Metriken von Amazon SageMaker AI in Amazon CloudWatch
Sie können Amazon SageMaker AI mit Amazon CloudWatch überwachen, wobei Rohdaten erfasst und in lesbare, nahezu Echtzeit-Metriken verarbeitet werden. Diese Statistiken werden für 15 Monate aufbewahrt. Sie können damit auf die Verlaufsdaten zugreifen und sich einen besseren Eindruck von der Leistung Ihrer Webanwendung oder Ihres Service verschaffen. Allerdings beschränkt die Amazon CloudWatch-Konsole die Suche auf Kennzahlen, die in den letzten 2 Wochen aktualisiert wurden. Diese Einschränkung stellt sicher, dass die aktuellen Aufträge in Ihrem Namensraum aufgeführt werden.
Um Kennzahlen ohne Verwendung einer Suche grafisch darzustellen, geben Sie den exakten Namen in der Quellansicht ein. Sie können auch Alarme einrichten, die auf bestimmte Grenzwerte achten und Benachrichtigungen senden oder Aktivitäten auslösen, wenn diese Grenzwerte erreicht werden. Weitere Informationen finden Sie im Amazon-CloudWatch-Benutzerhandbuch.
Kennzahlen und Dimensionen für SageMaker AI
Kennzahlen zum Aufrufen von SageMaker-AI-Endpunkten
Der AWS/SageMaker-Namensraum enthält die folgenden Anfragekennzahlen von Aufrufen für InvokeEndpoint.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
Die folgende Abbildung zeigt, wie ein SageMaker-AI-Endpunkt mit der Amazon SageMaker Runtime API interagiert. Die Gesamtzeit zwischen dem Absenden einer Anfrage an einen Endpunkt und dem Eingang einer Reaktion hängt von den folgenden drei Komponenten ab.
-
Netzwerklatenz – die Zeit, die zwischen dem Absenden einer Anfrage und dem Eingang einer Reaktion von der SageMaker Runtime API vergeht.
-
Overhead-Latenz – die Zeit, die erforderlich ist, um eine Anfrage an den Modell-Container und die Antwort zurück zur SageMaker Runtime API zu transportieren.
-
Modelllatenz – die Zeit, die der Modell-Container braucht, um die Anfrage zu verarbeiten und eine Antwort zurückzugeben.
Weitere Informationen zur Gesamtlatenz finden Sie unter Bewährte Methoden für Belastungstests von Echtzeit-Inferenz-Endpunkten in Amazon SageMaker AI
Kennzahlen für Endpunktaufrufe
| Metrik | Beschreibung |
|---|---|
ConcurrentRequestsPerCopy |
Die Anzahl der gleichzeitigen Anforderungen, die von der Inferenzkomponente empfangen wurden, normalisiert durch jede Kopie einer Inferenzkomponente. Gültige Statistiken: Min, Max |
ConcurrentRequestsPerModel |
Die Anzahl der gleichzeitigen Anforderungen, die vom Modell empfangen wurden. Gültige Statistiken: Min, Max |
Invocation4XXErrors |
Die Anzahl der Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
Invocation5XXErrors |
Die Anzahl der Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
InvocationModelErrors |
Die Anzahl der Modellaufrufanforderungen, die nicht zu einer 2XX-HTTP-Antwort geführt haben. Dazu gehören 4XX/5XX-Statuscodes, Socket-Fehler auf niedriger Ebene, nicht formgerechte HTTP-Antworten und Zeitüberschreitungen bei Anfragen. Für jede Antwort auf Fehler wird der Wert 1 gesendet, andernfalls 0. Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
Invocations |
Die Anzahl Mit der Summenstatistik (Sum) können Sie die Gesamtanzahl der an einen Modellendpunkt gesendeten Anforderungen abrufen. Einheiten: keine Gültige Statistiken: Summe |
InvocationsPerCopy |
die Anzahl der Aufrufe, normalisiert durch jede Kopie einer Inferenzkomponente Gültige Statistiken: Summe |
InvocationsPerInstance |
Die Anzahl der an ein Modell gesendeten Aufrufe, normalisiert durch Einheiten: keine Gültige Statistiken: Summe |
ModelLatency |
