Inferenz-Pipeline-Protokolle und -Metriken

Die Überwachung ist wichtig für die Aufrechterhaltung der Zuverlässigkeit, Verfügbarkeit und Leistung von Amazon SageMaker Resources gewährleistet. Verwenden Sie CloudWatch Amazon-Protokolle und Fehlermeldungen, um die Leistung der Inferenzpipeline zu überwachen und Fehler zu beheben. Weitere Informationen zu den Überwachungstools, die SageMaker bereitstellt, finden Sie unter Überwachen Sie AWS Ressourcen, die während der Nutzung von Amazon bereitgestellt werden SageMaker.

Verwenden von Metriken zum Überwachen von Multicontainer-Modellen

Verwenden Sie Amazon, um die Multicontainer-Modelle in Inference Pipelines zu überwachen CloudWatch. CloudWatchsammelt Rohdaten sammelt und verarbeitet sie in lesbare Metriken verarbeitet werden, die nahezu in Echtzeit zur Verfügung stehen. SageMakerTrainingsjobs und Endpoints schreiben CloudWatch Metriken und Protokolle in denAWS/SageMaker Namespace.

Die folgenden Tabellen listen die Metriken und Dimensionen für Folgendes auf:

• Endpunkt-Aufrufe

• Schulungsaufträge, Stapeltransformationsaufträge und Endpunkt-Instances

Eine Dimension ist ein Name-Wert-Paar, durch das eine Metrik eindeutig identifiziert wird. Sie können einer Metrik bis zu 10 Dimensionen zuweisen. Weitere Informationen zur Überwachung mit CloudWatch finden Sie unterÜberwachen Sie Amazon SageMaker mit Amazon CloudWatch.

Endpoint Invocation Metrics (Metriken für Endpunktaufrufe)

Der AWS/SageMaker-Namespace enthält die folgenden Anforderungsmetriken von InvokeEndpoint-Aufrufen.

Metriken werden in Intervallen von einer Minute gemeldet.

Metrik	Beschreibung
Invocation4XXErrors	Die Anzahl der InvokeEndpoint-Anforderungen, bei denen das Modell den HTTP-Antwortcode 4xx zurückgegeben hat. SageMaker Sendet für jede4xx Antwort eine1. Einheiten: keine Gültige Statistiken: Average, Sum
Invocation5XXErrors	Die Anzahl der InvokeEndpoint-Anforderungen, bei denen das Modell den HTTP-Antwortcode 5xx zurückgegeben hat. SageMaker Sendet für jede5xx Antwort eine1. Einheiten: keine Gültige Statistiken: Average, Sum
Invocations	Die an einen Modellendpunkt gesendeten number of InvokeEndpoint-Anforderungen. Mit der Sum-Statistik können Sie die Gesamtanzahl der an einen Modellendpunkt gesendeten Anforderungen abrufen. Einheiten: keine Gültige Statistiken: Sum, Sample Count
InvocationsPerInstance	Die Anzahl der Endpunktaufrufe, die an ein Modell gesendet wurden, normalisiertInstanceCount um jeweilsProductionVariant. SageMakersendet 1/numberOfInstances als Wert für jede Anfrage, wobeinumberOfInstances dies die Anzahl der aktiven Instanzen für die ProductionVariant am Endpunkt zum Zeitpunkt der Anfrage ist. Einheiten: keine Gültige Statistiken: Sum
ModelLatency	Die Zeit, die das/die Modell(e) für die Antwort gebraucht hat/haben. Dies umfasst die Zeit, die zum Senden der Anforderung, zum Abrufen der Antwort vom Modell-Container und zum Abschluss der Inferenz in dem Container benötigt wurde. ModelLatency ist die Gesamtzeit von allen Containern in einer Inferenz-Pipeline. Einheiten: Mikrosekunden Gültige Statistiken: Average, Sum, Min, Max, SampleCount
OverheadLatency	Die Zeit, die zur Beantwortung einer SageMaker Kundenanfrage von Overhead hinzugefügt wurde. OverheadLatencywird vom Zeitpunkt des Eingangs SageMaker der Anfrage bis zur Rückgabe einer Antwort an den Client gemessen, abzüglich desModelLatency. Die Overhead-Latenz kann in Abhängigkeit von mehreren Faktoren variieren. Diese Faktoren sind beispielsweise die Größe der Nutzlast für Anfragen und Antworten, die Häufigkeit von Anfragen und die Authentifizierung oder Autorisierung der Anfrage. Einheiten: Mikrosekunden Gültige Statistiken: Average, Sum, Min, Max, Sample Count
ContainerLatency	Die Zeit, die ein Inference Pipelines-Container benötigte, um zu antworten, aus gesehen SageMaker. ContainerLatencybeinhaltet die Zeit, die benötigt wurde, um die Anfrage zu senden, die Antwort aus dem Container des Modells abzurufen und die Inferenz im Container abzuschließen. Einheiten: Mikrosekunden Gültige Statistiken: Average, Sum, Min, Max, Sample Count

Dimensions for Endpoint Invocation Metrics (Dimensionen der Metriken für Endpunktaufrufe)

Dimension	Beschreibung
EndpointName, VariantName, ContainerName	Filtert Endpunktaufrufmetriken für ein ProductionVariant am angegebenen Endpunkt und für die angegebene Variante.

