기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # MLflow 추적 서버 [MLflow Tracking Server](https://mlflow.org/docs/latest/tracking.html#mlflow-tracking-server-optional)는 실행 및 실험을 추적하기 위해 여러 REST API 엔드포인트를 제공하는 독립 실행형 HTTP 서버입니다. 추적 서버는 SageMaker AI 및 MLflow를 사용하여 기계 학습(ML) 실험을 추적하는 데 필요합니다. Studio UI를 통해 또는 보다 세분화된 보안 사용자 지정을 AWS CLI 위해를 통해 추적 서버를 생성할 수 있습니다. MLflow 추적 서버를 생성하도록 구성된 올바른 IAM 권한이 있어야 합니다. **Topics** + [MLflow에 대한 IAM 권한을 설정합니다.](mlflow-create-tracking-server-iam.md) + [Studio를 사용하여 추적 서버 생성](mlflow-create-tracking-server-studio.md) + [를 사용하여 추적 서버 생성 AWS CLI](mlflow-create-tracking-server-cli.md) # MLflow에 대한 IAM 권한을 설정합니다. Amazon SageMaker AI에서 MLflow를 시작하려면 필수 IAM 서비스 역할을 구성해야 합니다. Studio에서 실험에 액세스하기 위해 새 Amazon SageMaker AI 도메인을 만드는 경우 도메인 설정 중에 필수 IAM 권한을 구성할 수 있습니다. 자세한 내용은 [새 도메인을 생성할 때 MLflow IAM 권한 설정](#mlflow-create-tracking-server-iam-role-manager) 단원을 참조하십시오. IAM 콘솔을 사용하여 권한을 설정하려면 [IAM 콘솔에서 필요한 IAM 서비스 역할 생성](#mlflow-create-tracking-server-iam-service-roles) 섹션을 참조하세요. `sagemaker-mlflow` 작업에 대한 권한 부여 제어를 구성해야 합니다. 선택적으로 작업별 MLflow 권한을 관리하기 위해 보다 세분화된 권한 부여 제어를 정의할 수 있습니다. 자세한 내용은 [작업별 권한 부여 제어 생성](#mlflow-create-tracking-server-update-iam-actions) 섹션을 참조하세요. ## 새 도메인을 생성할 때 MLflow IAM 권한 설정 조직에 새 Amazon SageMaker AI 도메인을 설정할 때 **사용자 및 ML 활동** 설정을 통해 도메인 서비스 역할에 대한 IAM 권한을 구성할 수 있습니다. **새 도메인을 설정할 때 SageMaker AI에서 MLflow를 사용하기 위한 IAM 권한을 구성하려면 다음과 같이 합니다.** 1. SageMaker AI 콘솔을 사용하여 새 도메인을 설정합니다. **SageMaker AI 도메인 설정** 페이지에서 **조직용 설정**을 선택합니다. 자세한 내용은 [콘솔을 사용한 사용자 지정 설정](onboard-custom.md#onboard-custom-instructions-console) 단원을 참조하십시오. 1. **사용자 및 ML 활동을** 설정할 때 MLflow에 대한 다음 ML 활동 중에서 선택합니다. ** MLflow 사용**, ** MLflow 추적 서버 관리**, ** MLflow AWS 서비스에 필요한 액세스**. 이러한 활동에 대한 자세한 내용은 이 절차를 따르는 설명을 참조하세요. 1. 새 도메인의 설정 및 생성을 완료합니다. Amazon SageMaker Role Manager에서 사용할 수 있는 MLflow ML 활동은 다음과 같습니다. + **MLflow 사용**: 이 ML 활동은 도메인 서비스 역할에 MLflow의 실험, 실행 및 모델을 관리하기 위해 MLflow REST API를 호출할 수 있는 권한을 부여합니다. + **MLflow 추적 서버 관리:** 이 ML 활동은 도메인 서비스 역할에 추적 서버를 생성, 업데이트, 시작, 중지 및 삭제할 수 있는 권한을 부여합니다. + **MLflow용 AWS 서비스에 필요한 액세스**:이 ML 활동은 Amazon S3 및 SageMaker AI 모델 레지스트리에 액세스하는 데 필요한 도메인 서비스 역할 권한을 제공합니다. 이렇게 하면 도메인 서비스 역할을 추적 서버 서비스 역할로 사용할 수 있습니다. 