前提条件 AWS CLI モデルの設定 MLflow インフラストラクチャをセットアップする MLflow 追跡サーバーを作成する

を使用して追跡サーバーを作成する AWS CLI

を使用して追跡サーバーを作成し、セキュリティをより詳細 AWS CLI にカスタマイズできます。

前提条件

を使用して追跡サーバーを作成するには AWS CLI、以下が必要です。

ターミナルへのアクセス。 これには、ローカル IDEsインスタンス、またはが含まれます AWS CloudShell。 Amazon EC2
開発環境へのアクセス。これには、Studio または Studio Classic 内のローカル IDEs または Jupyter Notebook 環境が含まれます。
設定済みの AWS CLI インストール 。詳細については、「AWS CLIの設定」を参照してください。
適切なアクセス許可を持つ IAM ロール。次の手順では、環境が iam:CreateRole、iam:CreatePolicy、、iam:AttachRolePolicyおよびアクセスiam:ListPolicies許可を持っている必要があります。これらのアクセス許可は、このユーザーガイドのステップの実行に使用されているロールに必要です。このガイドの手順では、MLflow Tracking Server の実行ロールとして使用される IAM ロールを作成して、Amazon S3 バケット内のデータにアクセスできるようにします。さらに、MLflow SDK を介して追跡サーバーとやり取りするユーザーの IAM ロールに、MLflow APIs を呼び出すアクセス許可を付与するポリシーが作成されます。詳細については、「ロールのアクセス許可ポリシーの変更 (コンソール）」を参照してください。

SageMaker Studio ノートブックを使用している場合は、これらの IAM アクセス許可を使用して Studio ユーザープロファイルのサービスロールを更新します。サービスロールを更新するには、 SageMaker コンソールに移動し、使用しているドメインを選択します。次に、ドメインで、使用しているユーザープロファイルを選択します。サービスロールが一覧表示されます。IAM コンソールに移動し、ロール でサービスロールを検索し、iam:CreateRole、、、iam:CreatePolicyiam:AttachRolePolicyおよび iam:ListPoliciesアクションを許可するポリシーでロールを更新します。

AWS CLI モデルの設定

ターミナル内の以下のコマンドラインステップに従って、MLflow SageMaker で Amazon AWS CLI のを設定します。

の更新バージョンをインストールします AWS CLI。詳細については、「ユーザーガイド」の「の最新バージョンのインストールまたは更新 AWS CLIAWS CLI 」を参照してください。
次のコマンドを使用して AWS CLI 、がインストールされていることを確認します。
```
aws sagemaker help
```
q を押してプロンプトを終了します。

トラブルシューティングヘルプについては、セットアップに関する一般的な問題のトラブルシューティングを参照してください。

MLflow インフラストラクチャをセットアップする

次のセクションでは、MLflow Tracking Server を、追跡サーバーに必要な Amazon S3 バケットと IAM ロールとともにセットアップする方法を示します。

S3 バケットを作成する

ターミナル内で、次のコマンドを使用して汎用 Amazon S3 バケットを作成します。

注記

アーティファクトストアに使用される Amazon S3 バケットは、追跡サーバー AWS リージョンと同じにある必要があります。


bucket_name=bucket-name
region=valid-region

aws s3api create-bucket \
  --bucket $bucket_name \
  --region $region \
  --create-bucket-configuration LocationConstraint=$region

出力は次の例に類似したものになります:


{
    "Location": "/bucket-name"
}

IAM 信頼ポリシーを設定する

IAM 信頼ポリシーを作成するには、次のステップに従います。ロールと信頼ポリシーの詳細については、「 AWS Identity and Access Management ユーザーガイド」の「ロールの用語と概念」を参照してください。

ターミナル内で、次のコマンドを使用してというファイルを作成しますmlflow-trust-policy.json。


cat <<EOF > /tmp/mlflow-trust-policy.json
{
     "Version": "2012-10-17",
     "Statement": [
         {
             "Effect": "Allow",
             "Principal": {
                 "Service": [                     
                      "sagemaker.amazonaws.com"
                 ]
             },
             "Action": "sts:AssumeRole"
         }
     ]
 }
EOF

ターミナル内で、次のコマンドを使用してというファイルを作成しますcustom-policy.json。


cat <<EOF > /tmp/custom-policy.json
{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:Get*",
                "s3:Put*",
                "sagemaker:AddTags",
                "sagemaker:CreateModelPackageGroup",
                "sagemaker:CreateModelPackage",
                "sagemaker:DescribeModelPackageGroup",
                "sagemaker:UpdateModelPackage",
                "s3:List*"
            ],
            "Resource": "*"
        }
    ]
}
EOF

信頼ポリシーファイルを使用してロールを作成します。次に、MLflow がアカウント内の Amazon S3 と Model Registry にアクセスできるようにする IAM ロールポリシーをアタッチします。 SageMaker MLflow は、追跡サーバーのアーティファクトストアには Amazon S3 にアクセスし、自動モデル登録には SageMaker Model Registry にアクセスできる必要があります。

注記
既存のロールを更新する場合は、代わりにコマンドを使用します。 aws iam update-assume-role-policy --role-name $role_name --policy-document file:///tmp/mlflow-trust-policy.json
```
role_name=role-name

aws iam  create-role \
  --role-name $role_name \
  --assume-role-policy-document file:///tmp/mlflow-trust-policy.json

aws iam put-role-policy \
  --role-name $role_name \
  --policy-name custom-policy \
  --policy-document file:///tmp/custom-policy.json

role_arn=$(aws iam get-role --role-name  $role_name --query 'Role.Arn' --output text)
```

