Eliminazione delle risorse MLflow - Amazon SageMaker AI
Arresto dei server di tracciamentoEliminazione dei server di tracciamentoEliminazione di bucket Amazon S3Eliminazione di un modello registratoEliminazione di esperimenti o esecuzioni

Eliminazione delle risorse MLflow

Ti consigliamo di eliminare le risorse quando non sono più necessarie. Puoi eliminare i server di tracciamento tramite Amazon SageMaker Studio o utilizzando la AWS CLI. Puoi eliminare risorse aggiuntive come i bucket Amazon S3, i ruoli IAM e le policy IAM utilizzando AWS CLI o direttamente nella console AWS.

Importante

Non eliminare il ruolo IAM utilizzato per la creazione finché non hai eliminato il server di tracciamento stesso. In caso contrario, perderai l’accesso a tale server.

Arresto dei server di tracciamento

Ti consigliamo di arrestare il server di tracciamento quando non è più in uso. Puoi arrestare un server di tracciamento in Studio o utilizzando la AWS CLI.

Arresto di un server di tracciamento utilizzando Studio

Per arrestare un server di tracciamento in Studio:

  1. Accedi a Studio.

  2. Scegli MLflow nel riquadro Applicazioni dell’interfaccia utente di Studio.

  3. Individua il server di tracciamento desiderato nel riquadro Server di tracciamento MLflow. Scegli l’icona Interrompi nell’angolo destro del riquadro del server di tracciamento.

    Nota

    Se il server di tracciamento è disattivato, viene visualizzata l’icona Avvia. Se il server di tracciamento è acceso, viene visualizzata l’icona Interrompi.

Arresto di un server di tracciamento utilizzando la AWS CLI

Per arrestare il server di tracciamento tramite la AWS CLI, utilizza i seguenti comandi: 

aws sagemaker stop-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Per avviare il server di tracciamento tramite la AWS CLI, utilizza i seguenti comandi:

Nota

L’avvio del server di tracciamento può richiedere fino a 25 minuti.

aws sagemaker start-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Eliminazione dei server di tracciamento

È possibile eliminare completamente un server di tracciamento in Studio o utilizzando la AWS CLI.

Eliminazione di un server di tracciamento utilizzando Studio

Per eliminare un server di tracciamento in Studio:

  1. Accedi a Studio.

  2. Scegli MLflow nel riquadro Applicazioni dell’interfaccia utente di Studio.

  3. Individua il server di tracciamento desiderato nel riquadro Server di tracciamento MLflow. Scegli l’icona del menu verticale nell’angolo destro del riquadro del server di tracciamento. Quindi, scegli Elimina.

  4. Scegli Elimina per confermare l’eliminazione.

L’opzione di eliminazione su una scheda del server di tracciamento nel riquadro Server di tracciamento MLflow dell’interfaccia utente di Studio.

Eliminazione di un server di tracciamento utilizzando la AWS CLI

Utilizza l’API DeleteMLflowTrackingServer per eliminare tutti i server di tracciamento che hai creato. L’operazione potrebbe richiedere del tempo.

aws sagemaker delete-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Per visualizzare lo stato del server di tracciamento, utilizza l’API DescribeMLflowTrackingServer e controlla lo TrackingServerStatus. 

aws sagemaker describe-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Eliminazione di bucket Amazon S3

Elimina qualsiasi bucket Amazon S3 utilizzato come archivio di artefatti per il tuo server di tracciamento utilizzando i seguenti comandi:

aws s3 rm s3://$bucket_name --recursive
aws s3 rb s3://$bucket_name

In alternativa, puoi eliminare un bucket Amazon S3 associato al tuo server di tracciamento direttamente nella console AWS. Per ulteriori informazioni, consulta Eliminazione di un bucket nella Guida per l’utente di Amazon S3.

Eliminazione di un modello registrato

È possibile eliminare qualsiasi versione o gruppo di modelli creato con MLflow direttamente in Studio. Per ulteriori informazioni, consulta Eliminazione di un gruppo di modelli ed Eliminazione di una versione del modello.

Eliminazione di esperimenti o esecuzioni

È possibile utilizzare MLflow SDK per eliminare esperimenti o esecuzioni.