역할 관리자의 ML 활성화에 대한 자세한 내용은 [ML 활동 참조](role-manager-ml-activities.md) 섹션을 참조하세요. ## IAM 콘솔에서 필요한 IAM 서비스 역할 생성 도메인 서비스 역할을 생성하거나 업데이트하지 않은 경우 MLflow 추적 서버를 생성하고 사용하려면 IAM 콘솔에서 대신 다음 서비스 역할을 생성해야 합니다. + 추적 서버가 SageMaker AI 리소스에 액세스하는 데 사용할 수 있는 추적 서버 IAM 서비스 역할 + SageMaker AI가 MLflow 리소스를 만들고 관리하는 데 사용할 수 있는 SageMaker AI IAM 서비스 역할 ### 추적 서버 IAM 서비스 역할에 대한 IAM 정책 추적 서버 IAM 서비스 역할은 추적 서버에서 Amazon S3 및 SageMaker 모델 레지스트리와 같이 필요한 리소스에 액세스하는 데 사용됩니다. 추적 서버 IAM 서비스 역할을 생성할 때 다음 IAM 신뢰 정책을 사용합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": [ "sagemaker.amazonaws.com" ] }, "Action": "sts:AssumeRole" } ] } ``` ------ IAM 콘솔에서 추적 서버 서비스 역할에 다음 권한 정책을 추가합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:Get*", "s3:Put*", "s3:List*", "sagemaker:AddTags", "sagemaker:CreateModelPackageGroup", "sagemaker:CreateModelPackage", "sagemaker:UpdateModelPackage", "sagemaker:DescribeModelPackageGroup" ], "Resource": "*" } ] } ``` ------ ### SageMaker AI IAM 서비스 역할에 대한 IAM 정책 SageMaker AI 서비스 역할은 MLflow 추적 서버에 액세스하는 클라이언트에서 사용되며 MLflow REST API를 직접적으로 호출할 권한이 필요합니다. 또한 SageMaker AI 서비스 역할에는 추적 서버 만들기, 업데이트 보기, 시작, 중지 및 삭제하는 SageMaker API 권한이 필요합니다. 새로운 실행 역할을 생성하거나 기존 역할을 업데이트할 수 있습니다. SageMaker AI 서비스 역할에는 다음 정책이 필요합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "sagemaker-mlflow:*", "sagemaker:CreateMlflowTrackingServer", "sagemaker:ListMlflowTrackingServers", "sagemaker:UpdateMlflowTrackingServer", "sagemaker:DeleteMlflowTrackingServer", "sagemaker:StartMlflowTrackingServer", "sagemaker:StopMlflowTrackingServer", "sagemaker:CreatePresignedMlflowTrackingServerUrl" ], "Resource": "*" } ] } ``` ------ ## 작업별 권한 부여 제어 생성 `sagemaker-mlflow`에 대한 권한 부여 제어를 설정해야 하며, 선택적으로 작업별 권한 부여 제어를 구성하여 사용자가 MLflow 추적 서버에 대해 가지고 있는 더 세분화된 MLflow 권한을 제어할 수 있습니다. **참고** 다음 단계에서는 MLflow 추적 서버에 대한 ARN을 이미 사용할 수 있다고 가정합니다. 추적 서버를 생성하는 방법을 알아보려면 [Studio를 사용하여 추적 서버 생성](mlflow-create-tracking-server-studio.md) 또는 [를 사용하여 추적 서버 생성 AWS CLI](mlflow-create-tracking-server-cli.md) 섹션을 참조하세요. 다음 명령은 추적 서버에 사용 가능한 모든 SageMaker AI MLflow 작업에 대한 IAM 권한을 제공하는 `mlflow-policy.json` 파일을 만듭니다. 선택적으로 해당 사용자가 수행할 특정 작업을 선택하여 사용자의 권한을 제한할 수 있습니다. 