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.
Log e parametri della pipeline di inferenza
Il monitoraggio è importante per mantenere l'affidabilità, la disponibilità e le prestazioni delle SageMaker risorse Amazon. Per monitorare e risolvere i problemi delle prestazioni della pipeline di inferenza, usa i CloudWatch log e i messaggi di errore di Amazon. Per informazioni sugli strumenti di monitoraggio che fornisce, consulta. SageMaker Monitora AWS le risorse fornite durante l'utilizzo di Amazon SageMaker
Utilizzo di parametri per monitorare i modelli multicontainer
Per monitorare i modelli multi-container in Inference Pipelines, usa Amazon. CloudWatch CloudWatchraccoglie dati grezzi e li trasforma in metriche leggibili e quasi in tempo reale. SageMakeri job e gli endpoint di formazione scrivono CloudWatch metriche e registri nel namespace. AWS/SageMaker
Le seguenti tabelle elencano i parametri e le dimensioni per gli elementi seguenti:
-
Invocazioni dell'endpoint
-
Processi di addestramento, processi di trasformazione in batch e istanze di endpoint
Una dimensione è una coppia nome/valore che identifica un parametro in modo univoco. Puoi assegnare a un parametro fino a 10 dimensioni. Per ulteriori informazioni sul monitoraggio con, vedere. CloudWatch Monitora Amazon SageMaker con Amazon CloudWatch
Parametri di invocazione dell'endpoint
Lo spazio dei nomi AWS/SageMaker
include i seguenti parametri di richiesta dalle chiamate a InvokeEndpoint
.
I parametri sono segnalati a intervalli di 1 minuto.
Parametro | Descrizione |
---|---|
Invocation4XXErrors |
Numero di richieste Unità: nessuna Statistiche valide: |
Invocation5XXErrors |
Numero di richieste Unità: nessuna Statistiche valide: |
Invocations |
Richieste Per ottenere il numero totale di richieste inviate a un endpoint di un modello, utilizza la statistica Unità: nessuna Statistiche valide: |
InvocationsPerInstance |
Il numero di chiamate degli endpoint inviate a un modello, normalizzato da in each. Unità: nessuna Statistiche valide: |
ModelLatency |
Il tempo richiesto dal modello o dai modelli per rispondere. Questo include il tempo richiesto per inviare la richiesta, recuperare la risposta dal container di modello e completare l'inferenza nel container. ModelLatency è il tempo totale impiegato da tutti i container in una pipeline di inferenza.Unità: microsecondi Statistiche valide: |
OverheadLatency |
Il tempo aggiunto al tempo impiegato per rispondere a una richiesta del client in termini di sovraccarico SageMaker . Unità: microsecondi Statistiche valide: |
ContainerLatency |
Il tempo impiegato da un contenitore Inference Pipelines per rispondere come visualizzato. SageMaker ContainerLatency include il tempo impiegato per inviare la richiesta, recuperare la risposta dal contenitore del modello e completare l'inferenza nel contenitore.Unità: microsecondi Statistiche valide: |
Dimensioni dei parametri di invocazione dell'endpoint
Dimensione | Descrizione |
---|---|
EndpointName, VariantName, ContainerName |
Filtra i parametri di invocazione dell'endpoint per un |
Per un endpoint della pipeline di inferenza, CloudWatch elenca le metriche di latenza per contenitore nel tuo account come Endpoint Container Metrics e Endpoint Variant Metrics nello spazio dei nomi, come segue. SageMaker Il parametro ContainerLatency
viene visualizzato solo per pipeline di inferenza.
![La CloudWatch dashboard per una pipeline di inferenza elenca le metriche di latenza per ogni endpoint per ogni contenitore.](images/pipeline-endpoint-metrics.png)
Per ogni endpoint e ogni container, i parametri di latenza visualizzano i nomi di container, endpoint, variante e metrica.
