

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Monitora l'utilizzo della capacità dei processi di elaborazione
<a name="track-capacity-utilization-compute-jobs"></a>

AWS Batch fornisce più operazioni API che è possibile utilizzare insieme per tenere traccia dell'utilizzo della capacità per i processi di elaborazione ECS, EKS e Fargate in una coda. Il flusso di lavoro di monitoraggio dipende dal tipo di politica di pianificazione allegata alla coda dei lavori.

Per le code di lavoro che utilizzano una politica di pianificazione FIFO (*First-in, Firstout)*:

1. Verifica l'utilizzo totale della coda (). `GetJobQueueSnapshot`

1. Elenca i lavori per stato, ad esempio `RUNNABLE` and `RUNNING` ()`ListJobs`.

1. Esamina un determinato lavoro (`DescribeJobs`).

Per le code di lavoro che utilizzano una politica di *pianificazione equa (FSS*):

1. Controlla l'utilizzo totale della coda (). `GetJobQueueSnapshot`

1. Visualizza l'utilizzo per condivisione (). `GetJobQueueSnapshot`

1. Elenca i lavori per stato e condivisione che contribuiscono attivamente all'utilizzo, ad esempio and (). `RUNNABLE` `RUNNING` `ListJobs`

1. Esamina un determinato lavoro (`DescribeJobs`).

Le seguenti sezioni illustrano in dettaglio ogni passaggio.

Per informazioni sul monitoraggio dell'utilizzo della capacità per i lavori di assistenza, vedere[Monitora l'utilizzo della capacità dei lavori di assistenza](track-capacity-utilization-service-jobs.md).

**Topics**
+ [Controlla l'utilizzo della coda](#capacity-utilization-snapshots-compute)
+ [Visualizza l'utilizzo per condivisione](#share-utilization-monitoring-compute)
+ [Elenca i lavori di elaborazione per stato e condividi](#list-compute-jobs-by-share)
+ [Esamina un processo di elaborazione specifico](#examine-compute-job)

## Controlla l'utilizzo della coda
<a name="capacity-utilization-snapshots-compute"></a>

Il `queueUtilization` campo nella [https://docs.aws.amazon.com/batch/latest/APIReference/API_GetJobQueueSnapshot.html](https://docs.aws.amazon.com/batch/latest/APIReference/API_GetJobQueueSnapshot.html)risposta fornisce una point-in-time panoramica della quantità di capacità di elaborazione consumata dai lavori inviati da una coda. La capacità viene misurata in v CPUs per i lavori di elaborazione.

Per le code di lavoro che utilizzano una politica di pianificazione equa, la risposta include anche una suddivisione per condivisione in modo da poter vedere come viene distribuita la capacità tra le condivisioni. Per ulteriori informazioni, consulta [Visualizza l'utilizzo per condivisione](#share-utilization-monitoring-compute).

### Visualizza l'AWS CLI utilizzo della capacità ()
<a name="capacity-snapshots-compute-cli"></a>

Utilizzate il [get-job-queue-snapshot](https://docs.aws.amazon.com/cli/latest/reference/batch/get-job-queue-snapshot.html)comando per recuperare un'istantanea dell'utilizzo della capacità per una coda di lavori.

```
aws batch get-job-queue-snapshot \
    --job-queue {{my-job-queue}}
```

La risposta varia a seconda della politica di pianificazione allegata alla coda dei lavori. Scegli la scheda corrispondente al tipo di politica di pianificazione per visualizzare un esempio di risposta.

------
#### [ First-in, first-out (FIFO) ]

Di seguito è riportato un esempio di risposta per una coda di lavori FIFO che esegue processi di calcolo. Poiché una coda FIFO non utilizza una politica di pianificazione, la risposta non include l'utilizzo per condivisione.

```
{
    "frontOfQueue": {
        "jobs": [],
        "lastUpdatedAt": 1700000000000
    },
    "queueUtilization": {
        "totalCapacityUsage": [
            {
                "capacityUnit": "vCPU",
                "quantity": 96.0
            }
        ],
        "lastUpdatedAt": 1700000000000
    }
}
```

In questo esempio, la coda consuma un totale di 96 v in tutti i lavori inviati. CPUs 

------
#### [ Fair-share scheduling (FSS) ]

Di seguito è riportato un esempio di risposta per una coda di lavoro equa. L'`queueUtilization`oggetto contiene un' point-in-timeistantanea della capacità totale consumata da tutti i lavori inviati dalla coda, insieme a una suddivisione per condivisione.

```
{
    "frontOfQueue": {
        "jobs": [],
        "lastUpdatedAt": 1700000000000
    },
    "queueUtilization": {
        "totalCapacityUsage": [
            {
                "capacityUnit": "vCPU",
                "quantity": 192.0
            }
        ],
        "fairshareUtilization": {
            "activeShareCount": 2,
            "topCapacityUtilization": [
                {
                    "shareIdentifier": "team-a",
                    "capacityUsage": [
                        {
                            "capacityUnit": "vCPU",
                            "quantity": 128.0
                        }
                    ]
                },
                {
                    "shareIdentifier": "team-b",
                    "capacityUsage": [
                        {
                            "capacityUnit": "vCPU",
                            "quantity": 64.0
                        }
                    ]
                }
            ]
        },
        "lastUpdatedAt": 1700000000000
    }
}
```

In questo esempio, il `totalCapacityUsage` campo mostra che la coda consuma un totale di 192 v. CPUs L'`fairshareUtilization`oggetto mostra la ripartizione per condivisione. La condivisione `team-a` consuma 128 v CPUs e la condivisione `team-b` consuma 64 v. CPUs

------

## Visualizza l'utilizzo per condivisione
<a name="share-utilization-monitoring-compute"></a>

Per le code di lavoro con una politica di pianificazione equa, la `queueUtilization` risposta di `GetJobQueueSnapshot` include un `fairshareUtilization` oggetto con una `topCapacityUtilization` matrice che elenca le condivisioni attive principali per consumo.