사용할 수 있는 작업의 목록은 [MLflow에 지원되는 IAM 작업](#mlflow-create-tracking-server-iam-actions) 섹션을 참조하세요. ``` # Replace "Resource":"*" with "Resource":"TrackingServerArn" # Replace "sagemaker-mlflow:*" with specific actions printf '{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "sagemaker-mlflow:*", "Resource": "*" } ] }' > mlflow-policy.json ``` AWS CLI를 사용하여 IAM 정책을 생성하려면 `mlflow-policy.json` 파일을 사용합니다. ``` aws iam create-policy \ --policy-name MLflowPolicy \ --policy-document file://mlflow-policy.json ``` 계정 ID를 검색하고 정책을 IAM 역할에 연결합니다. ``` # Get your account ID aws sts get-caller-identity # Attach the IAM policy using your exported role and account ID aws iam attach-role-policy \ --role-name $role_name \ --policy-arn arn:aws:iam::123456789012:policy/MLflowPolicy ``` ### MLflow에 지원되는 IAM 작업 권한 부여 액세스 제어에는 다음 SageMaker AI MLflow 작업이 지원됩니다. + sagemaker-mlflow:AccessUI + sagemaker-mlflow:CreateExperiment + sagemaker-mlflow:SearchExperiments + sagemaker-mlflow:GetExperiment + sagemaker-mlflow:GetExperimentByName + sagemaker-mlflow:DeleteExperiment + sagemaker-mlflow:RestoreExperiment + sagemaker-mlflow:UpdateExperiment + sagemaker-mlflow:CreateRun + sagemaker-mlflow:DeleteRun + sagemaker-mlflow:RestoreRun + sagemaker-mlflow:GetRun + sagemaker-mlflow:LogMetric + sagemaker-mlflow:LogBatch + sagemaker-mlflow:LogModel + sagemaker-mlflow:LogInputs + sagemaker-mlflow:SetExperimentTag + sagemaker-mlflow:SetTag + sagemaker-mlflow:DeleteTag + sagemaker-mlflow:LogParam + sagemaker-mlflow:GetMetricHistory + sagemaker-mlflow:SearchRuns + sagemaker-mlflow:ListArtifacts + sagemaker-mlflow:UpdateRun + sagemaker-mlflow:CreateRegisteredModel + sagemaker-mlflow:GetRegisteredModel + sagemaker-mlflow:RenameRegisteredModel + sagemaker-mlflow:UpdateRegisteredModel + sagemaker-mlflow:DeleteRegisteredModel + sagemaker-mlflow:GetLatestModelVersions + sagemaker-mlflow:CreateModelVersion + sagemaker-mlflow:GetModelVersion + sagemaker-mlflow:UpdateModelVersion + sagemaker-mlflow:DeleteModelVersion + sagemaker-mlflow:SearchModelVersions + sagemaker-mlflow:GetDownloadURIForModelVersionArtifacts + sagemaker-mlflow:TransitionModelVersionStage + sagemaker-mlflow:SearchRegisteredModels + sagemaker-mlflow:SetRegisteredModelTag + sagemaker-mlflow:DeleteRegisteredModelTag + sagemaker-mlflow:DeleteModelVersionTag + sagemaker-mlflow:DeleteRegisteredModelAlias + sagemaker-mlflow:SetRegisteredModelAlias + sagemaker-mlflow:GetModelVersionByAlias + sagemaker-mlflow:FinalizeLoggedModel + sagemaker-mlflow:GetLoggedModel + sagemaker-mlflow:DeleteLoggedModel + sagemaker-mlflow:SearchLoggedModels + sagemaker-mlflow:SetLoggedModelTags + sagemaker-mlflow:DeleteLoggedModelTag + sagemaker-mlflow:ListLoggedModelArtifacts + sagemaker-mlflow:LogLoggedModelParams + sagemaker-mlflow:LogOutputs # Studio를 사용하여 추적 서버 생성 SageMaker Studio MLflow UI에서 추적 서버를 생성할 수 있습니다. **조직용 설정** 워크플로에 따라 SageMaker Studio 도메인을 만든 경우 SageMaker Studio 도메인의 서비스 역할에는 SageMaker AI IAM 서비스 역할 및 추적 서버 IAM 서비스 역할 역할을 수행할 수 있는 충분한 권한이 있습니다. 다음 단계에 따라 SageMaker Studio MLflow UI에서 추적 서버를 생성합니다. 1. SageMaker AI 콘솔에서 Studio로 이동합니다. 새 Studio 환경을 사용하고 있고 Studio Classic에서 업데이트되었는지 확인하세요. 자세한 내용은 [Amazon SageMaker Studio Classic에서 마이그레이션](studio-updated-migrate.md) 섹션을 참조하세요. 1. Studio UI의 **애플리케이션** 창에서 **MLflow**를 선택합니다. 1. **(선택 사항)** 아직 추적 서버를 생성하지 않았거나 새 서버를 생성해야 하는 경우 **생성**을 선택할 수 있습니다. 그런 다음 아티팩트 스토리지에 고유한 추적 서버 이름과 S3 URI를 제공하고 추적 서버를 생성합니다. 필요에 따라 **구성**을 선택하여 보다 세분화된 추적 서버 사용자 지정을 수행할 수 있습니다. 1. **MLflow 추적 서버** 창에서 **생성**을 선택합니다. Studio 도메인 IAM 서비스 역할은 추적 서버 IAM 서비스 역할에 사용됩니다. 1. 추적 서버의 고유한 이름과 추적 서버 아티팩트 스토어의 Amazon S3 URI를 제공합니다. 추적 서버와 Amazon S3 버킷이 **동일한 AWS 리전**에 있어야 합니다. **중요** 아티팩트 스토어에 Amazon S3 URI를 제공할 때 Amazon S3 버킷이 추적 서버 AWS 리전 와 동일한에 있는지 확인합니다. **리전 간 아티팩트 스토리지는 지원되지 않습니다**. 1. **(선택 사항)** **구성**을 선택하여 서버 크기, 태그 및 IAM 서비스 역할 추적과 같은 기본 설정을 변경합니다. 1. **생성**을 선택합니다. **참고** 추적 서버 생성을 완료하는 데 최대 25분이 걸릴 수 있습니다. 추적 서버를 생성하는 데 25분 이상이 걸리는 경우 필요한 IAM 권한이 있는지 확인합니다. IAM 사용자 권한에 대한 자세한 내용은 [MLflow에 대한 IAM 권한을 설정합니다.](mlflow-create-tracking-server-iam.md) 섹션을 참조하세요. 추적 서버를 성공적으로 생성하면 자동으로 시작됩니다. 1. 추적 서버를 생성한 후 MLflow UI를 시작할 수 있습니다. 자세한 내용은 [미리 서명된 URL을 사용하여 MLflow UI 시작](mlflow-launch-ui.md) 섹션을 참조하세요. ![\[Studio UI의 MLflow 추적 서버 생성 프롬프트입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/mlflow/mlflow-studio-create.png) # 를 사용하여 추적 서버 생성 AWS CLI 보다 세분화된 보안 사용자 지정을 AWS CLI 위해를 사용하여 추적 서버를 생성할 수 있습니다. ## 사전 조건 를 사용하여 추적 서버를 생성하려면 다음이 있어야 AWS CLI합니다. + **터미널에 대한 액세스. ** 여기에는 로컬 IDEs, Amazon EC2 인스턴스 또는가 포함될 수 있습니다 AWS CloudShell. + 개발 환경에 대한 액세스가 필요합니다. 