As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Requisitos para excluir recursos do Amazon Personalize
Excluir recursos pode ajudar a evitar custos desnecessários. Por exemplo, os custos da campanha são acumulados enquanto a campanha está ativa. Para evitar custos desnecessários, certifique-se de excluir a campanha quando terminar. Para obter uma lista completa de cobranças e preços, consulte [Definição de preços do Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
Para excluir recursos com o console Amazon Personalize, escolha **Excluir** na página de detalhes do recurso. Para excluir um recurso com as APIs do Amazon Personalize, use as APIs `Delete` com os SDKs ou a AWS Command Line Interface (AWS CLI).
Veja etapas detalhadas para excluir um conjunto de dados com o console do Amazon Personalize, a AWS Command Line Interface (AWS CLI) ou os AWS SDKs, consulte [Excluindo um conjunto de dados para excluir todos os seus dados](delete-dataset.md). Você pode aplicar os padrões dessas etapas a outros recursos do Amazon Personalize. Para obter informações sobre como excluir usuários e seus dados do seu grupo de conjuntos de dados, consulte [Excluir usuários e seus dados com um trabalho de exclusão de dados](delete-records.md).
É necessário excluir alguns recursos antes de remover outros. Por exemplo, se você criar um rastreador de eventos e um conjunto de dados de interações com itens, deverá excluir o rastreador de eventos antes de remover o conjunto de dados. As seções a seguir fornecem diretrizes e requisitos de pedidos para excluir recursos do Amazon Personalize.
**Topics**
+ [Diretrizes para excluir recursos](#cleaning-up-guidelines)
+ [Ordem recomendada para exclusão de recursos](#deleting-resources-order)
+ [Excluir usuários e seus dados com um trabalho de exclusão de dados](delete-records.md)
+ [Excluindo um conjunto de dados para excluir todos os seus dados](delete-dataset.md)
## Diretrizes para excluir recursos
Veja abaixo as diretrizes para excluir recursos:
+ A exclusão de um recurso no Amazon Personalize é uma ação irreversível. A ação não pode ser interrompida depois de iniciada.
+ Não é possível excluir um recurso com status em transição de um estado para outro. Não é possível excluir um recurso com o status Criação pendente ou Em andamento. O status do recurso deve ser ACTIVE (Ativo) ou CREATE FAILED (Falha na criação). Isso inclui o status `latestSolutionUpdate` de uma solução. É possível conferir o status de um recurso usando as APIs `Describe`. Por exemplo, use a operação da API [DescribeCampaign](API_DescribeCampaign.md):
+ Para obter informações sobre a exclusão de dados de treinamento no Amazon S3, consulte [Como excluir os objetos de um bucket do S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html).
+ Os trabalhos de importação de conjuntos de dados não são cobrados depois da conclusão, e você não pode excluí-los.
+ Você não é cobrado pelos esquemas e não pode excluir um esquema com o console do Amazon Personalize. Para excluir um esquema, use a operação da API [DeleteSchema](API_DeleteSchema.md).
A seguir estão os requisitos específicos para excluir conjuntos de dados:
+ É necessário remover todos os filtros antes de excluir qualquer conjunto de dados.
+ Se você tiver criado um rastreador de eventos, é necessário removê-lo antes de excluir um conjunto de dados de interações com itens.
+ Se você criou uma atribuição de métrica que faz referência ao conjunto de dados, é necessário excluí-la primeiro.
+ Se você usar a fórmula User-Personalization-v2 ou Next-Best-Action ou os casos de uso *Melhores seleções para você* e *Recomendados para você*, a exclusão de um conjunto de dados interromperá as atualizações automáticas de todas as versões da solução associadas ou recomendadores.
+ Nenhum `DatasetImportJob` associado pode ter um status de CREATE PENDING (Criação pendente) nem IN PROGRESS (Em andamento).
+ Nenhum `BatchInferenceJob` ou `BatchSegmentJob` associado pode ter um status de CRIAÇÃO PENDENTE nem EM ANDAMENTO.
+ Nenhum `Recommender` associado, `SolutionVersion` pode ter um status de CREATE PENDING nem IN PROGRESS.
+ Nenhum `Campaign` associado pode ter um status de CREATE PENDING nem IN PROGRESS ou ACTIVE.
## Ordem recomendada para exclusão de recursos
Para evitar erros de exclusão, recomendamos que você exclua os recursos de um grupo de conjuntos de dados na ordem descrita a seguir. Para identificar recursos em um grupo de conjuntos de dados, você pode usar as operações de API List. Por exemplo, use a operação da API [ListFilters](API_ListFilters.md) para identificar todos os filtros em um grupo de conjuntos de dados.
