Log di CloudWatch per Amazon SageMaker AI - Amazon SageMaker AI

Log di CloudWatch per Amazon SageMaker AI

Per semplificare il debug dei processi di compilazione, dei processi di elaborazione, dei processi di addestramento, degli endpoint, dei processi di trasformazione e delle configurazioni del ciclo di vita delle istanze del notebook, qualsiasi elemento inviato a stdout o stderr da un container di algoritmi o di modelli o da una configurazione del ciclo di vita delle istanze del notebook viene inviato anche a File di log Amazon CloudWatch. Oltre alle operazioni di debug, puoi adottare questo comportamento per l'analisi del progresso.

Per impostazione predefinita, i dati di log vengono archiviati in CloudWatch Logs per un tempo indeterminato. Tuttavia, puoi configurare per quanto tempo archiviare i dati di log in un gruppo di log. Per informazioni, consulta Modifica della conservazione dei dati di log CloudWatch nella Guida per l'utente di File di log Amazon CloudWatch.

Log

Nella tabella seguente sono elencati tutti i log forniti da Amazon SageMaker AI.

Log

Nome gruppo di log Nome flusso di log
/aws/sagemaker/CompilationJobs

[compilation-job-name]
/aws/sagemaker/Endpoints/[EndpointName]

[production-variant-name]/[instance-id]

(Per endpoint di inferenza asincrona) [production-variant-name]/[instance-id]/data-log

(Per pipeline di inferenza) [production-variant-name]/[instance-id]/[container-name provided in SageMaker AI model]
/aws/sagemaker/groundtruth/WorkerActivity

aws/sagemaker/groundtruth/worker-activity/[requester-AWS-Id]-[region]/[timestamp]
/aws/sagemaker/InferenceRecommendationsJobs

[inference-recommendations-job-name]/execution

[inference-recommendations-job-name]/CompilationJob/[compilation-job-name]

[inference-recommendations-job-name]/Endpoint/[endpoint-name]
/aws/sagemaker/LabelingJobs

[labeling-job-name]
/aws/sagemaker/NotebookInstances

[notebook-instance-name]/[LifecycleConfigHook]

[notebook-instance-name]/jupyter.log
/aws/sagemaker/ProcessingJobs

[processing-job-name]/[hostname]-[epoch_timestamp]
/aws/sagemaker/studio

[domain-id]/[user-profile-name]/[app-type]/[app-name]

[domain-id]/domain-shared/rstudioserverpro/default
/aws/sagemaker/TrainingJobs

[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]
/aws/sagemaker/TransformJobs

[transform-job-name]/[instance-id]-[epoch_timestamp]

[transform-job-name]/[instance-id]-[epoch_timestamp]/data-log

[transform-job-name]/[instance-id]-[epoch_timestamp]/[container-name provided in SageMaker AI model] (For Inference Pipelines)
Nota

1. Il flusso di log /aws/sagemaker/NotebookInstances/[LifecycleConfigHook] viene creato al momento della creazione di un'istanza del notebook con una configurazione del ciclo di vita. Per ulteriori informazioni, consulta Personalizzazione di un’istanza del notebook SageMaker con uno script LCC.

2. Per le pipeline di inferenza, se non vengono specificati i nomi dei container, la piattaforma utilizza **container-1, container-2** e così via, secondo l’ordine fornito dal modello SageMaker AI.

Per ulteriori informazioni sulla registrazione degli eventi con registrazione CloudWatch, consulta Che cos'è Amazon CloudWatch Logs? nella Guida per l'utente di Amazon CloudWatch.