Der Zeitraum, den ein Modell braucht, um auf eine Anforderung der SageMaker Runtime API zu antworten. Dieses Intervall enthält die Zeitspanne für die lokale Kommunikation zum Senden der Anfrage und zum Abrufen der Antwort vom Modell-Container. Es beinhaltet auch die benötigte Zeit, um die Inferenz im Container abzuschließen. Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Summe, Minimum, Maximum, Stichprobenzahl, Perzentile |
ModelSetupTime |
Die zum Starten neuer Ressourcen zur Datenverarbeitung für einen Serverless-Endpunkt erforderliche Zeit. Die Zeit kann je nach Modellgröße, Dauer zum Herunterladen des Modells und Startzeit des Containers variieren. Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenzahl, Perzentile |
OverheadLatency |
Der zu der erforderlichen Zeit für die Reaktion auf eine Anfrage vom Client von SageMaker-AI-Overhead hinzugefügte Zeitraum. Dieses Intervall wird ab dem Zeitpunkt gemessen, wo SageMaker AI die Anfrage erhält, bis es dem Client eine Antwort gibt, abzüglich der Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
Dimensionen für Kennzahlen für den Aufruf von Endpunkten
| Dimension | Beschreibung |
|---|---|
EndpointName, VariantName |
Filtert die Kennzahlen für den Endpunktaufruf einer |
InferenceComponentName |
Filtert Metriken zum Aufrufen von Inferenzkomponenten. |
Metriken für Inferenzkomponenten von SageMaker AI
Der Namespace /aws/sagemaker/InferenceComponents enthält die folgenden Metriken aus Aufrufen von InvokeEndpoint für Endpunkte, die Inferenzkomponenten hosten.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
| Metrik | Beschreibung |
|---|---|
CPUUtilizationNormalized |
Der Wert der |
GPUMemoryUtilizationNormalized |
Der Wert der |
GPUUtilizationNormalized |
Der Wert der |
MemoryUtilizationNormalized |
Der von jeder Kopie der Inferenzkomponente gemeldete |
Dimensionen für Metriken für Inferenzkomponenten
| Dimension | Beschreibung |
|---|---|
InferenceComponentName |
Filtert Metriken für Inferenzkomponenten |
Kennzahlen für Multimodell-Endpunkte von SageMaker AI
Der AWS/SageMaker-Namensraum beinhaltet die folgenden Kennzahlen zum Laden von Modellen aus Aufrufen von InvokeEndpoint.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
Weitere Informationen darüber, wie lange CloudWatch-Kennzahlen aufbewahrt werden, finden Sie unter GetMetricStatistics in der Amazon CloudWatch API Reference.
Kennzahlen zum Laden von Multimodell-Endpunktmodellen
| Metrik | Beschreibung |
|---|---|
ModelLoadingWaitTime |
Der Zeitraum, über den eine Aufrufanforderung darauf gewartet hat, dass das Zielmodell heruntergeladen oder geladen wird, oder beides, um Interferenzen auszuführen. Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
ModelUnloadingTime |
Der Zeitraum , das zum Entladen des Modells über den Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
ModelDownloadingTime |
Die Dauer, die es brauchte, das Modell von Amazon Simple Storage Service (Amazon S3) herunterzuladen. Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
ModelLoadingTime |
Der Zeitraum , das zum Laden des Modells über den Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
ModelCacheHit |
Die Anzahl der Die Durchschnittsstatistik zeigt das Verhältnis der Anforderungen an, für die das Modell bereits geladen wurde. Einheiten: keine Gültige Statistiken: Durchschnitt, Datenstichprobe |
Dimensionen für Kennzahlen zum Laden von Multimodell-Endpunktmodellen
| Dimension | Beschreibung |
|---|---|
EndpointName, VariantName |
Filtert die Kennzahlen für den Endpunktaufruf einer |
Die /aws/sagemaker/Endpoints-Namespaces enthalten die folgenden Instance-Kennzahlen aus Aufrufen an InvokeEndpoint.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
Weitere Informationen darüber, wie lange CloudWatch-Kennzahlen aufbewahrt werden, finden Sie unter GetMetricStatistics in der Amazon CloudWatch API Reference.
