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.

# Implementación del modelo a escala
<a name="jumpstart-text-classification-scale"></a>

Configure el autoscalamiento y la CloudWatch supervisión de su terminal de SageMaker IA para que esté listo para la producción.

## Por qué la supervisión de la producción es importante para la clasificación de texto
<a name="w2aac37c15c27b5"></a>

Las cargas de trabajo de clasificación de texto requieren supervisión porque:
+ experimentan patrones de tráfico variables con ráfagas de procesamiento,
+ requieren tiempos de respuesta inferiores a un segundo,
+ necesitan optimizar los costos mediante escalado automático.

## Requisitos previos
<a name="w2aac37c15c27b7"></a>

Antes de empezar, asegúrese de que:
+ Su terminal de SageMaker IA se implementó a partir de la sección anterior.
+ El nombre de tu punto final (por ejemplo, jumpstart-dft-hf-tc).
+ Tu Región de AWS (por ejemplo, us-east-2).

Para crear puntos de conexión o solucionar problemas, consulte [Inferencia en tiempo real](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html).

## Configuración de la supervisión de producción
<a name="w2aac37c15c27b9"></a>

Configure CloudWatch la supervisión para realizar un seguimiento del rendimiento de su modelo en producción.

1. En su JupyterLab espacio, abra el `sagemaker_production_monitoring.ipynb` cuaderno del paquete de evaluación que cargó anteriormente.

1. Actualice el nombre y la región de su punto de conexión en la sección de configuración.

1. Siga las instrucciones del cuaderno para configurar lo siguiente:
   + Escalado automático (de 1 a 10 instancias en función del tráfico)
   + CloudWatch alarmas para los umbrales de latencia e invocación.
   + Panel de métricas para la supervisión visual

## Verificación de la configuración
<a name="w2aac37c15c27c11"></a>

Después de completar los pasos del cuaderno, compruebe lo siguiente:
+ **Estado del punto de conexión**: `InService`
+ **Escalado automático**: de 1 a 10 instancias configuradas
+ **CloudWatch Alarmas**: monitoreo de 2 alarmas.
+ **Métricas**: más de 15 métricas registradas

**nota**  
Es posible que las alarmas muestren `INSUFFICIENT_DATA` inicialmente; esto es normal y cambiará a `OK` con el uso.

## Supervisión de su punto de conexión
<a name="w2aac37c15c27c13"></a>

Acceda al monitoreo visual a través de la consola AWS de administración:
+ [CloudWatch Métricas](https://console.aws.amazon.com/cloudwatch/home#metricsV2:graph=~();query=AWS/SageMaker)
+ [CloudWatch Alarmas](https://console.aws.amazon.com/cloudwatch/home#alarmsV2:)

Para obtener más información, consulte [Supervisar la SageMaker IA](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-overview.html).

## Administración de costos y limpieza de recursos
<a name="w2aac37c15c27c15"></a>

Su configuración de monitoreo proporciona información valiosa sobre la producción, pero también genera AWS cargos continuos a través de CloudWatch métricas, alarmas y políticas de autoscalamiento. Comprender cómo administrar estos costos es esencial para que las operaciones sean rentables. Elimine los recursos cuando ya no los necesite.

**aviso**  
Su punto de conexión sigue incurriendo en cargos incluso cuando no procesa solicitudes. Para detener los cargos, debe eliminar el punto de conexión. Para obtener instrucciones, consulte [Eliminación de puntos de conexión y recursos](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints-delete-resources.html).

Para obtener información sobre las configuraciones de monitoreo avanzadas, consulte [CloudWatch Metrics for SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html).