Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Requisitos para eliminar recursos de Amazon Personalize Eliminación de recursos La eliminación de recursos puede ser de ayuda para evitar costos innecesarios. Por ejemplo, se generan costos de campaña mientras una campaña está activa. Para evitar costos innecesarios, asegúrese de eliminar la campaña cuando haya terminado. Para obtener una lista completa de los cargos y precios, consulte [Precios de Amazon Personalize](https://aws.amazon.com/personalize/pricing/). Para eliminar recursos con la consola Amazon Personalize, elija **Eliminar** en la página de detalles del recurso. Para eliminar un recurso con las API de Amazon Personalize, utilice las API `Delete` con los SDK o la AWS Command Line Interface (AWS CLI). Para ver los pasos detallados para eliminar un conjunto de datos con la consola de Amazon Personalize, la AWS Command Line Interface (AWS CLI) o los SDK de AWS, consulte [Eliminación de un conjunto de datos para eliminar todos los datos](delete-dataset.md). Puede aplicar los patrones de estos pasos a otros recursos de Amazon Personalize. Para obtener información sobre cómo eliminar usuarios y los datos del grupo de conjuntos de datos, consulte [Eliminación de usuarios y los datos con un trabajo de eliminación de datos](delete-records.md). Debe eliminar algunos recursos para poder eliminar otros. Por ejemplo, si crea un rastreador de eventos y un conjunto de datos de interacciones de elemento, debe eliminar el rastreador de eventos para poder eliminar el conjunto de datos. En las siguientes secciones se indican las directrices y los requisitos de orden para eliminar recursos de Amazon Personalize. **Topics** + [ ## Directrices para eliminar recursos ](#cleaning-up-guidelines) + [ ## Orden recomendado para la eliminación de recursos ](#deleting-resources-order) + [ # Eliminación de usuarios y los datos con un trabajo de eliminación de datos ](delete-records.md) + [ # Eliminación de un conjunto de datos para eliminar todos los datos ](delete-dataset.md) ## Directrices para eliminar recursos A continuación, se ofrecen las directrices para eliminar recursos: + La eliminación de un recurso de Amazon Personalize es una acción irreversible. No se puede detener la eliminación después de que comience. + No puede eliminar un recurso cuyo estado cambie de un estado a otro. Por ejemplo, no puede eliminar un recurso con el estado CREATE PENDING o IN PROGRESS. El estado del recurso debe ser ACTIVE (Activo) o CREATE FAILED (Error de creación). Esto incluye el estado `latestSolutionUpdate` de una solución. Puede consultar el estado de un recurso mediante las API `Describe`. Por ejemplo, la operación de la API [DescribeCampaign](API_DescribeCampaign.md). + Para obtener información sobre la eliminación de datos de entrenamiento en Amazon S3, consulte [¿Cómo se eliminan objetos de un bucket de S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html) + No se le cobrarán los trabajos de importación de conjuntos de datos una vez finalizados y no podrá eliminarlos. + No se le cobrarán los esquemas y no podrá eliminar un esquema con la consola de Amazon Personalize. Para eliminar un esquema, utilice la operación de la API [DeleteSchema](API_DeleteSchema.md). A continuación, se indican los requisitos específicos para eliminar conjuntos de datos: + Debe eliminar todos los filtros antes de eliminar un conjunto de datos. + Si ha creado un rastreador de eventos, debe eliminarlo antes de eliminar un conjunto de datos de interacciones de elemento. + Si ha creado una atribución de métrica que hace referencia al conjunto de datos, primero debe eliminar la atribución métrica. + Si utiliza las recetas User-Personalization-v2, User-Personalization o Next-Best-Action, o bien los casos de uso *Mejores opciones* y *Recomendado para usted*, al eliminar un conjunto de datos se detienen las actualizaciones automáticas de cualquier versión de solución o recomendador asociado. + Ningún `DatasetImportJob` asociado puede tener el estado CREATE PENDING o IN PROGRESS. + Ningún `BatchInferenceJob` o `BatchSegmentJob` asociado puede tener el estado CREATE PENDING o IN PROGRESS. + Ningún `Recommender` asociado, `SolutionVersion` puede tener el estado CREATE PENDING o IN PROGRESS. + Ninguna `Campaign` asociada puede tener el estado CREATE PENDING, IN PROGRESS o ACTIVE. ## Orden recomendado para la eliminación de recursos Para evitar errores de eliminación, le recomendamos que elimine los recursos de un grupo de conjuntos de datos en el siguiente orden. Para identificar los recursos de un grupo de conjuntos de datos, puede usar las operaciones de la API List. Por ejemplo, puede usar la operación de la API [ListFilters](API_ListFilters.md) para identificar todos los filtros de un grupo de conjuntos de datos. 1. Campañas o recomendadores: para eliminar una campaña o un recomendador con las API, use las operaciones de la API [DeleteCampaign](API_DeleteCampaign.md) o [DeleteRecommender](API_DeleteRecommender.md). En el caso de los recomendadores, puede detener un recomendador e iniciarlo más tarde. De esta forma, puede pausar la facturación del recomendador y pagarlo solo cuando lo utilice. Para obtener más información, consulte [Detención de un recomendador](stopping-starting-recommender.md). 1. Soluciones: para eliminar la solución con las API, use la operación de la API [DeleteSolution](API_DeleteSolution.md). Para eliminar una solución, no puede estar en curso una actualización de solución. El estado de `latestSolutionUpdate` debe ser ACTIVE o CREATE FAILED. Al eliminar una solución, se eliminan todas las versiones de solución asociadas. Ninguna de las versiones de solución puede tener el estado CREATE PENDING ni IN PROGRESS. 1. Rastreador de eventos: para eliminar un rastreador de eventos con las API, utilice la operación de la API [DeleteEventTracker](API_DeleteEventTracker.md). Debe eliminar el rastreador de eventos, para poder eliminar un conjunto de datos de interacciones de elemento. 1. Atribución de métricas: para eliminar una atribución de métricas con las API, utilice la operación de la API [DeleteMetricAttribution](API_DeleteMetricAttribution.md). 1. Todos los filtros: para eliminar un filtro con las API, utilice la operación de la API [DeleteFilter](API_DeleteFilter.md). Debe eliminar todos los filtros antes de eliminar un conjunto de datos. 1. Conjuntos de datos: para eliminar un conjunto de datos con las API, utilice la operación de la API [DeleteDataset](API_DeleteDataset.md). 1. Grupo de conjuntos de datos: para eliminar el grupo de conjuntos de datos con las API, use la operación de la API [DeleteDatasetGroup](API_DeleteDatasetGroup.md). 1. Esquemas: para eliminar un esquema, use la operación de la API [DeleteSchema](API_DeleteSchema.md). # Eliminación de usuarios y los datos con un trabajo de eliminación de datos Eliminación de usuarios Después de importar los datos, puede eliminar los usuarios y los datos, incluidos los metadatos y los datos de interacciones, de un grupo de conjuntos de datos. Puede eliminar los datos de usuario como parte de un programa de cumplimiento, para atender las solicitudes de eliminación de usuarios o para mantener los datos actualizados a medida que cambie la base de usuarios. Después de eliminar los usuarios, Amazon Personalize ya no utiliza los datos para el entrenamiento y deja de tener en cuenta a los usuarios al generar segmentos de usuarios. Para eliminar las referencias a los usuarios en los conjuntos de datos y modelos de Amazon Personalize de un grupo de conjuntos de datos, haga lo siguiente: 1. Prepare un archivo CSV que enumere los ID de usuario de los usuarios que desee eliminar en una columna USER\$1ID. 1. Cargue el archivo CSV en un bucket de Amazon S3. El rol de servicio de Amazon Personalize debe tener permiso para acceder a este bucket. 