![I parametri di latenza per un endpoint.](images/pipeline-endpoint-metrics-details.png)
Parametri delle istanze endpoint, dei processi di addestramento e dei processi di trasformazione in batch
Gli spazi dei nomi /aws/sagemaker/TrainingJobs
, /aws/sagemaker/TransformJobs
e /aws/sagemaker/Endpoints
includono i seguenti parametri per i processi di addestramento e le istanze endpoint.
I parametri sono segnalati a intervalli di 1 minuto.
Parametro | Descrizione |
---|---|
CPUUtilization |
Percentuale di unità CPU utilizzate dai container in esecuzione su un'istanza. Il valore varia da 0% a 100% ed è moltiplicato per il numero di CPU. Ad esempio, se ci sono quattro CPU, Per i processi di addestramento, Per i processi di trasformazione in batch, Per modelli multi-container, Per le varianti di endpoint, Unità: percentuale |
MemoryUtilization |
Percentuale di memoria utilizzata dai container in esecuzione su un'istanza. Questo valore è compreso tra 0% e 100%. Per i processi di addestramento, Per i processi di trasformazione in batch, MemoryUtilization è la somma della memoria utilizzata da tutti i container in esecuzione sull'istanza.Per le varianti di endpoint, Unità: percentuale |
GPUUtilization |
La percentuale di unità GPU utilizzata dai container in esecuzione su un'istanza. Per i processi di addestramento, Per i processi di trasformazione in batch, Per modelli multi-container, Per le varianti di endpoint, Unità: percentuale |
GPUMemoryUtilization |
Percentuale di memoria GPU utilizzata dai container in esecuzione su un'istanza. La GPU MemoryUtilization varia dallo 0% al 100% e viene moltiplicata per il numero di GPU. Ad esempio, se ci sono quattro GPU, Per i processi di addestramento, Per i processi di trasformazione in batch, Per i modelli multi-container, Per le versioni di endpoint, Unità: percentuale |
DiskUtilization |
La percentuale di spazio su disco utilizzata dai contenitori in esecuzione su un'istanza. DiskUtilization varia dallo 0% al 100%. Questo parametro non è supportato per i processi di trasformazione in batch. Per i processi di addestramento, Per le varianti di endpoint, Unità: percentuale |
Dimensioni dei parametri delle istanze dell'endpoint, dei processi di addestramento e dei processi di trasformazione in batch
Dimensione | Descrizione |
---|---|
Host |
Per i processi di addestramento, Per i processi di trasformazione in batch, Per gli endpoint, |
Per aiutarti a eseguire il debug dei processi di formazione, degli endpoint e delle configurazioni del ciclo di vita delle istanze notebook, invia SageMaker anche tutto ciò che un contenitore di algoritmi, un contenitore modello o una configurazione del ciclo di vita di un'istanza notebook invia ad Amazon Logs. stdout
stderr
CloudWatch Puoi utilizzare queste informazioni per il debug e l'analisi dell'avanzamento.
Utilizzo di log per monitorare una pipeline di inferenza
La tabella seguente elenca i gruppi di log e i flussi di SageMaker log. invia ad Amazon CloudWatch
Un flusso di log è una sequenza di eventi di log che condividono la stessa origine. Ogni fonte di accesso separata CloudWatch costituisce un flusso di log separato. Un gruppo di log è un gruppo di flussi di log che condividono le stesse impostazioni di conservazione, monitoraggio e controllo degli accessi.
Log
Nome gruppo di log | Nome flusso di log |
---|---|
/aws/sagemaker/TrainingJobs |
|
/aws/sagemaker/Endpoints/[EndpointName] |
|
|
|
|
|
/aws/sagemaker/NotebookInstances |
|
/aws/sagemaker/TransformJobs |
|
|
|
|
Nota
SageMakercrea il gruppo di /aws/sagemaker/NotebookInstances
log quando si crea un'istanza di notebook con una configurazione del ciclo di vita. Per ulteriori informazioni, consulta Personalizza un'istanza di SageMaker notebook utilizzando uno script LCC.
Per ulteriori informazioni sulla SageMaker registrazione, vedere. Registra SageMaker eventi Amazon con Amazon CloudWatch