Löschen von Benutzern und ihren Daten mit einem Datenlöschauftrag - Amazon Personalize
Richtlinien und AnforderungenEine Liste der zu löschenden Benutzer wird vorbereitetEinen Auftrag zum Löschen von Daten erstellen

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.

Löschen von Benutzern und ihren Daten mit einem Datenlöschauftrag

Nachdem Sie Daten importiert haben, können Sie Benutzer und ihre Daten, einschließlich ihrer Metadaten und Interaktionsdaten, aus einer Datensatzgruppe löschen. Sie können Benutzerdaten im Rahmen eines Compliance-Programms löschen, um Anfragen zum Löschen von Benutzern zu bearbeiten oder um Ihre Daten auf dem neuesten Stand zu halten, wenn sich Ihre Benutzerbasis ändert.

Nachdem Sie Benutzer gelöscht haben, trainiert Amazon Personalize nicht mehr anhand ihrer Daten und berücksichtigt die Benutzer bei der Generierung von Benutzersegmenten nicht mehr.

Um Verweise auf Benutzer in Amazon Personalize Personalize-Datensätzen und Modellen in einer Datensatzgruppe zu löschen, gehen Sie wie folgt vor:

  1. Bereiten Sie eine CSV-Datei vor, die die Benutzer-IDs der zu löschenden Benutzer in einer USER_ID-Spalte auflistet.

  2. Laden Sie die CSV-Datei in einen Amazon S3 S3-Bucket hoch. Ihre Amazon Personalize Personalize-Servicerolle muss berechtigt sein, auf diesen Bucket zuzugreifen.

  3. Erstellen Sie einen Auftrag zum Löschen von Daten. Ein Datenlöschauftrag ist ein Batch-Job, der Benutzer und ihre Daten aus den Modellen und Datensätzen in einer Datensatzgruppe löscht.

Richtlinien und Anforderungen

Im Folgenden finden Sie Richtlinien und Anforderungen für das Löschen von Benutzern:

  • Bevor Sie einen Datenlöschauftrag erstellen, stellen Sie sicher, dass keine Jobs ausgeführt werden, die Ihre Datensätze verwenden, wie z. B. Trainingsaufträge, Batch-Jobs oder Massen- oder Einzelimportvorgänge. Und vermeiden Sie es, solche Jobs zu erstellen, während ein Datenlöschauftrag ausgeführt wird. Wenn eine Schulung oder ein Import stattfindet, können wir nicht garantieren, dass die Benutzerdaten aus den Modellen gelöscht werden, und wir empfehlen, einen zusätzlichen Datenlöschauftrag zu erstellen.

  • Ein Datenlöschauftrag löscht keine Verweise auf Benutzer außerhalb von Amazon Personalize. Beispielsweise löscht es ihre userId nicht aus den Batch-Empfehlungen in Ihrem Amazon S3 S3-Bucket. Sie müssen diese Datensätze manuell löschen.

  • Sie können bis zu 5 Löschaufträge für eine Datensatzgruppe mit dem Status AUSSTEHEND einrichten.

  • Die maximale Gesamtgröße Ihrer Eingabedatei (en) zum Löschen von Daten beträgt 50 MB. Sie können dieselbe Eingabedatei beim Erstellen von Löschaufträgen wiederverwenden.

  • Jeder Datenlöschauftrag löscht Benutzer und ihre Interaktionsdaten in einer Datensatzgruppe. Um ihre Daten in allen Datensatzgruppen zu löschen, müssen Sie für jede Datensatzgruppe einen Datenlöschauftrag erstellen.

  • Nachdem Sie einen Job erstellt haben, kann es bis zu einem Tag dauern, bis die Benutzerdaten aus Datensätzen und Modellen gelöscht sind.

  • Stellen Sie nach Abschluss eines Jobs sicher, dass Sie alle benutzerdefinierten Ressourcen aktualisieren. Stellen Sie sicher, dass Sie eine neue Lösungsversion erstellen und gegebenenfalls Ihre Kampagne aktualisieren. Wenn Sie automatisches Training verwenden, können Sie immer noch manuell neue Lösungsversionen erstellen.