1. Campanhas e recomendadores: para excluir sua campanha ou recomendador com as APIs, use as operações da API [DeleteCampaign](API_DeleteCampaign.md) ou [DeleteRecommender](API_DeleteRecommender.md). Você pode interromper recomendadores e reiniciá-los depois. Ou seja, você pode pausar o faturamento do recomendador e pagar somente quando usá-lo. Para obter mais informações, consulte [Interromper um recomendador](stopping-starting-recommender.md).
1. Qualquer solução: para excluir sua solução com as APIs, use a operação da API [DeleteSolution](API_DeleteSolution.md). Para excluir uma solução, não pode haver uma atualização dela em andamento. O status de `latestSolutionUpdate` deve ser Ativo ou Falha na criação. A exclusão de uma solução exclui todas as versões da solução associadas. Nenhuma das versões da solução pode ter o status Criação pendente ou Em andamento.
1. Rastreador de eventos: para excluir um rastreador de eventos com as APIs, use a operação da API [DeleteEventTracker](API_DeleteEventTracker.md). É necessário remover um rastreador antes de excluir um conjunto de dados de interações com itens.
1. Atribuição de métrica: para excluir uma atribuição de métrica com as APIs, use a operação da API [DeleteMetricAttribution](API_DeleteMetricAttribution.md).
1. Todos os filtros: para excluir um filtro com as APIs, use a operação da API [DeleteFilter](API_DeleteFilter.md). É necessário remover todos os filtros antes de excluir um conjunto de dados.
1. Qualquer conjunto de dados: para excluir um conjunto de dados com as APIs, use a operação da API [DeleteDataset](API_DeleteDataset.md).
1. Grupo de conjuntos de dados: para excluir seu grupo de conjuntos de dados com as APIs, use a operação da API [DeleteDatasetGroup](API_DeleteDatasetGroup.md).
1. Esquemas: para excluir um esquema, use a operação da API [DeleteSchema](API_DeleteSchema.md).
# Excluir usuários e seus dados com um trabalho de exclusão de dados
Depois de importar os dados, você poderá excluir usuários e os respectivos dados, incluindo seus metadados e dados de interações, de um grupo de conjuntos de dados. Você pode excluir dados do usuário como parte de um programa de conformidade para atender às solicitações de exclusão do usuário ou para manter seus dados atualizados à medida que sua base de usuários muda.
Depois que você excluir os usuários, o Amazon Personalize deixa de treinar seus dados e não considera mais os usuários ao gerar segmentos de usuários.
Para excluir referências a usuários nos conjuntos de dados e modelos do Amazon Personalize em um grupo de conjuntos de dados, faça o seguinte:
1. Prepare um arquivo CSV que liste os UserIDs a serem excluídos de uma coluna USER\$1ID.
1. Faça upload do arquivo CSV para um bucket do Amazon S3. Seu perfil de serviço do Amazon Personalize deve ter permissão para acessar esse bucket.
1. Criar um trabalho de exclusão de dados. Um trabalho de *exclusão de dados é um trabalho* em lote que exclui usuários e seus dados dos modelos e conjuntos de dados de um grupo de conjuntos de dados.
**Topics**
+ [Diretrizes e requisitos](#data-deletion-guidelines-requirements)
+ [Preparar uma lista de usuários a serem excluídos](#prepare-deletion-input-file)
+ [Criar um trabalho de exclusão de dados](#creating-data-deletion-job)
## Diretrizes e requisitos
Veja abaixo as diretrizes e os requisitos para excluir usuários:
+ Antes de criar um trabalho de exclusão de dados, certifique-se de que nenhum trabalho que use seus conjuntos de dados esteja em andamento, como trabalhos de treinamento, trabalhos em lote ou operações de importação em massa ou individuais. E evite criar esses trabalhos enquanto houver um trabalho de exclusão de dados em andamento. Se ocorrer algum treinamento ou importação, não podemos garantir que os dados dos usuários serão excluídos dos modelos e recomendamos criar um trabalho adicional de exclusão de dados.
+ Um trabalho de exclusão de dados não exclui referências a usuários fora do Amazon Personalize. Por exemplo, ele não exclui seu ID de usuário das recomendações de lote em seu bucket do Amazon S3. Será necessário excluir esses registros manualmente.
+ Você pode ter até 5 trabalhos de exclusão para um grupo de conjuntos de dados com o status pendente.
+ O tamanho total máximo do arquivo ou arquivos de entrada de exclusão de dados é de 100 MB. É possível reutilizar o mesmo arquivo de entrada ao criar trabalhos de exclusão.