CloudWatch Listet für einen Inferenz-Pipeline-Endpunkt die Latenzmetriken pro Container in Ihrem Konto als Endpoint Container Metrics und Endpoint Variant Metrics im SageMakerNamespace wie folgt auf. Die ContainerLatency-Metrik wird nur für Inferenz-Pipelines angezeigt.

Für jeden Endpunkt und jeden Container zeigen die Latenzmetriken die Namen für den Container, den Endpunkt, die Variante und die Metrik an.

Schulungsauftrag-, Stapeltransformationsauftrag- und Endpunkt-Instance-Metriken

Die Namespaces /aws/sagemaker/TrainingJobs, /aws/sagemaker/TransformJobs und /aws/sagemaker/Endpoints beinhalten die folgenden Metriken für die Schulungsaufträge und Endpunkt-Instances.

Metriken werden in Intervallen von einer Minute gemeldet.

Metrik	Beschreibung
CPUUtilization	Der Prozentsatz der CPU-Einheiten, die von den Containern auf einer Instance verwendet werden. Der Wert reicht von 0 % bis 100 % und wird mit der Anzahl der CPUs multipliziert. Wenn beispielsweise vier CPUs genutzt werden, kann CPUUtilization zwischen 0 % und 400 % liegen. Bei Schulungsaufträgen ist CPUUtilization die CPU-Auslastung des Algorithmus-Containers auf der Instance. Bei Stapeltransformationsaufträgen ist CPUUtilization die CPU-Auslastung des Transformationscontainers auf der Instance. Bei Multi-Container-Modellen ist CPUUtilization die Summe der CPU-Auslastung für alle Container, die auf der Instance ausgeführt werden. Bei Endpunkt-Varianten ist CPUUtilization die Summe der CPU-Auslastung für alle Container, die auf der Instance ausgeführt werden. Einheiten: Prozent
MemoryUtilization	Der Prozentsatz des Speichers, der von den Containern auf einer Instance belegt wird. Dieser Wert reicht von 0 bis 100 %. Bei Schulungsaufträgen ist MemoryUtilization der vom Algorithmus-Container auf der Instance verwendete Speicher. Bei Stapeltransformationsaufträgen ist MemoryUtilization ist der vom Transformationscontainer auf der Instance verwendete Speicher. Bei Multi-Container-Modellen ist MemoryUtilization ist die Summe des Speichers für alle Container, die auf der Instance ausgeführt werden. Bei Endpunkt-Varianten ist MemoryUtilization die Summe des Speichers für alle Container, die auf der Instance ausgeführt werden. Einheiten: Prozent
GPUUtilization	Der Prozentsatz der GPU-Einheiten, die von den Containern verwendet werden, die auf einer Instance ausgeführt werden. GPUUtilization reicht von 0 % bis 100 % und wird mit der Anzahl der GPUs multipliziert. Wenn beispielsweise vier GPUs genutzt werden, kann GPUUtilization zwischen 0 % und 400 % liegen. Bei Schulungsaufträgen ist GPUUtilization der GPU-Anteil, den der Algorithmus-Container auf der Instance verwendet. Bei Stapeltransformationsaufträgen ist GPUUtilization der GPU-Anteil, den der Transformationscontainer auf der Instance verwendet. Bei Multi-Container-Modellen ist GPUUtilization die GPU-Summe für alle Container auf der Instance. Bei Endpunkt-Varianten ist GPUUtilization die GPU-Summe für alle Container auf der Instance. Einheiten: Prozent
GPUMemoryUtilization	Der Prozentsatz des GPU-Speichers, der von den Containern auf einer Instance belegt wird. MemoryUtilization Die GPU liegt zwischen 0 und 100% und wird mit der Anzahl der GPUs multipliziert. Wenn beispielsweise vier GPUs genutzt werden, kann GPUMemoryUtilization zwischen 0 % und 400 % liegen. Bei Schulungsaufträgen ist GPUMemoryUtilization der GPU-Speicher, den der Algorithmus-Container auf der Instance belegt. Bei Stapeltransformationsaufträgen ist GPUMemoryUtilization der GPU-Arbeitsspeicher, den der Transformationscontainer auf der Instance belegt. Bei Multi-Container-Modellen ist GPUMemoryUtilization die GPU-Summe, die von allen Containern auf der Instance verwendet wird. Bei Endpunkt-Varianten ist GPUMemoryUtilization die Summe des GPU-Speichers, die von allen Containern auf der Instance verwendet wird. Einheiten: Prozent
DiskUtilization	Der Anteil des Festplattenspeichers belegt wird, der von den Containern belegt wird, die auf einer Instance ausgeführt werden. DiskUtilization im Bereich von 0 bis 100 bis 100 bis 100 bis 100 bis Diese Metrik wird für Stapeltransformationsaufträge nicht unterstützt. Bei Schulungsaufträgen ist DiskUtilization der Speicherplatz, den der Algorithmus-Container auf der Instance verwendet. Bei Endpunkt-Varianten ist DiskUtilization ist die Summe des Speicherplatzes für alle bereitgestellten Container auf der Instance. Einheiten: Prozent