MLflow 追跡サーバーを作成する

ターミナル内で API を使用してcreate-mlflow-tracking-server、 AWS リージョン選択したに追跡サーバーを作成します。このステップには最大 25 分かかる場合があります。

オプションで、パラメータを使用して追跡サーバーのサイズを指定できます--tracking-server-config。"Small"、"Medium"、のいずれかを選択します"Large"。デフォルトの MLflow Tracking Server 設定サイズはです"Small"。ログに記録されるデータ量、ユーザー数、使用頻度など、追跡サーバーの予測使用量に応じてサイズを選択できます。詳細については、「MLflow サーバーサイズの追跡」を参照してください。

次のコマンドは、自動モデル登録を有効にして新しい追跡サーバーを作成します。自動モデル登録を無効にするには、を指定します--no-automatic-model-registration。

追跡サーバーを作成したら、MLflow UI を起動できます。詳細については、「署名付き URL を使用して MLflow UI を起動する」を参照してください。

注記

サーバーの作成の追跡が完了するまでに最大 25 分かかる場合があります。追跡サーバーの作成に 25 分以上かかる場合は、必要な IAM アクセス許可があることを確認してください。IAM アクセス許可の詳細については、「」を参照してくださいMLflow の IAM アクセス許可を設定する。追跡サーバーを正常に作成すると、自動的に起動します。


ts_name=tracking-server-name
region=valid-region

aws sagemaker create-mlflow-tracking-server \
 --tracking-server-name $ts_name \
 --artifact-store-uri s3://$bucket_name \
 --role-arn $role_arn \
 --automatic-model-registration \
 --region $region

出力は次の例のようになります:


{
    "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name"
}

重要

後で使用するために、追跡サーバーの ARN を書き留めておきます。クリーンアップ手順$bucket_nameにはも必要です。

MLflow Tracking Server の説明

describe-mlflow-tracking-server API を使用して MLflow Tracking Server の作成のステータスを確認します。


aws sagemaker describe-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

MLflow Tracking Server の作成がまだ進行中の場合、は TrackingServerStatusです"Creating"。MLflow 追跡サーバーの作成が完了すると、は TrackingServerStatusになります"Created"。出力は次の例のようになります:


{
    "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name",
    "MlflowTrackingServerName": "tracking-server-name",
    "CreationTime": "2024-03-15T19:41:43+00:00",
    "LastModifiedTime": "2024-03-15T19:41:43+00:00",
    "CreatedBy": {},
    "LastModifiedBy": {},
    "ArtifactStoreUri": "s3://bucket-name",
    "TrackingServerConfig": "Small",
    "MlflowVersion": "v2.11.3",
    "TrackingServerStatus": "Created"
}

MLflow Tracking Server を一覧表示する

list-mlflow-tracking-servers API を使用して MLflow Tracking Server を一覧表示します。


aws sagemaker list-mlflow-tracking-servers \
  --region $region

出力は以下のようになります。


{
    "TrackingServerSummaries": [
        {
            "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name",
            "MlflowTrackingServerName": "tracking-server-name",
            "CreationTime": "2024-04-11T16:58:27+00:00",
            "LastModifiedTime": "2024-04-11T16:58:27+00:00",
            "TrackingServerStatus": "CreatePending",
            "MlflowVersion": "v2.11.3"
        }
    ]
}

デフォルトでは、追跡サーバーは作成時刻の降順で一覧表示されます。リストの順序を変更するには、オプションでを --sort-orderに指定できますAscending。

オプションで、 "Creating"やなど--tracking-server-status、リストされた追跡サーバーをでフィルタリングできます"Created"。

--created-after フィルターを使用して、特定の日時以降に作成された追跡サーバーのみを一覧表示します。リストされた追跡サーバーは、などの日付と時刻で表示されます"2024-03-16T01:46:56+00:00"。--created-after パラメータは Unix タイムスタンプを受け取ります。日付と時刻を Unix タイムスタンプに変換するには、「」を参照してくださいEpochConverter。


aws sagemaker list-mlflow-tracking-servers \
  --region $region \
  --sort-order Ascending \
  --tracking-server-status Created \
  --created-after 1712852168

同じに複数の追跡サーバーがある場合は AWS リージョン、 --next-tokenパラメータを使用して追跡サーバーを反復処理できます。


# List one tracking server in a specified AWS リージョン to get a NextToken
aws sagemaker list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region

# Save the NextToken for this listed tracking server in a variable
next_token=$(aws experiments-beta list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region | jq -r .NextToken)

# Use the NextToken to list the next tracking server and get a new NextToken
aws sagemaker list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region \
  --next-token $next_token

使用可能なすべてのリストオプションを表示するには、次のコマンドを実行します。


aws sagemaker list-mlflow-tracking-servers help

MLflow Tracking Server を停止または起動する

追跡サーバーを停止するには、次のコマンドを使用します。


aws sagemaker stop-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

追跡サーバーを起動するには、次のコマンドを使用します。

注記

追跡サーバーの起動には最大 25 分かかる場合があります。


aws sagemaker start-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

MLflow Tracking Server を更新する

アーティファクトストレージの Amazon S3 バケット、追跡サーバーサイズ、自動モデル登録設定、または毎週のメンテナンスウィンドウはいつでも更新できます。更新するには、追跡サーバーを停止する必要があります。

追跡サーバーを更新し、アーティファクトストア URI を変更するには、次のコマンドを使用します。


aws sagemaker update-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --artifact-store-uri $updated-artifact-store-uri \ 
  --region $region

ブラウザで JavaScript が無効になっているか、使用できません。

AWS ドキュメントを使用するには、JavaScript を有効にする必要があります。手順については、使用するブラウザのヘルプページを参照してください。

ドキュメントの表記規則

Studio

MLflow UI を起動する