+ Cada trabalho de exclusão de dados exclui usuários e seus dados de interação em um grupo de *conjuntos de dados*. Para excluir seus dados em todos os grupos de conjuntos de dados, você deve criar um trabalho de exclusão de dados para cada grupo de conjuntos de dados.
+ Depois que você criar um trabalho, poderá levar até um dia para excluir os dados dos usuários dos conjuntos de dados e modelos.
+ Depois que um trabalho for concluído, certifique-se de atualizar todos os recursos personalizados. Certifique-se de criar uma nova versão da solução e, se necessário, atualizar sua campanha. Se você usar o treinamento automático, ainda poderá criar manualmente novas versões da solução.
+ Seu perfil de serviço do Amazon Personalize deve ter permissão para acessar seu bucket do Amazon S3 com a lista de usuários a serem excluídos. Ele precisa de permissões `GetObject` e `ListBucket` para o bucket e seu conteúdo. Essas permissões são iguais às da importação de dados. Para obter informações sobre como conceder permissões e exemplos de políticas, consulte [Como conceder permissão ao Amazon Personalize para acessar recursos do Amazon S3](granting-personalize-s3-access.md).
+ Você não pode usar sua própria AWS Key Management Service chave no bucket do Amazon S3 que armazena sua lista de UserIDs a serem excluídos.
+ Se um item aparecer somente no conjunto de dados de interações com itens e somente os usuários que você está excluindo interagirem com esse item, que não aparecerá mais nas recomendações.
## Preparar uma lista de usuários a serem excluídos
Antes de excluir usuários do Amazon Personalize, você deve preparar uma lista de usuários a serem excluídos como um arquivo CSV e enviá-la para o Amazon S3.
**Para preparar a lista de usuários a serem excluídos e fazer upload dela**
1. Crie um arquivo CSV contendo os UserIDs a serem excluídos. Confira a seguir como seu arquivo CSV deve estar formatado.
```
USER_ID
abc
2a
5basc
ab35
123f
a55d
0v22
441fa
efg
```
1. Faça upload dos arquivos CSV para um bucket do Amazon Simple Storage Service (Amazon S3). Para obter mais informações sobre como fazer upload de arquivos no Amazon S3, consulte [Upload de arquivos e pastas usando arrastar e soltar](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) no Guia do usuário do Amazon Simple Storage Service.
1. Dê ao Amazon Personalize acesso ao bucket e ao arquivo CSV. O Amazon Personalize deve ter permissão para realizar as ações `GetObject` e `ListBucket` em seu bucket e conteúdo. Essas permissões são iguais às da importação de dados. Para obter informações sobre como conceder permissões e exemplos de políticas, consulte [Como conceder permissão ao Amazon Personalize para acessar recursos do Amazon S3](granting-personalize-s3-access.md).
## Criar um trabalho de exclusão de dados
Quando acabar de [Preparar uma lista de usuários a serem excluídos](#prepare-deletion-input-file), você poderá remover os usuários com um trabalho de exclusão de dados.
Um trabalho de *exclusão de dados é um trabalho* em lote que exclui usuários e seus dados dos modelos e conjuntos de dados de um grupo de conjuntos de dados. Depois que você excluir os usuários, o Amazon Personalize deixa de treinar seus dados e não considera mais os usuários ao gerar segmentos de usuários.
Ao criar um trabalho de exclusão de dados, especifique a localização do Amazon S3 da sua lista de usuários a serem excluídos.
+ Se seus dados estiverem em um único arquivo, use a seguinte sintaxe para localizar o Amazon S3:
**s3://amzn-s3-demo-bucket//.csv**
+ Se seus arquivos CSV estiverem em uma pasta no bucket do Amazon S3, você poderá especificar o caminho da pasta. Com um trabalho de exclusão de dados, o Amazon Personalize usa todos os arquivos com a extensão de arquivo `.csv` na pasta e em qualquer subpasta. Ele ignora arquivos de qualquer outro tipo. Use a sintaxe a seguir com uma `/` após o nome da pasta:
**s3://amzn-s3-demo-bucket//**
O perfil que você usa deve ter permissão para realizar as ações `ListBucket` e `GetObject` e em seu bucket e conteúdo do Amazon S3. Para obter informações sobre como conceder permissões e exemplos de políticas, consulte [Como conceder permissão ao Amazon Personalize para acessar recursos do Amazon S3](granting-personalize-s3-access.md).
Você pode criar um trabalho de exportação de conjuntos de dados com o console do Amazon Personalize, a AWS Command Line Interface (AWS CLI) ou os AWS SDKs.