  • Ihre Amazon Personalize Personalize-Servicerolle muss berechtigt sein, auf Ihren Amazon S3 S3-Bucket mit der Liste der zu löschenden Benutzer zuzugreifen. Sie benötigt GetObject und ListBucket verfügt über Berechtigungen für den Bucket und seinen Inhalt. Diese Berechtigungen entsprechen dem Importieren von Daten. Informationen zur Erteilung von Berechtigungen und Beispiele für Richtlinien finden Sie unterAmazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

  • Sie können Ihren eigenen AWS Key Management Service Schlüssel nicht für den Amazon S3 S3-Bucket verwenden, der Ihre Liste der Benutzer-IDs der zu löschenden Benutzer speichert.

  • Wenn ein Artikel nur in Ihrem Datensatz „Artikelinteraktionen“ erscheint und nur die Benutzer, die Sie löschen, mit diesem Artikel interagiert haben, wird dieser Artikel nicht mehr in den Empfehlungen angezeigt.

Eine Liste der zu löschenden Benutzer wird vorbereitet

Bevor Sie Benutzer aus Amazon Personalize löschen, müssen Sie eine Liste der zu löschenden Benutzer in einer CSV-Datei erstellen und auf Amazon S3 hochladen.

Um die Liste der zu löschenden Benutzer vorzubereiten und hochzuladen

  1. Erstellen Sie eine CSV-Datei, in der die Benutzer-IDs der zu löschenden Benutzer aufgeführt sind. Im Folgenden wird gezeigt, wie Ihre CSV-Datei formatiert werden muss.

    USER_ID
abc
2a
5basc
ab35
123f
a55d
0v22
441fa
efg

  2. Laden Sie Ihre CSV-Datei in einen Amazon Simple Storage Service (Amazon S3) -Bucket hoch. Weitere Informationen zum Hochladen von Dateien auf Amazon S3 finden Sie unter Hochladen von Dateien und Ordnern mithilfe von Drag & Drop im Amazon Simple Storage Service-Benutzerhandbuch.

  3. Gewähren Sie Amazon Personalize Zugriff auf Ihren Bucket und Ihre CSV-Datei. Amazon Personalize muss über die Berechtigung verfügen, die GetObject ListBucket Aktionen für Ihren Bucket und dessen Inhalt auszuführen. Diese Berechtigungen entsprechen dem Importieren von Daten. Informationen zur Erteilung von Berechtigungen und Beispiele für Richtlinien finden Sie unterAmazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

Einen Auftrag zum Löschen von Daten erstellen

Nachdem Sie den Vorgang abgeschlossen habenEine Liste der zu löschenden Benutzer wird vorbereitet, können Sie die Benutzer mit einem Datenlöschauftrag löschen.

Ein Datenlöschauftrag ist ein Batch-Job, der Benutzer und ihre Daten aus den Modellen und Datensätzen in einer Datensatzgruppe löscht. Nachdem Sie Benutzer gelöscht haben, trainiert Amazon Personalize nicht mehr anhand ihrer Daten und berücksichtigt die Benutzer bei der Generierung von Benutzersegmenten nicht mehr.

Wenn Sie einen Datenlöschauftrag erstellen, geben Sie den Amazon S3 S3-Speicherort Ihrer Liste der zu löschenden Benutzer an.

  • Wenn sich Ihre Daten in einer einzigen Datei befinden, verwenden Sie die folgende Syntax für den Amazon S3 S3-Speicherort:

    s3://<name of your S3 bucket>/<folder path>/<CSV filename>.csv

  • Wenn sich Ihre CSV-Dateien in einem Ordner in Ihrem Amazon S3 S3-Bucket befinden, können Sie den Pfad zu dem Ordner angeben. Bei einem Datenlöschauftrag verwendet Amazon Personalize alle Dateien mit der .csv Dateierweiterung im Ordner und in allen Unterordnern. Dateien aller anderen Typen werden ignoriert. Verwenden Sie die folgende Syntax mit einem / hinter dem Ordnernamen:

    s3://<name of your S3 bucket>/<folder path>/

Die Rolle, die Sie verwenden, muss über die Berechtigung verfügen, die GetObject ListBucket Aktionen für Ihren Amazon S3 S3-Bucket und dessen Inhalt auszuführen. Informationen zur Erteilung von Berechtigungen und Beispiele für Richtlinien finden Sie unterAmazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

Sie können einen Datenlöschauftrag mit der Amazon Personalize Personalize-Konsole, den AWS Command Line Interface (AWS CLI) oder AWS SDKs erstellen.