Kennzahlen für Modell-Instances von Multimodell-Endpunkten
| Metrik | Beschreibung |
|---|---|
LoadedModelCount |
Die Anzahl der Modelle, die in die Container des Multimodell-Endpunkts geladen werden. Diese Metrik wird pro Instance ausgegeben. Die Durchschnittsstatistik mit einem Zeitraum von 1 Minute gibt Ihnen die durchschnittliche Anzahl der pro Instance geladenen Modelle an. Die Summenstatistik gibt Ihnen die Gesamtzahl der Modelle an, die über alle Instances im Endpunkt geladen wurden. Die Modelle, die von dieser Metrik verfolgt werden, sind nicht unbedingt eindeutig, da ein Modell möglicherweise in mehrere Container am Endpunkt geladen wird. Einheiten: keine Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
Dimensionen für Kennzahlen zum Laden von Multimodell-Endpunktmodellen
| Dimension | Beschreibung |
|---|---|
EndpointName, VariantName |
Filtert die Kennzahlen für den Endpunktaufruf einer |
SageMaker-AI-Jobs und Endpunkt-Kennzahlen
Die Namespaces /aws/sagemaker/ProcessingJobs, /aws/sagemaker/TrainingJobs, /aws/sagemaker/TransformJobs und /aws/sagemaker/Endpoints beinhalten die folgenden Metriken für die Trainingsjobs und Endpunkt-Instances.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
Anmerkung
Amazon CloudWatch unterstützt hochauflösende benutzerdefinierte Kennzahlen. Seine feinste Auflösung beträgt 1 Sekunde. Je feiner die Auflösung desto kürzer ist jedoch die Lebensdauer der CloudWatch-Kennzahlen. Für die Frequenzauflösung von 1 Sekunde sind die CloudWatch-Metriken 3 Stunden lang verfügbar. Weitere Informationen zur Auflösung und Lebensdauer der CloudWatch-Metriken finden Sie unter GetMetricStatistics in der Amazon CloudWatch-API-Referenz.
Tipp
Um Ihr Trainingsjob mit einer feineren Auflösung bis zu einer Granularität von 100 Millisekunden (0,1 Sekunden) zu profilieren und die Trainingsmetriken unbegrenzt in Amazon S3 zu speichern, um jederzeit benutzerdefinierte Analysen durchführen zu können, sollten Sie den Amazon SageMaker Debugger in Betracht ziehen. Der SageMaker Debugger bietet integrierte Regeln zur automatischen Erkennung häufiger Trainingsprobleme. Er erkennt Probleme mit der Nutzung von Hardwareressourcen (wie CPU-, GPU- und I/O-Engpässe). Er erkennt auch Probleme mit nicht konvergierenden Modellen (wie Überanpassung, verschwindende Gradienten und explodierende Tensoren). SageMaker Debugger bietet auch Visualisierungen über Studio Classic und seinen Profilerstellungsbericht. Weitere Informationen zu den Debugger-Visualisierungen finden Sie unter SageMaker Debugger Insights Dashboard Walkthrough, Debugger Profiling Report Walkthrough und Analyze Data Using the SMDebug Client Library.