### Criar um trabalho de exclusão de dados (console)
Para excluir usuários com o console do Amazon Personalize, crie um trabalho de exclusão do conjunto de dados com um nome, o perfil de serviço do IAM e a localização do Amazon S3 dos seus dados.
**Excluir registros (console)**
1. Acesse [https://console.aws.amazon.com/personalize/home](https://console.aws.amazon.com/personalize/home), abra o console do Amazon Personalize e faça login na sua conta.
1. Na página **Grupos de conjuntos de dados**, escolha seu grupo de conjuntos de dados. A **visão geral** do grupo de conjuntos de dados é exibida.
1. No painel de navegação, escolha **Conjuntos de dados**.
1. Em **Trabalhos de exclusão de dados**, escolha **Criar trabalho**.
1. Em **Detalhes do trabalho**, dê um nome a ela.
1. Na **origem de entrada do S3**, em **Localização do S3**, especifique a localização do Amazon S3 do arquivo CSV que armazena a lista de UserIDs a serem excluídos. Você preparou esse arquivo em [Preparar uma lista de usuários a serem excluídos](#prepare-deletion-input-file).
1. Em **perfil do IAM**, escolha entre criar um novo perfil ou usar um perfil existente. Se você preencheu os pré-requisitos para criar um perfil do Amazon Personalize e concedeu a esse perfil acesso ao bucket do Amazon S3, escolha **Usar um perfil de serviço existente** e especifique o perfil criado em [Criar um perfil do IAM para o Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions).
O perfil que você usa deve ter permissão para realizar as ações `ListBucket` e `GetObject` e em seu bucket e conteúdo do Amazon S3. Essas permissões são iguais às da importação de dados. Para obter informações sobre como conceder permissões e exemplos de políticas, consulte [Como conceder permissão ao Amazon Personalize para acessar recursos do Amazon S3](granting-personalize-s3-access.md).
1. Para **Tags**, é possível adicionar quaisquer tags. Para obter mais informações sobre recursos de atribuição de tags do Amazon Personalize, consulte [Usar tags nos recursos do Amazon Personalize](tagging-resources.md).
1. Escolha **Criar trabalho**. O trabalho começa, e a página de detalhes é exibida.
Depois que você criar um trabalho, poderá levar até um dia para excluir os dados dos usuários dos conjuntos de dados e modelos. Até que o trabalho seja concluído, o Amazon Personalize continua usando os dados durante o treinamento. E os usuários podem aparecer em segmentos de usuários.
A exclusão dos dados terá terminado quando o status for Concluído. Se o trabalho falhar por algum motivo, recomendamos criar outro trabalho de exclusão de dados. Depois que um trabalho for concluído, certifique-se de atualizar todos os recursos personalizados. Certifique-se de criar uma nova versão da solução e, se necessário, atualizar sua campanha. Se você usar o treinamento automático, ainda poderá criar manualmente novas versões da solução.
### Criar um trabalho de exclusão de dados (AWS CLI)
Use o comando `create-data-deletion-job` para excluir usuários com a AWS CLI. Esse comando usa a operação da API CreateDataDeletion. O código a seguir mostra como criar um trabalho de exclusão dos dados. Para usar o código, atualize-o para especificar os nomes dos trabalhos, o perfil do IAM que você criou em [Criar um perfil do IAM para o Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) e a localização dos seus dados no Amazon S3. Você preparou esse arquivo em [Preparar uma lista de usuários a serem excluídos](#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
```
Depois que você criar um trabalho, poderá levar até um dia para excluir os dados dos usuários dos conjuntos de dados e modelos. Até que o trabalho seja concluído, o Amazon Personalize continua usando os dados durante o treinamento. E os usuários podem aparecer em segmentos de usuários.
O status é Concluído quando o trabalho termina. Verifique o status usando o comando `describe-data-deletion-job` e especifique o ARN do trabalho de exclusão de dados. Para obter mais informações sobre as operações da API, consulte [DescribeDataDeletionJob](API_DescribeDataDeletionJob.md). Para conferir um histórico de trabalhos de exclusão de dados classificados de acordo com a hora de criação, use a operação da API [ListDataDeletionJobs](API_ListDataDeletionJobs.md).
Se o trabalho falhar por algum motivo, recomendamos criar outro trabalho de exclusão de dados. Depois que um trabalho for concluído, certifique-se de atualizar todos os recursos personalizados. Certifique-se de criar uma nova versão da solução e, se necessário, atualizar sua campanha. Se você usar o treinamento automático, ainda poderá criar manualmente novas versões da solução.