Queste informazioni ti aiutano a:
+ Identifica quali azioni consumano più risorse.
+ Verifica che la pianificazione basata sulla condivisione equa stia distribuendo le risorse come previsto.
+ Rileva le azioni che potrebbero saturare o sottoutilizzare la loro allocazione.
+ Stabilisci se modificare il peso delle azioni nella tua politica di pianificazione.

Per ulteriori informazioni sulle politiche di pianificazione della condivisione equa, consulta. [Politiche di pianificazione con condivisione equa](job_scheduling.md)

## Elenca i lavori di elaborazione per stato e condividi
<a name="list-compute-jobs-by-share"></a>

Dopo aver identificato la coda complessiva e l'utilizzo per condivisione, utilizza l'operazione [https://docs.aws.amazon.com/batch/latest/APIReference/API_ListJobs.html](https://docs.aws.amazon.com/batch/latest/APIReference/API_ListJobs.html)API per trovare i processi di elaborazione che contribuiscono attivamente all'utilizzo. Puoi filtrare in base allo stato del lavoro per visualizzare i lavori esistenti o in un altro `RUNNING` stato. `RUNNABLE` Per le code con una politica di pianificazione equa, puoi anche filtrare per identificatore di condivisione per restringere i risultati a una condivisione specifica.

**Nota**  
Il `SHARE_IDENTIFIER` filtro è l'unico filtro che può essere combinato con il parametro. `jobStatus` Quando si utilizzano altri filtri, il `jobStatus` parametro viene ignorato.

### Elenca i lavori di calcolo ()AWS CLI
<a name="list-compute-jobs-by-share-cli"></a>

Utilizzate il comando [list-jobs](https://docs.aws.amazon.com/cli/latest/reference/batch/list-jobs.html) con il `--job-status` parametro per filtrare in base allo stato.

Visualizza i lavori di elaborazione in esecuzione nella tua coda:

```
aws batch list-jobs \
    --job-queue {{my-job-queue}} \
    --job-status RUNNING
```

Visualizza i lavori di elaborazione in attesa di essere eseguiti:

```
aws batch list-jobs \
    --job-queue {{my-job-queue}} \
    --job-status RUNNABLE
```

Per le code con una politica di pianificazione equa, usa il `--filters` parametro with `SHARE_IDENTIFIER` per elencare i lavori per una condivisione specifica. Questo è utile quando si identifica una condivisione con un elevato consumo di capacità e si desidera vedere quali lavori sono responsabili.

Elenca solo i lavori di `RUNNING` elaborazione per una condivisione da una coda di condivisione equa:

```
aws batch list-jobs \
    --job-queue {{my-job-queue}} \
    --job-status RUNNING \
    --filters name=SHARE_IDENTIFIER,values="{{team-a}}"
```

Di seguito è riportato un esempio di risposta per elencare i lavori di elaborazione in esecuzione.

```
{
    "jobSummaryList": [
        {
            "jobArn": "arn:aws:batch:us-east-1:123456789012:job/b5e7d839-9ff9-5d76-9f3b-0b6f9g5c8e4f",
            "jobId": "b5e7d839-9ff9-5d76-9f3b-0b6f9g5c8e4f",
            "jobName": "my-data-processing-job",
            "status": "RUNNING",
            "shareIdentifier": "team-a",
            "createdAt": 1700000000000,
            "startedAt": 1700000120000,
            "capacityUsage": [
                {
                    "capacityUnit": "vCPU",
                    "quantity": 4.0
                }
            ],
            "container": {
                "exitCode": null
            },
            "jobDefinition": "arn:aws:batch:us-east-1:123456789012:job-definition/my-job-def:1"
        }
    ]
}
```

## Esamina un processo di elaborazione specifico
<a name="examine-compute-job"></a>

Dopo aver identificato un lavoro di elaborazione che ti interessa, utilizza l'[https://docs.aws.amazon.com/batch/latest/APIReference/API_DescribeJobs.html](https://docs.aws.amazon.com/batch/latest/APIReference/API_DescribeJobs.html)operazione per ottenere informazioni complete sul lavoro, tra cui lo stato corrente, i dettagli del contenitore e la configurazione delle risorse.

Visualizza informazioni dettagliate su un processo di elaborazione specifico:

```
aws batch describe-jobs \
    --jobs {{b5e7d839-9ff9-5d76-9f3b-0b6f9g5c8e4f}}
```

Questo comando restituisce informazioni complete sul lavoro, tra cui:
+ Job ARN e stato attuale
+ Configurazione del contenitore e requisiti in termini di risorse (v CPUs e memoria)
+ Definizione del job e dettagli sull'ambiente di calcolo
+ Priorità di pianificazione e configurazione dei nuovi tentativi
+ Informazioni dettagliate sui tentativi con orari di inizio e fine
+ Informazioni sul flusso di log per accedere ai log dei container