Verarbeitungsauftrag, Trainingsauftrag, Stapeltransformationsauftrag und Endpunkt-Instance-Kennzahlen
| Kennzahl | Beschreibung |
|---|---|
CPUReservation |
Die Summe der CPUs, die von Containern auf einer Instance reserviert wurden. Der Wert liegt zwischen 0 und 100 %. In den Einstellungen für eine Inferenzkomponente legen Sie die CPU-Reservierung mit dem |
CPUUtilization |
Die Summe der Auslastung jedes einzelnen CPU-Kerns. Die CPU-Auslastung jedes Kernbereichs liegt zwischen 0 und 100. Sind z. B. vier CPUs vorhanden, kann CPUUtilization im Bereich zwischen 0% und 400% liegen. Bei der Verarbeitung von Aufträgen ist der Wert die CPU-Auslastung des Verarbeitungscontainers auf der Instance.Bei Trainingsaufträgen bildet dieser Wert die CPU-Auslastung des Algorithmus-Containers auf der Instance ab. Bei Stapeltransformationsaufträgen bildet dieser Wert die CPU-Auslastung des Umwandlungs-Containers auf der Instance ab. Bei Endpunktvarianten ist dieser Wert die Summe der CPU-Auslastung von primären und ergänzenden Containern auf der Instance. AnmerkungFür Multi-Instance-Jobs meldet jede Instance Kennzahlen zur CPU-Auslastung. Die Standardansicht in CloudWatch zeigt dagegen die durchschnittliche CPU-Auslastung über alle Instances. Einheiten: Prozent |
CPUUtilizationNormalized |
Die normalisierte Summe der Auslastung jedes einzelnen CPU-Kerns. Der Wert liegt zwischen 0 und 100 %. Wenn es beispielsweise vier CPUs gibt und der Wert für |
DiskUtilization |
Der Prozentsatz des Speicherplatzes, die von den Containern auf einer Instance verwendet werden. Dieser Wertebereich liegt zwischen 0% und 100%. Diese Metrik wird für Stapeltransformationsaufträge nicht unterstützt. Bei Verarbeitungsaufträgen ist der Wert die Festplattenspeichernutzung des Verarbeitungscontainers auf der Instance.Bei Trainingsaufträgen bildet dieser Wert die Speicherplatzauslastung des Algorithmus-Containers auf der Instance ab. Bei Endpunktvarianten ist dieser Wert die Summe der Speicherplatzauslastung der primären und ergänzenden Container auf der Instance. Einheiten: Prozent AnmerkungFür Multi-Instance-Jobs meldet jede Instance Kennzahlen für die Festplattennutzung. Die Standardansicht in CloudWatch zeigt allerdings die durchschnittliche Festplattennutzung durch alle Instances. |
GPUMemoryUtilization |
Der Prozentsatz des GPU-Speichers, der von den Containern auf einer Instance belegt wird. Der Wert kann im Bereich zwischen 0 und 100 liegen und wird mit der Anzahl der GPUs multipliziert. Sind z. B. vier GPUs vorhanden, kann Bei Trainingsaufträgen bildet dieser Wert die GPU-Speichernutzung des Algorithmus-Containers auf der Instance ab. Bei Stapeltransformationsaufträgen bildet dieser Wert die GPU-Speicherauslastung des Umwandlungs-Containers auf der Instance ab. Bei Endpunktvarianten ist dieser Wert die Summe der GPU-Speichernutzung der primären und ergänzenden Container auf der Instance. AnmerkungFür Multi-Instance-Jobs meldet jede Instance Kennzahlen zur GPU-Speicherauslastung. Die Standardansicht in CloudWatch zeigt dagegen die durchschnittliche GPU-Speicherauslastung über alle Instances. Einheiten: Prozent |