1. Cree un trabajo de eliminación de datos. Un *trabajo de eliminación de datos* es un trabajo por lotes que elimina los usuarios y los datos de los modelos y conjuntos de datos de un grupo de conjuntos de datos. **Topics** + [ ## Directrices y requisitos ](#data-deletion-guidelines-requirements) + [ ## Preparación de una lista de usuarios para eliminarlos ](#prepare-deletion-input-file) + [ ## Creación de un trabajo de eliminación de datos ](#creating-data-deletion-job) ## Directrices y requisitos A continuación, se muestran las directrices y los requisitos para eliminar usuarios: + Antes de crear un trabajo de eliminación de datos, asegúrese de que no haya ningún trabajo en curso que use los conjuntos de datos, como trabajos de entrenamiento, trabajos por lotes u operaciones de importación masiva o individual. Y evite crear dichos trabajos mientras haya un trabajo de eliminación de datos en curso. Si se produce un entrenamiento o una importación, no podemos garantizar que los datos de los usuarios se eliminen de los modelos, por lo que recomendamos crear un trabajo de eliminación de datos adicional. + Un trabajo de eliminación de datos no elimina las referencias a usuarios que no estén en Amazon Personalize. Por ejemplo, no elimina el ID de usuario de las recomendaciones por lotes del bucket de Amazon S3. Debe eliminar estos registros manualmente. + Puede tener hasta cinco trabajos de eliminación para un grupo de conjuntos de datos con el estado PENDING. + El tamaño total máximo de los archivos de entrada de eliminación de datos es de 100 MB. Puede reutilizar el mismo archivo de entrada cuando crea trabajos de eliminación. + Cada trabajo de eliminación de datos elimina los usuarios y los datos de interacciones en un *grupo de conjuntos de datos*. Para eliminar los datos en todos los grupos de conjuntos de datos, debe crear un trabajo de eliminación de datos para cada grupo de conjuntos de datos. + Después de crear un trabajo, es posible que se tarde hasta un día en eliminar los datos de los usuarios de los conjuntos de datos y modelos. + Después de que se complete un trabajo, asegúrese de actualizar los recursos personalizados. Asegúrese de crear una nueva versión de solución y, si es necesario, actualice la campaña. Si utiliza el entrenamiento automático, aún puede crear nuevas versiones de solución de forma manual. + El rol de servicio de Amazon Personalize debe tener permiso para acceder al bucket de Amazon S3 con la lista de los usuarios que se eliminarán. Necesita los permisos `GetObject` y `ListBucket` para el bucket y el contenido. Estos permisos son los mismos que en la importación de datos. Para obtener información sobre la concesión de permisos y ejemplos de políticas, consulte [Concesión de acceso a Amazon Personalize para los recursos de Amazon S3](granting-personalize-s3-access.md). + No puede usar la clave AWS Key Management Service en el bucket de Amazon S3 que almacena la lista de ID de los usuarios que desea eliminar. + Si un elemento aparece únicamente en el conjunto de datos de interacciones de elemento y solo los usuarios que va a eliminar han interactuado con él, este elemento dejará de aparecer en las recomendaciones. ## Preparación de una lista de usuarios para eliminarlos Antes de eliminar usuarios de Amazon Personalize, debe preparar una lista de los usuarios que se eliminarán en un archivo CSV y cargarla en Amazon S3. **Preparación y carga de la lista de los usuarios que se eliminarán** 1. Cree un archivo CSV que enumere los ID de los usuarios que se eliminarán. A continuación, se muestra cómo se debe formatear el archivo CSV. ``` USER_ID abc 2a 5basc ab35 123f a55d 0v22 441fa efg ``` 1. Cargue el archivo CSV en un bucket de Amazon Simple Storage Service (Amazon S3). Para obtener más información sobre la carga de archivos en Amazon S3, consulte [Carga de archivos y carpetas con la función arrastrar y soltar](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) en la Guía del usuario de Amazon Simple Storage Service. 