Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Pemrosesan data menggunakan perintah `dataprocessing`
Anda menggunakan perintah `dataprocessing` Neptune ML untuk membuat tugas pemrosesan data, memeriksa statusnya, menghentikannya, atau membuat daftar semua tugas pemrosesan data aktif.
## Membuat tugas pemrosesan data menggunakan perintah `dataprocessing` Neptune ML
Perintah Neptunus `dataprocessing` ML yang khas untuk membuat pekerjaan baru terlihat seperti ini:
```
curl \
-X POST https://(your Neptune endpoint)/ml/dataprocessing \
-H 'Content-Type: application/json' \
-d '{
"inputDataS3Location" : "s3://(Amazon S3 bucket name)/(path to your input folder)",
"id" : "(a job ID for the new job)",
"processedDataS3Location" : "s3://(S3 bucket name)/(path to your output folder)"
}'
```
Perintah untuk memulai pemrosesan ulang inkremental terlihat seperti ini:
```
curl \
-X POST https://(your Neptune endpoint)/ml/dataprocessing \
-H 'Content-Type: application/json' \
-d '{
"inputDataS3Location" : "s3://(Amazon S3 bucket name)/(path to your input folder)",
"id" : "(a job ID for this job)",
"processedDataS3Location" : "s3://(S3 bucket name)/(path to your output folder)"
"previousDataProcessingJobId" : "(the job ID of a previously completed job to update)"
}'
```
**Parameter untuk pembuatan pekerjaan `dataprocessing`**
+ **`id`** – (*Opsional*) Pengidentifikasi unik untuk job baru.
*Tipe*: string. *Default*: UUID yang dihasilkan secara otomatis.
+ **`previousDataProcessingJobId`**— (*Opsional*) ID pekerjaan dari pekerjaan pemrosesan data yang telah selesai dijalankan pada versi data sebelumnya.
*Tipe*: string. *Default*: *tidak ada*.
*Catatan*: Gunakan ini untuk pemrosesan data tambahan, untuk memperbarui model ketika data grafik telah berubah (tetapi tidak ketika data telah dihapus).
+ **`inputDataS3Location`**— (*Wajib*) URI lokasi Amazon S3 tempat Anda ingin SageMaker AI mengunduh data yang diperlukan untuk menjalankan pekerjaan pemrosesan data.
*Tipe*: string.
+ **`processedDataS3Location`**— (*Wajib*) URI lokasi Amazon S3 tempat Anda ingin SageMaker AI menyimpan hasil pekerjaan pemrosesan data.
*Tipe*: string.
+ **`sagemakerIamRoleArn`**— (*Opsional*) ARN dari peran IAM untuk SageMaker eksekusi AI.
*Tipe*: string. *Catatan*: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.
+ **`neptuneIamRoleArn`**— (*Opsional*) Nama Sumber Daya Amazon (ARN) dari peran IAM yang dapat diasumsikan SageMaker AI untuk melakukan tugas atas nama Anda.
*Tipe*: string. *Catatan*: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.
+ **`processingInstanceType`**— (*Opsional*) Jenis instans ML yang digunakan selama pemrosesan data. Memorinya harus cukup besar untuk menahan set data yang diproses.
*Tipe*: string. *Default*: `ml.r5` tipe terkecil yang memorinya sepuluh kali lebih besar dari ukuran data grafik yang diekspor pada disk.
*Catatan*: Neptunus ML dapat memilih jenis instans secara otomatis. Lihat [Memilih instance untuk pemrosesan data](machine-learning-on-graphs-instance-selection.md#machine-learning-on-graphs-processing-instance-size).
+ **`processingInstanceVolumeSizeInGB`** – (*Opsional*) Ukuran volume disk dari instans pemrosesan. Data input dan data yang diproses disimpan pada disk, sehingga ukuran volume harus cukup besar untuk menahan kedua set data.
*Tipe*: integer. *Default*: `0`.
*Catatan*: Jika tidak ditentukan atau 0, Neptunus ML memilih ukuran volume secara otomatis berdasarkan ukuran data.
+ **`processingTimeOutInSeconds`** – (*Opsional*) Timeout dalam hitungan detik untuk tugas pemrosesan data.
*Tipe*: integer. *Default*: `86,400` (1 hari).
+ **`modelType`**— (*Opsional*) Salah satu dari dua jenis model yang saat ini didukung Neptunus ML: model grafik heterogen `heterogeneous` (), dan grafik pengetahuan (). `kge`
*Tipe*: string. *Default*: *tidak ada*.
*Catatan*: Jika tidak ditentukan, Neptunus ML memilih jenis model secara otomatis berdasarkan data.
