Grupos de registros e streams que o Amazon SageMaker AI envia para o Amazon CloudWatch Logs - 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.

Grupos de registros e streams que o Amazon SageMaker AI envia para o Amazon CloudWatch Logs

Para ajudá-lo a depurar seus trabalhos de compilação, trabalhos de processamento, trabalhos de treinamento, endpoints, trabalhos de transformação, instâncias de notebook e configurações de ciclo de vida de instâncias de notebook, qualquer coisa que um contêiner de algoritmo, um contêiner de modelo ou uma configuração de ciclo de vida de instância de notebook envie ou também seja enviado para o Amazon Logs. stdout stderr CloudWatch Além de depuração, você pode usá-los para análise de progresso.

Por padrão, os dados de registro são armazenados em CloudWatch Registros indefinidamente. No entanto, você pode configurar quanto tempo armazenar os dados de log em um grupo de logs. Para obter informações, consulte Alterar a retenção de dados do registro em CloudWatch registros no Guia do usuário do Amazon CloudWatch Logs.

Logs

A tabela a seguir lista todos os registros fornecidos pela Amazon SageMaker AI.

Logs

Nome do grupo de logs Nome do fluxo de logs
/aws/sagemaker/CompilationJobs

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

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

(Para endpoints de Inferência Assíncrona) [production-variant-name]/[instance-id]/data-log

(Para Pipelines de inferência) [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. O fluxo de logs /aws/sagemaker/NotebookInstances/[LifecycleConfigHook] é criado quando você cria uma instância de caderno com uma configuração de ciclo de vida. Para obter mais informações, consulte Personalização de uma instância de SageMaker notebook usando um script LCC.

2. Para pipelines de inferência, se você não fornecer nomes de contêineres, a plataforma usará **container-1, container-2** e assim por diante, correspondendo à ordem fornecida no modelo de IA. SageMaker

Para obter mais informações sobre o registro de eventos com o CloudWatch registro, consulte O que é o Amazon CloudWatch Logs? no Guia do CloudWatch usuário da Amazon.