1. Conceda acceso a Amazon Personalize al bucket y el archivo CSV. Amazon Personalize debe tener permiso para realizar las acciones `GetObject` y `ListBucket` en el bucket y el contenido. Estos permisos son los mismos que en la importación de datos. Para obtener información sobre la concesión de permisos y ejemplos de políticas, consulte [Concesión de acceso a Amazon Personalize para los recursos de Amazon S3](granting-personalize-s3-access.md). ## Creación de un trabajo de eliminación de datos Después de completar [Preparación de una lista de usuarios para eliminarlos](#prepare-deletion-input-file), podrá eliminar los usuarios con un trabajo de eliminación de datos. Un *trabajo de eliminación de datos* es un trabajo por lotes que elimina los usuarios y los datos de los modelos y conjuntos de datos de un grupo de conjuntos de datos. Después de eliminar los usuarios, Amazon Personalize ya no utiliza los datos para el entrenamiento y deja de tener en cuenta a los usuarios al generar segmentos de usuarios. Cuando cree un trabajo de eliminación de datos, especifique la ubicación de Amazon S3 de la lista de los usuarios que se eliminarán. + Si los datos se encuentran en un solo archivo, utilice la siguiente sintaxis para la ubicación de Amazon S3: **s3://amzn-s3-demo-bucket//.csv** + Si los archivos CSV se encuentran en una carpeta del bucket de Amazon S3, puede especificar la ruta a la carpeta. Con una tarea de eliminación de datos, Amazon Personalize utiliza todos los archivos con la extensión de archivo `.csv` de la carpeta y de cualquier subcarpeta. Ignora los archivos de otro tipo. Use la siguiente sintaxis con una `/` después del nombre de la carpeta: **s3://amzn-s3-demo-bucket//** El rol que utilice debe tener permiso para realizar las acciones `GetObject` y `ListBucket` en el bucket de Amazon S3 y el contenido. Para obtener información sobre la concesión de permisos y ejemplos de políticas, consulte [Concesión de acceso a Amazon Personalize para los recursos de Amazon S3](granting-personalize-s3-access.md). Puede crear un trabajo de eliminación de datos con la consola de Amazon Personalize, la AWS Command Line Interface (AWS CLI) o los SDK de AWS. ### Creación de un trabajo de eliminación de datos (consola) Para eliminar usuarios con la consola de Amazon Personalize, cree un trabajo de eliminación de datos con un nombre, el rol de servicio de IAM y la ubicación de los datos en Amazon S3. **Eliminación de registros (consola)** 1. Abra la consola de Amazon Personalize en [https://console.aws.amazon.com/personalize/home](https://console.aws.amazon.com/personalize/home) e inicie sesión en su cuenta. 1. En la página **Grupos de conjuntos de datos**, elija su grupo de conjuntos de datos. Aparece la **Información general** del grupo de conjuntos de datos. 1. En el panel de navegación de la izquierda, elija **Conjuntos de datos**. 1. En **Trabajos de eliminación de datos**, elija **Crear trabajo**. 1. En **Detalles del trabajo**, asigne un nombre al trabajo. 1. En **Origen de entrada de S3**, para **Ubicación de S3**, especifique la ubicación en Amazon S3 del archivo CSV que almacena la lista de los ID de los usuarios que se van a eliminar. Este archivo lo ha preparado en [Preparación de una lista de usuarios para eliminarlos](#prepare-deletion-input-file). 1. En **Rol de IAM**, elija crear un rol nuevo o usar uno existente. Si ha completado los requisitos previos para crear un rol para Amazon Personalize y ha concedido acceso a este rol al bucket de Amazon S3, elija **Usar un rol de servicio existente** y especifique el rol que ha creado en [Creación de un rol de IAM para Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions). El rol que utilice debe tener permiso para realizar las acciones `GetObject` y `ListBucket` en el bucket de Amazon S3 y el contenido. Estos permisos son los mismos que en la importación de datos. Para obtener información sobre la concesión de permisos y ejemplos de políticas, consulte [Concesión de acceso a Amazon Personalize para los recursos de Amazon S3](granting-personalize-s3-access.md). 1. Para **Etiquetas**, si lo desea, añada cualquier etiqueta. Para obtener más información acerca del etiquetado de recursos de Amazon Personalize, consulte [Etiquetado de recursos de Amazon Personalize](tagging-resources.md). 