cost
Các kho mã nguồn mở đang theo dõi được gắn thẻ cost, sắp xếp theo số sao.
Chủ đề liên quan
Những chủ đề thường xuất hiện cùng cost trên cùng một kho mã.
Mới nổi gần đây
Các kho mã tạo trong 90 ngày qua và được gắn thẻ cost.
Không có kho mã mới nào gắn thẻ chủ đề này trong 90 ngày qua.
- #1
🏋️ Tìm hiểu chi phí khi thêm một dependency frontend mới vào dự án của bạn
★ 9.581+0Thay đổi số sao trong 7 ngày qua - #2★ 6.721+22Thay đổi số sao trong 7 ngày qua
- #3
AWS Lambda Power Tuning là một công cụ mã nguồn mở giúp bạn trực quan hóa và tinh chỉnh cấu hình bộ nhớ/hiệu năng của các hàm Lambda. Nó chạy trong tài khoản AWS của riêng bạn - được hỗ trợ bởi AWS Step Functions - và hỗ trợ ba chiến lược tối ưu hóa: chi phí, tốc độ và cân bằng.
★ 6.056+4Thay đổi số sao trong 7 ngày qua - #4
Tiết kiệm tới 90% chi phí AWS EC2 bằng cách tự động hóa việc sử dụng các instance spot trên các nhóm AutoScaling hiện có. Cài đặt trong vài phút bằng CloudFormation hoặc Terraform. Thuận tiện để triển khai diện rộng bằng StackSets. Sử dụng gắn thẻ để tránh thay đổi cấu hình khởi chạy. Xử lý chấm dứt spot tự động. Dự phòng đáng tin cậy sang các instance theo nhu cầu.
★ 2.369+1Thay đổi số sao trong 7 ngày qua - #5
⚖️ Tính toán chi phí khi thêm một thư viện phụ thuộc mới vào dự án của bạn
★ 2.308+1Thay đổi số sao trong 7 ngày qua - #6
Đo lường và tính phí cho AI, API và DevOps. Thu thập và tổng hợp hàng triệu sự kiện sử dụng trong thời gian thực để bật tính năng tính phí theo mức sử dụng.
★ 2.241+10Thay đổi số sao trong 7 ngày qua - #7
Các bài tập thực hành và mã nguồn giúp bạn học hỏi, đánh giá và xây dựng bằng các phương pháp hay nhất về kiến trúc.
★ 2.131+0Thay đổi số sao trong 7 ngày qua - #8
Công cụ CLI để thực hiện phân tích chi phí trên gói đăng ký Azure của bạn
★ 1.122+0Thay đổi số sao trong 7 ngày qua - #9
Terratag là một công cụ CLI cho phép người dùng Terraform tự động tạo và duy trì các tag trên toàn bộ tài nguyên AWS, Azure và GCP của họ
★ 1.054-1Thay đổi số sao trong 7 ngày qua - #10★ 821-1Thay đổi số sao trong 7 ngày qua
- #11
Mô hình hóa chuỗi thời gian sâu dễ sử dụng dựa trên PaddlePaddle, bao gồm các mô-đun chức năng toàn diện như TSDataset, Analysis, Transform, Models, AutoTS và Ensemble, hỗ trợ các tác vụ đa dạng như dự báo chuỗi thời gian, học biểu diễn và phát hiện bất thường, với tính năng theo dõi nhanh các mô hình sâu SOTA.
★ 547+0Thay đổi số sao trong 7 ngày qua