AWS/Azure/GCP多账号场景共享同一份Jupyter Notebook的低成本选型问询

三家公有云厂商均支持该需求，均需要在默认配置外做少量权限配置，无需额外采购付费服务，具体方案和成本差异如下：

各厂商实现方案 #

• AWS
  基于SageMaker Studio实现，两种可选配置：

  1. 将Notebook文件存放在统一的跨账号授权S3桶，给所有需要访问的账号IAM身份配置S3桶的读写权限，所有账号的SageMaker实例挂载该S3桶后即可访问同一份Notebook
  2. 直接在SageMaker Studio内打开Notebook，点击共享按钮，授权组织内其他AWS账号的IAM身份访问，支持设置查看/编辑权限
     费用说明：共享功能本身无额外收费，仅需支付S3存储的按量费用，各账号运行Notebook的计算资源单独按使用时长计费。

• Azure
  基于Azure Machine Learning（AML）共享Workspace实现：
  创建统一的AML Workspace，将Notebook存放在Workspace关联的共享文件存储中，通过Azure AD为多个跨账号的用户身份授予Workspace的访问权限，授权用户登录AML Studio后可直接打开同一份Notebook，支持实时协作编辑。
  费用说明：共享功能无额外服务费，仅支付共享文件存储（Azure Files/Blob）的存储费用，各用户使用的计算资源单独计费。

• GCP
  基于Vertex AI Workbench实现，两种可选配置：

  1. 将Notebook存放在跨账号授权的Cloud Storage桶，给所有用户配置存储的读写权限，各用户的Vertex AI实例挂载该存储后访问同一份文件
  2. 直接在Vertex AI Workbench中生成Notebook共享链接，授予对应Google Cloud账号的访问权限，无需额外配置存储即可实现多账号实时协作
     费用说明：共享功能无额外收费，仅支付Cloud Storage存储费用，计算资源按使用时长单独计费，小团队低频使用场景可使用GCP免费层配额覆盖存储和基础计算资源开销，无额外成本。

最低成本方案选择 #

综合对比下来GCP方案成本最低：
同等标准存储容量下，Cloud Storage的费用比AWS S3低10%左右，比Azure Blob标准存储低15%左右，加上免费层配额的覆盖，10人以内的小团队如果仅做轻量Notebook开发，几乎不需要为共享功能支付额外费用。
如果你的团队已经在使用某一家云的机器学习服务，也可以直接选用对应厂商的方案，三家的额外成本差异都在每月几美元的量级，无需特意迁移。

内容的提问来源于stack exchange，提问作者Mohammad Yahia