GPUMemoryUtilizationNormalized |
Der normalisierte Prozentsatz des GPU-Speichers, der von den Containern auf einer Instance belegt wird. Der Wert liegt zwischen 0 und 100 %. Wenn es beispielsweise vier GPUs gibt und der Wert für |
GPUReservation |
Die Summe der GPUs, die von Containern auf einer Instance reserviert wurden. Der Wert liegt zwischen 0 und 100 %. In den Einstellungen für eine Inferenzkomponente legen Sie die GPU-Reservierung durch |
GPUUtilization |
Der Prozentsatz der GPU-Einheiten, die von den Containern auf einer Instance verwendet werden. Der Wert kann im Bereich zwischen 0 und 100 liegen und wird mit der Anzahl der GPUs multipliziert. Sind z. B. vier GPUs vorhanden, kann Bei Trainingsaufträgen bildet dieser Wert die GPU-Auslastung des Algorithmus-Containers auf der Instance ab. Bei Stapeltransformationsaufträgen bildet dieser Wert die GPU-Auslastung des Umwandlungs-Containers auf der Instance ab. Bei Endpunktvarianten ist dieser Wert die Summe der GPU-Auslastung von primären und ergänzenden Containern auf der Instance. AnmerkungFür Multi-Instance-Jobs meldet jede Instance Kennzahlen zur GPU-Auslastung. Die Standardansicht in CloudWatch zeigt dagegen die durchschnittliche GPU-Auslastung über alle Instances. Einheiten: Prozent |
GPUUtilizationNormalized |
Der normalisierte Prozentsatz der GPU-Einheiten, die von den Containern auf einer Instance verwendet werden. Der Wert liegt zwischen 0 und 100 %. Wenn es beispielsweise vier GPUs gibt und der Wert für |
MemoryReservation |
Die Summe des Speichers, der von Containern auf einer Instance reserviert wurde. Der Wert liegt zwischen 0 und 100 %. In den Einstellungen für eine Inferenzkomponente legen Sie die Speicherreservierung mit dem |
MemoryUtilization |
Der Prozentsatz des Speichers, der von den Containern auf einer Instance belegt wird. Dieser Wertebereich liegt zwischen 0% und 100%. Bei der Verarbeitung von Aufträgen ist der Wert die Speichernutzung des Verarbeitungscontainers auf der Instance.Bei Trainingsaufträgen bildet dieser Wert die Speichernutzung des Algorithmus-Containers auf der Instance ab. Bei Stapeltransformationsaufträgen bildet dieser Wert die Speichernutzung des Umwandlungs-Containers auf der Instance ab. Bei Endpunktvarianten ist dieser Wert die Summe der Speichernutzung der primären und ergänzenden Container auf der Instance. Einheiten: Prozent AnmerkungFür Multi-Instance-Jobs meldet jede Instance Kennzahlen zur Speicherauslastung. Die Standardansicht in CloudWatch zeigt dagegen die durchschnittliche Speicherauslastung über alle Instances. |
Dimensionen für die Instance-Kennzahlen für Verarbeitungsaufträge, Trainingsaufträge und Stapeltransformationsaufträge
| Dimension | Beschreibung |
|---|---|
Host |
Bei Verarbeitungsaufträgen wird der Wert für diese Dimension im Format Bei Trainingsaufträgen wird der Wert für diese Dimension im Format Bei Stapeltransformationsaufträgen wird der Wert für diese Dimension im Format |
Metriken für Inferenzempfehlungsjobs von SageMaker
Der /aws/sagemaker/InferenceRecommendationsJobs-Namensraum enthält die folgenden Kennzahlen für Inference-Empfehlungs-Jobs.
