데이터 삭제 작업을 사용하여 사용자 및 해당 데이터 삭제

Amazon Personalize 콘솔을 사용하여 사용자를 삭제하려면 이름, IAM 서비스 역할, 데이터의 Amazon S3 위치를 사용하여 데이터 삭제 작업을 생성합니다.

를 사용하여 사용자를 삭제하려면 create-data-deletion-job 명령을 AWS CLI사용합니다. 이 명령은 CreateDataDeletion API 작업을 사용합니다. 다음 코드 예는 데이터 삭제 작업을 생성하는 방법을 보여줍니다. 코드를 사용하려면 코드를 업데이트하여 작업 이름, Personalize에 대한 IAM 역할 생성에서 생성한 IAM 역할 및 데이터의 Amazon S3 위치를 지정합니다. 삭제할 사용자 목록 준비에서 이 파일을 준비했습니다.

aws personalize create-data-deletion-job \
--job-name deletion job name \
--dataset-group-arn dataset group ARN \
--data-source dataLocation=s3://amzn-s3-demo-bucket/filename.csv \
--role-arn roleArn

작업을 생성한 후 데이터세트 및 모델에서 사용자의 데이터를 삭제하는 데 하루 정도 걸릴 수 있습니다. 작업이 완료될 때까지 Amazon Personalize는 학습 시 데이터를 계속 사용합니다. 또한 사용자가 사용자 세그먼트에 표시될 수 있습니다.

상태가 COMPLETED이면 작업이 완료된 것입니다. describe-data-deletion-job 명령을 사용하여 상태를 확인하고 데이터 삭제 작업 ARN을 지정합니다. 이러한 API 작업에 대한 자세한 내용은 DescribeDataDeletionJob 섹션을 참조하세요. 생성 시간별로 정렬된 데이터 삭제 작업 기록을 보려면 ListDataDeletionJobs API 작업을 사용합니다.

어떤 이유로든 작업이 실패하면 다른 데이터 삭제 작업을 생성하는 것이 좋습니다. 작업이 완료되면 사용자 지정 리소스를 업데이트해야 합니다. 새 솔루션 버전을 생성하고 필요한 경우 캠페인을 업데이트해야 합니다. 자동 학습을 사용하는 경우에도 새 솔루션 버전을 수동으로 생성할 수 있습니다.

aws personalize create-data-deletion-job \
--job-name deletion job name \
--dataset-group-arn dataset group ARN \
--data-source dataLocation=s3://amzn-s3-demo-bucket/filename.csv \
--role-arn roleArn

AWS SDKs를 사용하여 사용자를 삭제하려면 CreateDataDeletionJob API 작업을 사용합니다. 다음 코드 예는 데이터 삭제 작업을 생성하는 방법을 보여줍니다. 코드를 사용하려면 코드를 업데이트하여 작업 이름, Personalize에 대한 IAM 역할 생성에서 생성한 IAM 역할 및 데이터의 Amazon S3 위치를 지정합니다. 삭제할 사용자 목록 준비에서 이 파일을 준비했습니다.

import boto3

personalize = boto3.client('personalize')

response = personalize.create_data_deletion_job(
    jobName = 'Deletion job name',
    datasetGroupArn = 'Dataset Group ARN',
    dataSource = {'dataLocation':'s3://amzn-s3-demo-bucket/file.csv'},
    roleArn = 'role_arn'
)

deletion_job_arn = response['dataDeletionJobArn']

print ('Deletion Job arn: ' + deletion_job_arn)

description = personalize.describe_data_deletion_job(
    dataDeletionJobArn = deletion_job_arn)['dataDeletionJob']

print('Name: ' + description['jobName'])
print('ARN: ' + description['dataDeletionJobArn'])
print('Status: ' + description['status'])

작업을 생성한 후 데이터세트 및 모델에서 사용자의 데이터를 삭제하는 데 하루 정도 걸릴 수 있습니다. 작업이 완료될 때까지 Amazon Personalize는 학습 시 데이터를 계속 사용합니다. 또한 사용자가 사용자 세그먼트에 표시될 수 있습니다.

상태가 COMPLETED이면 작업이 완료된 것입니다. DescribeDataDeletionJob 작업을 사용하여 상태를 확인하고 데이터 삭제 작업 ARN을 지정합니다. 생성 시간별로 정렬된 데이터 삭제 작업 기록을 보려면 ListDataDeletionJobs API 작업을 사용합니다.

어떤 이유로든 작업이 실패하면 다른 데이터 삭제 작업을 생성하는 것이 좋습니다. 작업이 완료되면 사용자 지정 리소스를 업데이트해야 합니다. 새 솔루션 버전을 생성하고 필요한 경우 캠페인을 업데이트해야 합니다. 자동 학습을 사용하는 경우에도 새 솔루션 버전을 수동으로 생성할 수 있습니다.

import boto3

personalize = boto3.client('personalize')

response = personalize.create_data_deletion_job(
    jobName = 'Deletion job name',
    datasetGroupArn = 'Dataset Group ARN',
    dataSource = {'dataLocation':'s3://amzn-s3-demo-bucket/file.csv'},
    roleArn = 'role_arn'
)

deletion_job_arn = response['dataDeletionJobArn']

print ('Deletion Job arn: ' + deletion_job_arn)

description = personalize.describe_data_deletion_job(
    dataDeletionJobArn = deletion_job_arn)['dataDeletionJob']

print('Name: ' + description['jobName'])
print('ARN: ' + description['dataDeletionJobArn'])
print('Status: ' + description['status'])