Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Endpunkte und Kontingente für Amazon Machine Learning
Im Folgenden werden die Service-Endpunkte und -kontingente für diesen Service beschrieben. Um programmgesteuert eine Verbindung zu einem AWS Dienst herzustellen, verwenden Sie einen Endpunkt. Zusätzlich zu den AWS Standardendpunkten bieten einige AWS Dienste Endpunkte in ausgewählten FIPS Regionen. Weitere Informationen finden Sie unter AWS Dienstendpunkte. Servicekontingenten, auch Limits genannt, sind die maximale Anzahl von Serviceressourcen oder Vorgängen für Ihr AWS Konto. Weitere Informationen finden Sie unter AWS Servicekontingenten.
Anmerkung
AWS empfiehlt, regionale STS Endpunkte in Ihren Anwendungen zu verwenden und die Verwendung des globalen (alten) STS Endpunkts zu vermeiden. Regionale STS Endpunkte reduzieren die Latenz, bauen Redundanz ein und erhöhen die Gültigkeit von Sitzungstoken. Weitere Informationen zur Konfiguration Ihrer Anwendungen für die Verwendung des regionalen STS Endpunkts finden Sie unter AWS STS Regionalisierte Endpunkte im Referenzhandbuch zu Tools AWS SDKsund Tools. Weitere Informationen zum globalen (älteren) AWS STS Endpunkt, einschließlich der Überwachung der Nutzung dieses Endpunkts, finden Sie im Sicherheits-Blog unter How to use Regional AWS STS Endpoints.AWS
Service-Endpunkte
| Name der Region | Region | Endpunkt | Protocol (Protokoll) |
|---|---|---|---|
| USA Ost (Nord-Virginia) | us-east-1 | machinelearning.us-east-1.amazonaws.com | HTTPS |
| Europa (Irland) | eu-west-1 | machinelearning.eu-west-1.amazonaws.com | HTTPS |
Servicekontingente
| Name | Standard | Anpassbar | Beschreibung |
|---|---|---|---|
| Eingabedatensätze für Batch-Vorhersage | Jede unterstützte Region: 100 000 000 | Ja |
Die maximale Anzahl an Datensätzen pro Eingabe für Batch-Prognose |
| Eingabegröße für Batch-Prognose | Jede unterstützte Region: 1 Terabyte | Ja |
Die maximale Größe (in TB) der Eingabe für Batch-Prognose. |
| Klassen für Mehrklassen-ML-Modelle | Jede unterstützte Region: 100 | Yes |
Die maximale Anzahl an Klassen für Mehrklassen-ML-Modelle. |
| Auftragslaufzeit | Jede unterstützte Region: 7 | Nein | Die maximale Laufzeitlänge (in Tagen) für einen beliebigen Job. |
| Größe ML-Modell | Jede unterstützte Region: 2 Gigabyte | Nein | Die maximale ML-Modellgröße (in GB). |
| Beobachtungsgröße | Jede unterstützte Region: 100 Kilobyte | Ja |
Die maximale Größe (in KB) jeder Beobachtung. |
| Rate von Echtzeitvoraussage-Anforderungen pro Endpunkt | Jede unterstützte Region: 200 | Ja |
Die maximale Anzahl von Anfragen pro Sekunde, die Sie mit jedem Endpunkt für Echtzeitvoraussagen ausführen können. |
| Rezeptkomplexität | Jede unterstützte Region: 10 000 | Ja |
Die maximale Rezeptkomplexität (Anzahl verarbeiteter Ausgabevariablen). |
| Simultane Jobs | Jede unterstützte Region: 25 | Ja |
Die maximale Anzahl gleichzeitiger Aufträge. |
| Tags pro Objekt | Jede unterstützte Region: 50 | Nein | Die maximale Anzahl an Tags pro Objekt. |
| Summe RAM für alle Endpunkte mit Echtzeitprognosen | Jede unterstützte Region: 10 Gigabyte | Ja |
Die maximale Gesamtsumme RAM (in GB) für alle Endpunkte für Echtzeitprognosen. |
| Gesamtrate aller Echtzeitvoraussage-Anforderungen | Jede unterstützte Region: 10 000 | Ja |
Die maximale Gesamtzahl von Anfragen pro Sekunde, die Sie mit all Ihren Endpunkten für Echtzeitvoraussagen ausführen können. |
| Größe der Trainingsdaten | Jede unterstützte Region: 100 Gigabyte | Ja |
Die maximale Größe (in GB) von Trainingsdaten. |
| Variablen pro Datendatei | Jede unterstützte Region: 1 000 | Ja |
Die maximale Anzahl der Variablen in einer Datendatei (Schema). |
Weitere Informationen finden Sie unter Amazon-ML-Kontingente im Entwicklerhandbuch von Amazon Machine Learning.