1. Seleccione **Crear tarea**. El trabajo comienza y se muestra la página de detalles. Después de crear un trabajo, puede tardar hasta un día en eliminar los datos de los usuarios de los conjuntos de datos y modelos. Hasta que se complete el trabajo, Amazon Personalize seguirá utilizando los datos durante el entrenamiento. Además, los usuarios pueden aparecer en segmentos de usuarios. La eliminación de datos finaliza cuando el estado es COMPLETED. Si se produce un error en el trabajo por algún motivo, recomendamos crear otro trabajo de eliminación de datos. Después de que se complete un trabajo, asegúrese de actualizar los recursos personalizados. Asegúrese de crear una nueva versión de solución y, si es necesario, actualice la campaña. Si utiliza el entrenamiento automático, aún puede crear nuevas versiones de solución de forma manual. ### Creación de un trabajo de eliminación de datos (AWS CLI) Para eliminar usuarios con la AWS CLI, ejecute el comando `create-data-deletion-job`. Este comando usa la operación de la API CreateDataDeletion. En el siguiente código se muestra cómo crear un trabajo de eliminación de datos. Para usar el código, actualícelo para especificar el nombre del trabajo, el rol de IAM que ha creado en [Creación de un rol de IAM para Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) y la ubicación de los datos en Amazon S3. Este archivo lo ha preparado en [Preparación de una lista de usuarios para eliminarlos](#prepare-deletion-input-file). ``` aws personalize create-data-deletion-job \ --job-name deletion job name \ --dataset-group-arn dataset group ARN \ --data-source dataLocation=s3://amzn-s3-demo-bucket/filename.csv \ --role-arn roleArn ``` Después de crear un trabajo, puede tardar hasta un día en eliminar los datos de los usuarios de los conjuntos de datos y modelos. Hasta que se complete el trabajo, Amazon Personalize seguirá utilizando los datos durante el entrenamiento. Además, los usuarios pueden aparecer en segmentos de usuarios. El trabajo finaliza cuando el estado es COMPLETED. Consulte el estado mediante el comando `describe-data-deletion-job` y especifique el ARN del trabajo de eliminación de datos. Para obtener más información sobre la operación de la API, consulte [DescribeDataDeletionJob](API_DescribeDataDeletionJob.md). Para ver un historial de los trabajos de eliminación de datos ordenados por hora de creación, utilice la operación de la API [ListDataDeletionJobs](API_ListDataDeletionJobs.md). Si se produce un error en el trabajo por algún motivo, recomendamos crear otro trabajo de eliminación de datos. Después de que se complete un trabajo, asegúrese de actualizar los recursos personalizados. Asegúrese de crear una nueva versión de solución y, si es necesario, actualice la campaña. Si utiliza el entrenamiento automático, aún puede crear nuevas versiones de solución de forma manual. ### Creación de un trabajo de eliminación de datos (SDK de AWS) Para eliminar usuarios con los SDK de AWS, utilice la operación de la API [CreateDataDeletionJob](API_CreateDataDeletionJob.md). En el siguiente código se muestra cómo crear un trabajo de eliminación de datos. Para usar el código, actualícelo para especificar el nombre del trabajo, el rol de IAM que ha creado en [Creación de un rol de IAM para Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) y la ubicación de los datos en Amazon S3. Este archivo lo ha preparado en [Preparación de una lista de usuarios para eliminarlos](#prepare-deletion-input-file). ``` import boto3 personalize = boto3.client('personalize') response = personalize.create_data_deletion_job( jobName = 'Deletion job name', datasetGroupArn = 'Dataset Group ARN', dataSource = {'dataLocation':'s3://amzn-s3-demo-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']) ``` Después de crear un trabajo, puede tardar hasta un día en eliminar los datos de los usuarios de los conjuntos de datos y modelos. Hasta que se complete el trabajo, Amazon Personalize seguirá utilizando los datos durante el entrenamiento. Además, los usuarios pueden aparecer en segmentos de usuarios. El trabajo finaliza cuando el estado es COMPLETED. Consulte el estado mediante la operación [DescribeDataDeletionJob](API_DescribeDataDeletionJob.md) y especifique el ARN del trabajo