Um Benutzer mit der Amazon Personalize-Konsole zu löschen, erstellen Sie einen Datenlöschauftrag mit einem Namen, der IAM-Servicerolle und dem Amazon S3 S3-Speicherort Ihrer Daten.

Um Datensätze zu löschen (Konsole)

  1. Öffnen Sie die Amazon Personalize Personalize-Konsole unter https://console.aws.amazon.com/personalize/home und melden Sie sich bei Ihrem Konto an.

  2. Wählen Sie auf der Seite Datensatzgruppen Ihre Datensatzgruppe aus. Die Übersicht der Datensatzgruppe wird angezeigt.

  3. Wählen Sie im Navigationsbereich Datensätze aus.

  4. Wählen Sie unter Jobs zum Löschen von Daten die Option Job erstellen aus.

  5. Geben Sie unter Jobdetails dem Job einen Namen.

  6. Geben Sie unter S3-Eingabequelle für S3-Standort den Amazon S3 S3-Speicherort der CSV-Datei an, in der die Liste der Benutzer-IDs der zu löschenden Benutzer gespeichert ist. Sie haben diese Datei vorbereitet in. Eine Liste der zu löschenden Benutzer wird vorbereitet

  7. Wählen Sie in der IAM-Rolle aus, ob Sie entweder eine neue Rolle erstellen oder eine vorhandene verwenden möchten. Wenn Sie die Voraussetzungen für die Erstellung einer Rolle für Amazon Personalize erfüllt und dieser Rolle Zugriff auf Ihren Amazon S3 S3-Bucket gewährt haben, wählen Sie Bestehende Servicerolle verwenden und geben Sie die Rolle an, in Eine IAM-Rolle für Amazon Personalize erstellen der Sie sie erstellt haben.

    Die Rolle, die Sie verwenden, muss über die Berechtigung verfügen, die GetObject ListBucket Aktionen für Ihren Amazon S3 S3-Bucket und dessen Inhalt auszuführen. Diese Berechtigungen entsprechen dem Importieren von Daten. Informationen zur Erteilung von Berechtigungen und Beispiele für Richtlinien finden Sie unterAmazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

  8. Fügen Sie für Tags optional beliebige Tags hinzu. Weitere Informationen zum Taggen von Amazon Personalize Personalize-Ressourcen finden Sie unter. Taggen von Amazon Personalize Personalize-Ressourcen

  9. Wählen Sie Job erstellen aus. Der Job wird gestartet und die Detailseite wird angezeigt.

    Nachdem Sie einen Job erstellt haben, dauert es ungefähr einen Tag, um die Benutzerdaten aus Datensätzen und Modellen zu löschen. Bis der Job abgeschlossen ist, verwendet Amazon Personalize die Daten weiterhin für das Training. Und die Benutzer werden möglicherweise in Benutzersegmenten angezeigt.

    Die Datenlöschung ist abgeschlossen, wenn der Status ABGESCHLOSSEN angezeigt wird. Wenn der Job aus irgendeinem Grund fehlschlägt, empfehlen wir, einen weiteren Datenlöschauftrag zu erstellen. Stellen Sie nach Abschluss eines Jobs sicher, dass Sie alle benutzerdefinierten Ressourcen aktualisieren. Stellen Sie sicher, dass Sie eine neue Lösungsversion erstellen und gegebenenfalls Ihre Kampagne aktualisieren. Wenn Sie automatisches Training verwenden, können Sie immer noch manuell neue Lösungsversionen erstellen.