Inference-Recommender-Kennzahlen
| Metrik | Beschreibung |
|---|---|
ClientInvocations |
Die vom Inference Recommender beobachtete Anzahl der an einen Modell-Endpunkt gesendeten Einheiten: keine Gültige Statistiken: Summe |
ClientInvocationErrors |
Die vom Inference Recommender beobachtete Anzahl der fehlgeschlagenen Einheiten: keine Gültige Statistiken: Summe |
ClientLatency |
Das vom Inference Recommender beobachtete Zeitintervall zwischen dem Absenden eines Einheiten: Millisekunden Gültige Statistiken: Durchschnitt, Summe, Minimum, Maximum, Stichprobenzahl, Perzentile |
NumberOfUsers |
Die Anzahl der gleichzeitigen Benutzer, die Einheiten: keine Gültige Statistiken: Maximum, Minimum, Durchschnitt |
Dimensionen für Inference-Recommender-Job-Kennzahlen
| Dimension | Beschreibung |
|---|---|
JobName |
Filtert die Kennzahlen für den Inference-Recommender-Job für den angegebenen Inference-Recommender-Job. |
EndpointName |
Filtert die Kennzahlen für Inference-Recommender-Jobs für den angegebenen Endpunkt. |
Ground-Truth-Kennzahlen für SageMaker
Ground-Truth-Kennzahlen
| Metrik | Beschreibung |
|---|---|
ActiveWorkers |
Nur ein einziger aktiver Mitarbeiter in einem privaten Arbeitsteam hat eine Aufgabe eingereicht, freigegeben oder abgelehnt. Verwenden Sie die Summenstatistik, um die Gesamtzahl der aktiven Arbeiter zu erhalten. Ground Truth versucht, jedes einzelne Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
DatasetObjectsAutoAnnotated |
Die Anzahl der Datensatz-Objekte, die in einem Etikettierungsauftrag automatisch mit Anmerkungen versehen werden. Diese Metrik wird nur ausgegeben, wenn die automatisierte Etikettierung aktiviert ist. Um den Fortschritt des Etikettierungsauftrags anzuzeigen, verwenden Sie die Max-Metrik. Einheiten: keine Gültige Statistiken: Max |
DatasetObjectsHumanAnnotated |
Die Anzahl der Datensatz-Objekte, die in einem Etikettierungsauftrag durch eine Person mit Anmerkungen versehen werden. Um den Fortschritt des Etikettierungsauftrags anzuzeigen, verwenden Sie die Max-Metrik. Einheiten: keine Gültige Statistiken: Max |
DatasetObjectsLabelingFailed |
Die Anzahl der Datensatz-Objekte, deren Etikettierung in einem Etikettierungsauftrag fehlgeschlagen ist. Um den Fortschritt des Etikettierungsauftrags anzuzeigen, verwenden Sie die Max-Metrik. Einheiten: keine Gültige Statistiken: Max |
JobsFailed |
Nur ein einziger Etikettierungsauftrag ist fehlgeschlagen. Um die Gesamtzahl der fehlgeschlagenen Etikettierungsaufträge zu erhalten, verwenden Sie die Summenstatistik. Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
JobsSucceeded |
Nur ein einziger Etikettierungsauftrag war erfolgreich. Um die Gesamtzahl der erfolgreich durchgeführten Etikettierungsaufträge zu erhalten, verwenden Sie die Summenstatistik. Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
JobsStopped |
Nut ein einziger Etikettierungsauftrag wurde gestoppt. Um die Gesamtzahl der angehaltenen Etikettierungsaufträge zu erhalten, verwenden Sie die Summenstatistik. Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
TasksAccepted |
Von einem Mitarbeiter wurde eine einzige Aufgabe akzeptiert. Verwenden Sie die Summenstatistik, um die Gesamtzahl der von Mitarbeitern akzeptierten Aufgaben zu erhalten. Ground Truth versucht, jedes einzelne Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
TasksDeclined |
Von einem Mitarbeiter wurde eine einzige Aufgabe abgelehnt. Verwenden Sie die Summenstatistik, um die Gesamtzahl der von Mitarbeitern abgelehnten Aufgaben zu erhalten. Ground Truth versucht, jedes einzelne Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
TasksReturned |
