Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Monitore os pipelines SageMaker do processador de recursos da Amazon Feature Store

Modo de foco
Monitore os pipelines SageMaker do processador de recursos da Amazon Feature Store - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

AWS fornece ferramentas de monitoramento para monitorar seus recursos e aplicativos de SageMaker IA da Amazon em tempo real, relatar quando algo dá errado e realizar ações automáticas quando apropriado. Os pipelines do Processador de Atributos do Feature Store são do Pipelines, portanto, os mecanismos e integrações de monitoramento padrão estão disponíveis. Métricas operacionais, como falhas de execução, podem ser monitoradas por meio de CloudWatch métricas da Amazon e EventBridge eventos da Amazon.

Para obter mais informações sobre como monitorar e operacionalizar o Processador de atributos do Feature Store, consulte os seguintes atributos:

Os registros de execução do Feature Store Feature Processor podem ser encontrados no Amazon CloudWatch Logs, no /aws/sagemaker/TrainingJobs grupo de registros, onde você pode encontrar os fluxos de registros de execução usando convenções de pesquisa. Para execuções criadas invocando diretamente a função decorada @feature_processor, você pode encontrar logs no console do seu ambiente de execução local. Para execuções @remote decoradas, o nome do stream de CloudWatch registros contém o nome da função e a data e hora da execução. Para execuções de pipeline do Feature Processor, o stream de CloudWatch registros da etapa contém a feature-processor string e o ID de execução do pipeline.

Os pipelines do Feature Store Feature Processor e os status de execução recentes podem ser encontrados no Amazon SageMaker Studio Classic para um determinado grupo de recursos na interface do usuário do Feature Store. Grupos de atributos relacionados aos pipelines do Processador de atributos como entradas ou saídas são exibidos na interface do usuário. Além disso, a visualização de linhagem pode fornecer contexto para execuções upstream, como pipelines de produção de dados do Processador de atributos e fontes de dados, para depuração adicional. Para obter mais informações sobre como usar a visualização de linhagem usando o Studio Classic, consulte Visualizar a linhagem a partir do console.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.