de eliminación de datos. Para ver un historial de los trabajos de eliminación de datos ordenados por hora de creación, utilice la operación de la API [ListDataDeletionJobs](API_ListDataDeletionJobs.md). Si se produce un error en el trabajo por algún motivo, recomendamos crear otro trabajo de eliminación de datos. Después de que se complete un trabajo, asegúrese de actualizar los recursos personalizados. Asegúrese de crear una nueva versión de solución y, si es necesario, actualice la campaña. Si utiliza el entrenamiento automático, aún puede crear nuevas versiones de solución de forma manual. # Eliminación de un conjunto de datos para eliminar todos los datos Eliminación de un conjunto de datos Para eliminar todos los datos en un conjunto de datos, elimine el conjunto de datos. Puede eliminar un conjunto de datos con la consola Amazon Personalize, AWS Command Line Interface (AWS CLI) o AWS SDKs. Antes de eliminar un conjunto de datos, tenga en cuenta lo siguiente: + Debe eliminar todos los filtros antes de eliminar un conjunto de datos. + Si ha creado un rastreador de eventos, debe eliminarlo antes de eliminar un conjunto de datos de interacciones de elemento. + Si ha creado una atribución de métrica que hace referencia al conjunto de datos, primero debe eliminar la atribución métrica. + Si utilizas User-Personalization-v dos casos de uso: personalización de usuarios, Next-Best-Action recetas o las *mejores opciones para ti* y las *recomendadas para ti*, al eliminar un conjunto de datos se detienen las actualizaciones automáticas de cualquier versión o recomendación de la solución asociada. + Ningún `DatasetImportJob` asociado puede tener el estado CREATE PENDING o IN PROGRESS. + Ningún `BatchInferenceJob` o `BatchSegmentJob` asociado puede tener el estado CREATE PENDING o IN PROGRESS. + Ningún `Recommender` asociado, `SolutionVersion` puede tener el estado CREATE PENDING o IN PROGRESS. + Ninguna `Campaign` asociada puede tener el estado CREATE PENDING, IN PROGRESS o ACTIVE. **Topics** + [ ## Eliminación de un conjunto de datos (consola) ](#delete-dataset-console) + [ ## Eliminación de un conjunto de datos (AWS CLI) ](#delete-dataset-cli) + [ ## Eliminación de un conjunto de datos (AWS SDKs) ](#delete-dataset-sdk) ## Eliminación de un conjunto de datos (consola) Para eliminar un conjunto de datos con la consola de Amazon Personalize, vaya a la página de detalles del conjunto de datos y elija eliminar. **Para eliminar un conjunto de datos** 1. Abre la consola Amazon Personalize en [https://console.aws.amazon.com/personalize/casa](https://console.aws.amazon.com/personalize/home). 1. En el panel de navegación, elija **Grupos de conjuntos de datos**. 1. En la página **Grupos de conjuntos de datos**, elija su grupo de conjuntos de datos. 1. Elija **Conjuntos de datos** en el panel de navegación. 1. Elija el conjunto de datos para abrir la página de detalles. 1. En la página de detalles del conjunto de datos, elija **Eliminar** y confirme la eliminación del conjunto de datos. ## Eliminación de un conjunto de datos (AWS CLI) El siguiente código muestra cómo eliminar un conjunto de datos con la [DeleteDataset](API_DeleteDataset.md) operación AWS CLI y. ``` aws personalize delete-dataset --dataset-arn dataset-arn ``` ## Eliminación de un conjunto de datos (AWS SDKs) El siguiente código muestra cómo eliminar un conjunto de datos con la [DeleteDataset](API_DeleteDataset.md) operación AWS SDKs y. ------ #### [ SDK for Python (Boto3) ] ``` import boto3 personalize = boto3.client('personalize') response = personalize.delete_dataset( datasetArn = 'dataset ARN' ) ``` ------ #### [ SDK for Java 2.x ] ``` public static void deleteDataset(PersonalizeClient personalizeClient, String datasetArn) { try { DeleteDatasetRequest deleteRequest = DeleteDatasetRequest.builder() .datasetArn(datasetArn) .build(); int responseCode = personalizeClient.deleteDataset(deleteRequest).sdkHttpResponse().statusCode(); System.out.println(responseCode); } catch (PersonalizeException e) { System.out.println(e.awsErrorDetails().errorMessage()); } } ``` ------