Dimensions for Training Job, Batch Transform Job, and Endpoint Instance Metrics (Dimensionen für Instance-Metriken für Schulungsaufträge, Stapeltransformationsaufträge und Endpunkte)

Dimension

Beschreibung

Host

Bei Schulungsaufträgen hat Host das Format [training-job-name]/algo-[instance-number-in-cluster]. Mit dieser Dimension können Sie Instance-Metriken für den angegebenen Schulungsauftrag und die Instance filtern. Dieses Dimensionsformat ist nur im Namespace /aws/sagemaker/TrainingJobs vorhanden. Bei Stapeltransformationsaufträgen hat Host das Format [transform-job-name]/[instance-id]. Mit dieser Dimension können Sie Instance-Metriken für den angegebenen Stapeltransformationsauftrag und die Instance filtern. Dieses Dimensionsformat ist nur im Namespace /aws/sagemaker/TransformJobs vorhanden. Bei Endpunkten hat Host das Format [endpoint-name]/[ production-variant-name ]/[instance-id]. Mit dieser Dimension können Sie Instance-Metriken für den angegebenen Endpunkt sowie die Variante und die Instance filtern. Dieses Dimensionsformat ist nur im Namespace /aws/sagemaker/Endpoints vorhanden.

Sendet SageMaker außerdem alles, was ein Algorithmuscontainer, ein Modellcontainer oder eine Notebook-Instance-Lebenszykluskonfiguration sendet, an oder an Amazon CloudWatch Logs, umstdout Ihnen beim Debuggen Ihrer Trainingsjobs, Endpunkte und Notebook-Instance-Lebenszykluskonfigurationenstderr zu helfen. Sie können diese Informationen zum Debugging und zur Fortschrittanalyse verwenden.

Verwenden von Protokollen zum Überwachen einer Inferenz-Pipeline

In der folgenden Tabelle sind die Protokollgruppen und Log-Streams aufgeführt SageMaker. sendet an Amazon CloudWatch

Ein Protokollstream ist eine Abfolge von Protokollereignissen, die dieselbe Quelle nutzen. Jede separate Quelle für Logins CloudWatch bildet einen separaten Protokollstream bildet einen separaten Protokollstream. Eine Protokollgruppe ist eine Gruppe von Protokollstreams, die dieselben Einstellungen für die Aufbewahrung, Überwachung und Zugriffskontrolle besitzen.

Protokolle

Protokollgruppenname	Protokollstreamname
/aws/sagemaker/TrainingJobs	[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]
/aws/sagemaker/Endpoints/[EndpointName]	[production-variant-name]/[instance-id]
	[production-variant-name]/[instance-id]
	[production-variant-name]/[instance-id]/[container-name provided in the SageMaker model] (For Inference Pipelines) Wenn Sie für Inferenz-Pipeline-Protokolle keine Containernamen angeben, verwendet CloudWatch **container-1, container-2** und so weiter, in der Reihenfolge, in der die Container im Modell bereitgestellt werden.
/aws/sagemaker/NotebookInstances	[notebook-instance-name]/[LifecycleConfigHook]
/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 the SageMaker model] (For Inference Pipelines) Wenn Sie für Inferenz-Pipeline-Protokolle keine Containernamen angeben, verwendet CloudWatch **container-1, container-2** und so weiter, in der Reihenfolge, in der die Container im Modell bereitgestellt werden.

Anmerkung

SageMaker erstellt die /aws/sagemaker/NotebookInstances-Protokollgruppe, wenn Sie eine Notebook-Instance mit einer Lebenszykluskonfiguration erstellen. Weitere Informationen finden Sie unter Anpassen einer Notebook-Instances mithilfe eines Lifecycle-Konfigurationsskripts.

Weitere Informationen zur SageMaker Protokollierung finden Sie unterSageMakerAmazon-Ereignisse mit Amazon protokollieren CloudWatch.