Eine einzige Aufgabe wurde zurückgegeben. Verwenden Sie die Summenstatistik, um die Gesamtzahl der zurückgegebenen Aufgaben zu erhalten. Ground Truth versucht, jedes einzelne Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
TasksSubmitted |
Eine einzige Aufgabe wurde von einem privaten Mitarbeiter eingereicht/abgeschlossen. Verwenden Sie die Summenstatistik, um die Gesamtzahl der von Mitarbeitern zurückgegebenen Aufgaben zu erhalten. Ground Truth versucht, jedes einzelne Einheiten: keine Gültige Statistiken: Summe, Stichprobenanzahl |
TimeSpent |
Die für eine Aufgabe aufgewendete Zeit, die von einem privaten Arbeiter abgeschlossen wurde. Diese Kennzahl beinhaltet nicht die Zeit, in der ein Mitarbeiter eine Pause einlegte. Ground Truth versucht, jedes Einheiten: Sekunden Gültige Statistiken: Summe, Stichprobenanzahl |
TotalDatasetObjectsLabeled |
Die Anzahl der Datensatz-Objekte, deren Etikettierung in einem Etikettierungsauftrag erfolgreich war. Um den Fortschritt des Etikettierungsauftrags anzuzeigen, verwenden Sie die Max-Metrik. Einheiten: keine Gültige Statistiken: Max |
Dimensionen für Datensatz-Objekt-Kennzahlen
| Dimension | Beschreibung |
|---|---|
LabelingJobName |
Filtert die Kennzahlen für die Datensatz-Objektanzahl eines Etikettierungsauftrags. |
Kennzahlen vom Amazon SageMaker Feature Store
Feature-Store-Verbrauchskennzahlen
| Metrik | Beschreibung |
|---|---|
ConsumedReadRequestsUnits |
Die Anzahl über den angegebenen Zeitraum verbrauchten Leseeinheiten. Sie können die verbrauchten Leseeinheiten für einen Laufzeitvorgang des Feature-Stores und die dazugehörige Feature-Gruppe abrufen. Einheiten: keine Gültige Statistiken: Alle |
ConsumedWriteRequestsUnits |
Die Anzahl der über den angegebenen Zeitraum verbrauchten Schreibeinheiten. Sie können die verbrauchten Schreibeinheiten für einen Laufzeitvorgang des Feature-Stores und die dazugehörige Feature-Gruppe abrufen. Einheiten: keine Gültige Statistiken: Alle |
ConsumedReadCapacityUnits |
Die Anzahl der bereitgestellten Lesekapazitätseinheiten, die über den angegebenen Zeitraum verbraucht wurden. Sie können die verbrauchten Lesekapazitätseinheiten für einen Laufzeitvorgang des Feature Store und die dazugehörige Feature-Gruppe abrufen. Einheiten: keine Gültige Statistiken: Alle |
ConsumedWriteCapacityUnits |
Die Anzahl der bereitgestellten Schreibkapazitätseinheiten, die über den angegebenen Zeitraum verbraucht wurden. Sie können die verbrauchten Schreibkapazitätseinheiten für einen Laufzeitvorgang des Feature Store und die dazugehörige Feature-Gruppe abrufen. Einheiten: keine Gültige Statistiken: Alle |
Dimensionen für Verbrauchskennzahlen für den Feature-Store
| Dimension | Beschreibung |
|---|---|
FeatureGroupName, OperationName |
Filtert Laufzeitverbrauchskennzahlen zum Feature-Store der Feature-Gruppe und des von Ihnen angegebenen Vorgangs. |
Betriebskennzahlen zum Feature-Store
| Metrik | Beschreibung |
|---|---|
Invocations |
Die Anzahl der im angegebenen Zeitraum an den Feature-Store-Laufzeitbetrieb gestellten Anfragen. Einheiten: keine Gültige Statistiken: Summe |
Operation4XXErrors |
Die Anzahl der an den Feature-Store-Laufzeitbetrieb gestellten Anfragen, bei denen der Vorgang einen Antwortcode 4xx HTTP zurückgegeben hat. Für jede 4xx-Antwort wird der Wert 1 gesendet, andernfalls 0. Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
Operation5XXErrors |
Die Anzahl der an den Feature-Store-Laufzeitbetrieb gestellten Anfragen, bei denen der Vorgang einen Antwortcode 5xx HTTP zurückgegeben hat. Für jede 5xx-Antwort wird der Wert 1 gesendet, andernfalls 0. Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