여기에는 Studio 또는 Studio Classic 내의 로컬 IDE 또는 Jupyter 노트북 환경이 포함될 수 있습니다. + **구성된 AWS CLI 설치입니다**. 자세한 내용은 [AWS CLI구성](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html)을 참조하세요. + **적절한 권한이 있는 IAM 역할입니다**. 다음 단계에서는 환경에 `iam:CreateRole`, `iam:CreatePolicy`, `iam:AttachRolePolicy` 및 `iam:ListPolicies` 권한이 있어야 합니다. 이러한 권한은 이 사용 설명서의 단계를 실행하는 데 사용되는 역할에 필요합니다. 이 설명서의 지침은 MLflow 추적 서버의 실행 역할로 사용되는 IAM 역할을 생성하여 Amazon S3 버킷의 데이터에 액세스할 수 있도록 합니다. 또한 MLflow SDK를 통해 추적 서버와 상호 작용하는 사용자의 IAM 역할에 MLflow API 호출할 수 있는 권한을 부여하기 위한 정책이 생성됩니다. 자세한 내용은 [역할 권한 정책 수정(콘솔)](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-console.html#roles-modify_permissions-policy)을 참조하세요. SageMaker Studio 노트북을 사용하는 경우 이러한 IAM 권한으로 Studio 사용자 프로필의 서비스 역할을 업데이트합니다. 서비스 역할을 업데이트하려면 SageMaker AI 콘솔로 이동하여 사용 중인 도메인을 선택합니다. 그런 다음 도메인에서 사용 중인 사용자 프로필을 선택합니다. 여기에 서비스 역할이 나열됩니다. IAM 콘솔로 이동하여 **역할**에서 서비스 역할을 검색하고 `iam:CreateRole`, `iam:CreatePolicy`, `iam:AttachRolePolicy`, 및 `iam:ListPolicies` 작업을 허용하는 정책으로 역할을 업데이트합니다. ## AWS CLI 모델 설정 터미널 내에서 다음 명령줄 단계에 따라 MLflow를 사용하여 Amazon SageMaker AI AWS CLI 용를 설정합니다. 1. 의 업데이트된 버전을 설치합니다 AWS CLI. 자세한 내용은 *AWS CLI 사용 설명서*의 [AWS CLI의 최신 버전 설치 또는 업데이트](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html)를 참조하세요. 1. 다음 명령을 사용하여 AWS CLI 가 설치되어 있는지 확인합니다. ``` aws sagemaker help ``` `q`를 눌러 프롬프트를 종료합니다. 문제 해결에 대한 도움말은 [일반적인 설정 문제 해결](mlflow-troubleshooting.md) 섹션을 참조하세요. ## MLflow 인프라 설정 다음 섹션에서는 추적 서버에 필요한 Amazon S3 버킷 및 IAM 역할과 함께 MLflow 추적 서버를 설정하는 방법을 보여줍니다. ### S3 버킷 생성 터미널 내에서 다음 명령을 사용하여 범용 Amazon S3 버킷을 생성합니다. **중요** 아티팩트 스토어에 Amazon S3 URI를 제공할 때 Amazon S3 버킷이 추적 서버 AWS 리전 와 동일한에 있는지 확인합니다. **리전 간 아티팩트 스토리지는 지원되지 않습니다**. ``` bucket_name=bucket-name region=valid-region aws s3api create-bucket \ --bucket $bucket_name \ --region $region \ --create-bucket-configuration LocationConstraint=$region ``` 출력은 다음과 비슷하게 보여야 합니다. ``` { "Location": "/bucket-name" } ``` ### IAM 신뢰 정책 설정 다음 단계를 사용하여 IAM 신뢰 정책을 생성합니다. 역할 및 신뢰 정책에 대한 자세한 내용은 *AWS Identity and Access Management 사용 설명서*의 [역할 용어 및 개념](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_terms-and-concepts.html)을 참조하세요. 