+ **`configFileName`** – (*Opsional*) File spesifikasi data yang menjelaskan cara memuat data grafik yang diekspor untuk pelatihan. File secara otomatis dihasilkan oleh kit alat ekspor Neptune.
*Tipe*: string. *Default*: `training-data-configuration.json`.
+ **`subnets`**— (*Opsional*) Subnet di VPC Neptunus. IDs
*Tipe*: daftar string. *Default*: *tidak ada*.
+ **`securityGroupIds`**— (*Opsional*) Grup keamanan VPC. IDs
*Tipe*: daftar string. *Default*: *tidak ada*.
+ **`volumeEncryptionKMSKey`**— (*Opsional*) Kunci AWS Key Management Service (AWS KMS) yang digunakan SageMaker AI untuk mengenkripsi data pada volume penyimpanan yang dilampirkan ke instance komputasi ML yang menjalankan tugas pemrosesan.
*Tipe*: string. *Default*: *tidak ada*.
+ **`enableInterContainerTrafficEncryption`**— (*Opsional*) Aktifkan atau nonaktifkan enkripsi lalu lintas antar-kontainer dalam pelatihan atau pekerjaan penyetelan hiper-parameter.
*Jenis*: boolean. *Default*: *Benar*.
**catatan**
`enableInterContainerTrafficEncryption`Parameter ini hanya tersedia dalam [rilis mesin 1.2.0.2.R3](engine-releases-1.2.0.2.R3.md).
+ **`s3OutputEncryptionKMSKey`**— (*Opsional*) Kunci AWS Key Management Service (AWS KMS) yang digunakan SageMaker AI untuk mengenkripsi output dari pekerjaan pelatihan.
*Tipe*: string. *Default*: *tidak ada*.
## Mendapatkan status job pemrosesan data menggunakan perintah `dataprocessing` Neptune ML
Perintah `dataprocessing` Neptune ML sampel untuk status tugas terlihat seperti ini:
```
curl -s \
"https://(your Neptune endpoint)/ml/dataprocessing/(the job ID)" \
| python -m json.tool
```
**Parameter untuk status tugas `dataprocessing`**
+ **`id`** – (*Wajib*) Pengenal unik tugas pemrosesan data.
*Tipe*: string.
+ **`neptuneIamRoleArn`**— (*Opsional*) ARN dari peran IAM yang menyediakan akses Neptunus ke sumber daya AI dan Amazon S3. SageMaker
*Tipe*: string. *Catatan*: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.
## Menghentikan tugas pemrosesan data menggunakan perintah `dataprocessing` Neptune ML
Perintah `dataprocessing` Neptune ML sampel untuk menghentikan tugas terlihat seperti ini:
```
curl -s \
-X DELETE "https://(your Neptune endpoint)/ml/dataprocessing/(the job ID)"
```
Atau ini:
```
curl -s \
-X DELETE "https://(your Neptune endpoint)/ml/dataprocessing/(the job ID)?clean=true"
```
**Parameter untuk tugas berhenti `dataprocessing`**
+ **`id`** – (*Wajib*) Pengenal unik tugas pemrosesan data.
*Tipe*: string.
+ **`neptuneIamRoleArn`**— (*Opsional*) ARN dari peran IAM yang menyediakan akses Neptunus ke sumber daya AI dan Amazon S3. SageMaker
*Tipe*: string. *Catatan*: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.
+ **`clean`** – (*Opsional*) Bendera ini menetapkan bahwa semua artefak Amazon S3 harus dihapus ketika tugas dihentikan.
*Tipe*: Boolean. *Default*: `FALSE`.
## Membuat daftar tugas pemrosesan data aktif menggunakan perintah `dataprocessing`Neptune ML
Perintah `dataprocessing` Neptune ML sampel untuk membuat daftar tugas aktif terlihat seperti ini:
```
curl -s "https://(your Neptune endpoint)/ml/dataprocessing"
```
Atau ini:
```
curl -s "https://(your Neptune endpoint)/ml/dataprocessing?maxItems=3"
```
**Parameter untuk tugas daftar `dataprocessing`**
+ **`maxItems`** – (*Opsional*) Jumlah maksimum item yang akan dikembalikan.
*Tipe*: integer. *Default*: `10`. *Nilai maksimum yang diperbolehkan*: `1024`.
+ **`neptuneIamRoleArn`**— (*Opsional*) ARN dari peran IAM yang menyediakan akses Neptunus ke sumber daya AI dan Amazon S3. SageMaker
*Tipe*: string. *Catatan*: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.