ThrottledRequests |
Die Anzahl der an den Feature-Store-Laufzeitbetrieb gestellten Anfragen, bei denen die Anfrage gedrosselt wurde. Für jede gedrosselte Anfrage wird 1 gesendet, andernfalls 0. Einheiten: keine Gültige Statistiken: Durchschnitt, Summe |
Latency |
Der Zeitraum für die Verarbeitung von Anfragen an den Feature-Store-Laufzeitbetrieb. Dieses Intervall wird ab dem Zeitpunkt gemessen, wo SageMaker AI die Anfrage erhält, bis es dem Client eine Antwort gibt. Einheiten: Mikrosekunden Gültige Statistiken: Durchschnitt, Summe, Minimum, Maximum, Stichprobenzahl, Perzentile |
Dimensionen für Betriebskennzahlen des Feature Store
| Dimension | Beschreibung |
|---|---|
|
|
Filtert die Betriebskennzahlen der Feature-Store-Laufzeit der Feature-Gruppe und des von Ihnen angegebenen Vorgangs. Sie können diese Dimensionen für Vorgänge verwenden, die keine Stapeloperationen sind, z. B. GetRecord, PutRecord und DeleteRecord. |
OperationName |
Filtert die Betriebskennzahlen der Feature-Store-Laufzeit für den von Ihnen angegebenen Vorgang. Sie können diese Dimension für Stapelvorgänge wie BatchGetRecord verwenden. |
Kennzahlen zu SageMaker-Pipelines
Der Namensraum AWS/Sagemaker/ModelBuildingPipeline enthält die folgenden Kennzahlen für die Ausführung von Pipelines.
Zwei Kategorien von Kennzahlen zur Ausführung von Pipeline stehen zur Verfügung:
-
Ausführungskennzahlen für alle Pipelines – Kennzahlen zur Pipeline-Ausführung auf Kontoebene (für alle Pipelines im aktuellen Konto)
-
Ausführungskennzahlen nach Pipeline – Kennzahlen zur Pipeline-Ausführung je Pipeline
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
Kennzahlen zur Ausführung von Pipelines
| Metrik | Beschreibung |
|---|---|
ExecutionStarted |
Die Anzahl der Pipeline-Ausführungen, die begonnen haben. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
ExecutionFailed |
Die Anzahl der Pipeline-Ausführungen, die fehlgeschlagen sind. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
ExecutionSucceeded |
Die Anzahl der Pipeline-Ausführungen, die erfolgreich waren. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
ExecutionStopped |
Die Anzahl der Pipeline-Ausführungen, die abgebrochen wurden. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
ExecutionDuration |
Die Dauer in Millisekunden, für die die Pipeline-Ausführung lief. Einheiten: Millisekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
Dimensionen für Ausführungskennzahlen nach Pipeline
| Dimension | Beschreibung |
|---|---|
PipelineName |
Filtert Kennzahlen zur Pipeline-Ausführung für eine angegebene Pipeline. |
Kennzahlen für Pipeline-Schritte
Der Namensraum AWS/Sagemaker/ModelBuildingPipeline enthält die folgenden Kennzahlen für Pipeline-Schritte.
Die Kennzahlen sind mit einminütiger Frequenz verfügbar.
| Metrik | Beschreibung |
|---|---|
StepStarted |
Die Anzahl der Schritte, die begonnen haben. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
StepFailed |
Die Anzahl der Schritte, die fehlgeschlagen sind. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
StepSucceeded |
Die Anzahl der Schritte, die erfolgreich waren. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
StepStopped |
Die Anzahl der Schritte, die abgebrochen wurden. Einheiten: Anzahl Gültige Statistiken: Durchschnitt, Summe |
StepDuration |
Die Dauer in Millisekunden, für die der Schritt lief. Einheiten: Millisekunden Gültige Statistiken: Durchschnitt, Minimum, Maximum, Stichprobenanzahl |
Dimensionen für Schrittkennzahlen für Pipelines
| Dimension | Beschreibung |
|---|---|
PipelineName, StepName |
Filtert Schrittkennzahlen für eine angegebene Pipeline und den jeweiligen Schritt. |
