结算报告：查看您的预测费用

在 Cloud Billing 费用报告中， 您可以使用预测功能来查看费用趋势，以及 未来 12 个月的预计支出。

如果您使用以未来日期结束的日期范围查看 Cloud Billing 结算报告，您的 Cloud Billing 报告图表会同时显示实际费用和预测费用：

  • 图表上方的报告标题提供了费用的拆分视图：自开始日期起截至目前的实际费用以及整个日期范围的预测总费用。
  • 预测费用在图表中使用堆叠条形图或折线图的浅灰色来表示。

显示预测费用的 Google Cloud 结算报告。

如何查看费用预测

在 Google Cloud 控制台的 Billing （结算）部分中， 找到要分析的 Cloud Billing 帐号的费用报告。

在报告中，可通过以下过滤条件查看费用预测：

  • 过滤条件的任意组合，但以下情况除 3}除外：

    • 使用结算周期（原“账单月份”）时间范围时。
    • 按产品、原始产品、 基于支出的承诺使用折扣 (CUD)或原始服务过滤时。

  • 以 将来某个日期为结束时间的任何费用周期（原“使用日期”）时间范围。（预测不适用于结算周期（原 账单月份）时间范围。）

    • 如果您查看的是当月 时间范围的报告，则默认结束日期为当月最后一天。

    • 如果您选择指定某个自定义日期范围 ，请选择 按费用周期 ，并将日期范围的结束日期 设置为将来某个日期。

      您可以查看未来 12 个月的预测支出。

费用预测由 AI 赋能

费用预测模型采用先进的机器学习技术，旨在了解复杂的费用模式并处理实际数据的不完善之处，从而为您提供更可靠且更具实际意义的费用预测。费用趋势通过以下操作确定：

  1. 收集历史数据：预测模型会根据您选择的报告过滤条件来收集您的所有历史 Google Cloud 支出数据。
  2. 智能数据准备：使用一系列全面的数据 预处理步骤来准备高质量的数据，以便智能地 处理异常费用（例如，意外的费用激增），更 准确地填补用量数据中的空缺，并检测支出模式的显著变化（例如，由于新 项目启动或架构发生重大变化），从而相应地调整预测结果。
  3. 考虑季节性和趋势：机器学习引擎旨在 识别和适应费用数据中的多层季节性和 潜在趋势，检测各种重复模式并对其进行建模，例如云支出涉及的每日、每周和每月周期。
  4. 全面的数据正则化：预测模型会持续 对您的费用数据进行结构化处理，以便机器学习模型进行可靠的时序分析 。这样生成的预测结果可以智能地捕获复杂的趋势及多种季节性因素，并能处理数据异常情况。

预测的总费用包括以下费用：

  • 所选时间段内截至目前的实际总费用。
  • 所选时间段内将来每天的预计费用。