三.最新带宽价格表

计费方式	规格	价格	计费方式
包年包月实例，固定带宽阶梯计费	1Mbps	23.00 元/1Mbps/月	包年包月实例，固定带宽阶梯计费
包年包月实例，固定带宽阶梯计费	2Mbps	46.00 元/2Mbps/月	包年包月实例，固定带宽阶梯计费
包年包月实例，固定带宽阶梯计费	3Mbps	71.00 元/3Mbps/月	包年包月实例，固定带宽阶梯计费
包年包月实例，固定带宽阶梯计费	4Mbps	96.00 元/4Mbps/月	包年包月实例，固定带宽阶梯计费
包年包月实例，固定带宽阶梯计费	5Mbps	125.00 元/5Mbps/月	包年包月实例，固定带宽阶梯计费
包年包月实例，固定带宽阶梯计费	6Mbps及以上, 每Mbps费用	80.0 元/Mbps/月	包年包月实例，固定带宽阶梯计费
按量计费实例，固定带宽阶梯计费	1－5 Mbps	0.062 元/Mbps/小时	按量计费实例，固定带宽阶梯计费
按量计费实例，固定带宽阶梯计费	6Mbps及以上, 每Mbps费用	0.252 元/Mbps/小时	按量计费实例，固定带宽阶梯计费
按使用量线性计费	1GB	0.8 元/GB	按使用量线性计费

按量付费注意事项：
1.询价金额如遇小数点，保留三位小数点，第四位四舍五入。
2.账单列表金额遇小数点，保留两位小数点，第三位舍掉，实际扣费金额以此为准；账单详情3.金额遇小数点，保留三位小数点，第四位四舍五入。
4.余额不足提醒：以小时为单位整点结算后，若下一计费周期内账户可用余额小于上一周期账单金额，则发短信和邮件提醒。
5.释放通知：因到期/欠费释放，系统会短信和邮件通知。

优惠提醒：想价格更加便宜的用户，一是可以关注阿里云官网最新活动栏目，二是可以关注阿里云-云小站，云小站包含了限量云产品优惠今日限时秒杀新用户专享1折起爆款产品5折起等多种优惠。

微信关注我们

原文链接：https://yq.aliyun.com/articles/744084

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

rtty 7.1.1 发布, 在任何地方通过 Web 访问您的终端

更新内容： 1、客户端去掉libuwsc依赖，降低客户端编译难度，减少客户端大小。 2、重构文件操纵，提升文件上传和下载稳定性 3、修复buffer中一些bug 4、修复ssl中一些bug rtty是一个远程终端维护工具。您可以在任何地方通过Web访问您的终端(Access your device's terminal from anywhere via the web)。 rtty由客户端和服务端组成。客户端采用纯C语言编写，非常小巧，适合嵌入式Linux。服务端采用Go语言实现，性能高。目前在Github上已获得1.3K Star。 https://github.com/zhaojh329/rtty 码云地址： https://gitee.com/zhaojh329/rtty

2020-02-11

731

前端 Docker 镜像体积优化

如果 2019 年技术圈有十大流行词，容器化肯定占有一席之地，随着 Docker 的风靡，前端领域应用到 Docker 的场景也越来越多，本文主要来讲述下开源的分布式图数据库 Nebula Graph 是如何将 Docker 应用到可视化界面中。为什么要用 Docker 对于前端日常开发而言，有时也会用到 Docker，结合到Nebula Graph Studio （分布式图数据库 Nebula Graph 的图形界面工具）使用 Docker 主要基于以下考虑: 统一运行环境：我们的工具背后有好几个服务组合在一起，诸如不同技术栈的现有服务，纯前端的静态资源。用户使用成本低：目前云服务还在开发中，想让用户对服务组合无感，能直接在本地一键启动应用并使用。快速部署：团队本就提供有 Nebula镜像版本实践，给了我们前端一些参考和借鉴。 Docker 镜像的构建既然要使用 Docker 来承载我们的应用，就得将项目进行镜像构建。与所有 build 镜像类似，需要配置一份命名为Dockerfile 的文件，文件是一些步骤的描述，简单来说就是把项目复制到镜像里，并设置好启动方式： # 选...

2020-02-11

479

发表评论

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。