Um Benutzer mit dem zu löschen AWS CLI, verwenden Sie den create-data-deletion-job Befehl. Dieser Befehl verwendet die CreateDataDeletion API-Operation. Der folgende Code zeigt, wie Sie einen Datenlöschauftrag erstellen. Um den Code zu verwenden, aktualisieren Sie ihn, sodass Sie den Jobnamen, die IAM-Rolle, in der Sie erstellt habenEine IAM-Rolle für Amazon Personalize erstellen, und den Amazon S3 S3-Speicherort Ihrer Daten angeben. Sie haben diese Datei vorbereitet inEine Liste der zu löschenden Benutzer wird vorbereitet. 

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

Nachdem Sie einen Job erstellt haben, dauert es ungefähr einen Tag, um die Benutzerdaten aus Datensätzen und Modellen zu löschen. Bis der Job abgeschlossen ist, verwendet Amazon Personalize die Daten weiterhin für das Training. Und die Benutzer werden möglicherweise in Benutzersegmenten angezeigt.

Der Job ist abgeschlossen, wenn der Status ABGESCHLOSSEN lautet. Überprüfen Sie den Status mithilfe des describe-data-deletion-job Befehls und geben Sie den ARN für den Datenlöschauftrag an. Weitere Hinweise zum API-Vorgang finden Sie unterDescribeDataDeletionJob. Verwenden Sie den ListDataDeletionJobs API-Vorgang, um einen Verlauf der Datenlöschaufträge, sortiert nach Erstellungszeit, anzuzeigen.

Wenn der Job aus irgendeinem Grund fehlschlägt, empfehlen wir, einen weiteren Datenlöschauftrag zu erstellen. Stellen Sie nach Abschluss eines Jobs sicher, dass Sie alle benutzerdefinierten Ressourcen aktualisieren. Stellen Sie sicher, dass Sie eine neue Lösungsversion erstellen und gegebenenfalls Ihre Kampagne aktualisieren. Wenn Sie automatisches Training verwenden, können Sie immer noch manuell neue Lösungsversionen erstellen.

Verwenden Sie den CreateDataDeletionJob API-Vorgang, um Benutzer mit den AWS SDKs zu löschen. Der folgende Code zeigt, wie Sie einen Datenlöschauftrag erstellen. Um den Code zu verwenden, aktualisieren Sie ihn, sodass Sie den Jobnamen, die IAM-Rolle, in der Sie erstellt habenEine IAM-Rolle für Amazon Personalize erstellen, und den Amazon S3 S3-Speicherort Ihrer Daten angeben. Sie haben diese Datei vorbereitet inEine Liste der zu löschenden Benutzer wird vorbereitet. 

import boto3

personalize = boto3.client('personalize')

response = personalize.create_data_deletion_job(
    jobName = 'Deletion job name',
    datasetGroupArn = 'Dataset Group ARN',
    dataSource = {'dataLocation':'s3://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'])

Nachdem Sie einen Job erstellt haben, dauert es ungefähr einen Tag, um die Benutzerdaten aus Datensätzen und Modellen zu löschen. Bis der Job abgeschlossen ist, verwendet Amazon Personalize die Daten weiterhin für das Training. Und die Benutzer werden möglicherweise in Benutzersegmenten angezeigt.

Der Job ist abgeschlossen, wenn der Status ABGESCHLOSSEN lautet. Überprüfen Sie den Status mithilfe der DescribeDataDeletionJob Operation und geben Sie den ARN für den Datenlöschauftrag an. Verwenden Sie den ListDataDeletionJobs API-Vorgang, um einen Verlauf der Datenlöschaufträge, sortiert nach Erstellungszeit, anzuzeigen.

Wenn der Job aus irgendeinem Grund fehlschlägt, empfehlen wir, einen weiteren Datenlöschauftrag zu erstellen. Stellen Sie nach Abschluss eines Jobs sicher, dass Sie alle benutzerdefinierten Ressourcen aktualisieren. Stellen Sie sicher, dass Sie eine neue Lösungsversion erstellen und gegebenenfalls Ihre Kampagne aktualisieren. Wenn Sie automatisches Training verwenden, können Sie immer noch manuell neue Lösungsversionen erstellen.