1. 터미널 내에서 다음 명령을 사용하여 `mlflow-trust-policy.json`라는 파일을 생성합니다. ``` cat < /tmp/mlflow-trust-policy.json { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": [ "sagemaker.amazonaws.com" ] }, "Action": "sts:AssumeRole" } ] } EOF ``` 1. 터미널 내에서 다음 명령을 사용하여 `custom-policy.json`라는 파일을 생성합니다. ``` cat < /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 ``` 1. 신뢰 정책 파일을 사용하여 역할을 생성합니다. 그런 다음 MLflow가 계정 내에서 Amazon S3 및 SageMaker 모델 레지스트리에 액세스할 수 있도록 허용하는 IAM 역할 정책을 연결합니다. MLflow는 추적 서버의 아티팩트 스토어의 경우 Amazon S3에 액세스할 수 있어야 하고 자동 모델 등록의 경우 SageMaker 모델 레지스트리에 액세스할 수 있어야 합니다. **참고** 기존 역할을 업데이트하는 경우 대신 `aws iam update-assume-role-policy --role-name $role_name --policy-document file:///tmp/mlflow-trust-policy.json` 명령을 사용합니다. ``` 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 추적 서버 생성 터미널 내에서 `create-mlflow-tracking-server` API를 사용하여 AWS 리전 선택한에서 추적 서버를 생성합니다. 이 단계는 최대 25분이 걸릴 수 있습니다. 선택적으로 파라미터 `--tracking-server-config`를 사용하여 추적 서버의 크기를 지정할 수 있습니다. `"Small"`, `"Medium"` 및 `"Large"` 중에서 선택합니다. 기본 MLflow Tracking Server 구성 크기는 `"Small"`입니다. 로깅된 데이터의 양, 사용자 수, 사용 빈도 등 추적 서버의 예상 사용량에 따라 크기를 선택할 수 있습니다. 자세한 내용은 [MLflow Tracking Server 크기](mlflow.md#mlflow-create-tracking-server-sizes) 섹션을 참조하세요. 다음 명령은 자동 모델 등록이 활성화된 새 추적 서버를 생성합니다. 자동 모델 등록을 비활성화하려면 `--no-automatic-model-registration`를 지정합니다. 추적 서버를 생성한 후 MLflow UI를 시작할 수 있습니다. 자세한 내용은 [미리 서명된 URL을 사용하여 MLflow UI 시작](mlflow-launch-ui.md) 섹션을 참조하세요. **참고** 추적 서버 생성을 완료하는 데 최대 25분이 걸릴 수 있습니다. 추적 서버를 생성하는 데 25분 이상이 걸리는 경우 필요한 IAM 권한이 있는지 확인합니다. IAM 사용자 권한에 대한 자세한 내용은 [MLflow에 대한 IAM 권한을 설정합니다.](mlflow-create-tracking-server-iam.md) 섹션을 참조하세요. 추적 서버를 성공적으로 생성하면 자동으로 시작됩니다. 추적 서버를 만들 때 최신 버전을 지정하는 것이 좋습니다. 사용 가능한 버전에 대한 자세한 내용은 [서버 버전 추적](mlflow.md#mlflow-create-tracking-server-versions) 섹션을 참조하세요. 기본적으로 만들어진 추적 서버는 최신 버전입니다. 그러나 기본 MLflow API가 변경될 수 있으므로 항상 최신 버전을 명시적으로 지정하는 것이 좋습니다. ``` ts_name=tracking-server-name region=valid-region version=valid-version 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 \ --mlflow-version $version ``` 다음과 유사하게 출력됩니다. ``` { "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name" } ``` **중요** **나중에 사용할 수 있도록 추적 서버 ARN을 기록해 둡니다.** 정리 단계를 위해 `$bucket_name`도 필요합니다.