### Criar um trabalho de exclusão de dados (AWS SDKs)
Para excluir usuários com os AWS SDKs, use a operação da API [CreateDataDeletionJob](API_CreateDataDeletionJob.md). O código a seguir mostra como criar um trabalho de exclusão dos dados. Para usar o código, atualize-o para especificar os nomes dos trabalhos, o perfil do IAM que você criou em [Criar um perfil do IAM para o Amazon Personalize](set-up-required-permissions.md#set-up-create-role-with-permissions) e a localização dos seus dados no Amazon S3. Você preparou esse arquivo em [Preparar uma lista de usuários a serem excluídos](#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'])
```
Depois que você criar um trabalho, poderá levar até um dia para excluir os dados dos usuários dos conjuntos de dados e modelos. Até que o trabalho seja concluído, o Amazon Personalize continua usando os dados durante o treinamento. E os usuários podem aparecer em segmentos de usuários.
O status é Concluído quando o trabalho termina. Verifique o status usando a operação [DescribeDataDeletionJob](API_DescribeDataDeletionJob.md) e especifique o ARN do trabalho de exclusão de dados. Para conferir um histórico de trabalhos de exclusão de dados classificados de acordo com a hora de criação, use a operação da API [ListDataDeletionJobs](API_ListDataDeletionJobs.md).
Se o trabalho falhar por algum motivo, recomendamos criar outro trabalho de exclusão de dados. Depois que um trabalho for concluído, certifique-se de atualizar todos os recursos personalizados. Certifique-se de criar uma nova versão da solução e, se necessário, atualizar sua campanha. Se você usar o treinamento automático, ainda poderá criar manualmente novas versões da solução.
# Excluindo um conjunto de dados para excluir todos os seus dados
Para remover todos os dados de um conjunto de dados, é necessário excluí-lo. Você pode excluir um conjunto de dados com o console Amazon Personalize AWS Command Line Interface ,AWS CLI() ou. AWS SDKs Antes de excluir um conjunto de dados, verifique o seguinte:
+ É necessário remover todos os filtros antes de excluir qualquer conjunto de dados.
+ Se você tiver criado um rastreador de eventos, é necessário removê-lo antes de excluir um conjunto de dados de interações com itens.
+ Se você criou uma atribuição de métrica que faz referência ao conjunto de dados, é necessário excluí-la primeiro.
+ Se você usar User-Personalization-v 2, Personalização de usuário, Next-Best-Action receitas ou *Melhores opções para você e *Recomendado para* seus* casos de uso, a exclusão de um conjunto de dados interromperá as atualizações automáticas de qualquer versão ou recomendação da solução associada.
+ Nenhum `DatasetImportJob` associado pode ter um status de CREATE PENDING (Criação pendente) nem IN PROGRESS (Em andamento).
+ Nenhum `BatchInferenceJob` ou `BatchSegmentJob` associado pode ter um status de CRIAÇÃO PENDENTE nem EM ANDAMENTO.
+ Nenhum `Recommender` associado, `SolutionVersion` pode ter um status de CREATE PENDING nem IN PROGRESS.
+ Nenhum `Campaign` associado pode ter um status de CREATE PENDING nem IN PROGRESS ou ACTIVE.
**Topics**
+ [Exclusão de um conjunto de dados (console)](#delete-dataset-console)
+ [Excluir um conjunto de dados (AWS CLI)](#delete-dataset-cli)
+ [Excluir um conjunto de dados (AWS SDKs)](#delete-dataset-sdk)
## Exclusão de um conjunto de dados (console)
Para excluir um conjunto de dados com o console do Amazon Personalize, navegue até a página de detalhes do conjunto de dados e escolha excluir.
**Para excluir um conjunto de dados**
1. [Abra o console Amazon Personalize em casahttps://console.aws.amazon.com/personalize/.](https://console.aws.amazon.com/personalize/home)
1. No painel de navegação, selecione **Grupos de conjuntos de dados**.
1. Na página **Grupos de conjuntos de dados**, escolha seu grupo de conjuntos de dados.
1. No painel de navegação, escolha **Conjuntos de dados**.
1. Escolha o conjunto de dados para abrir a página de detalhes.
1. Na página de detalhes do conjunto de dados, escolha **Excluir** e confirme a exclusão do conjunto de dados.
## Excluir um conjunto de dados (AWS CLI)
O código a seguir mostra como excluir um conjunto de dados com a [DeleteDataset](API_DeleteDataset.md) operação AWS CLI e a.
```
aws personalize delete-dataset --dataset-arn dataset-arn
```
## Excluir um conjunto de dados (AWS SDKs)
O código a seguir mostra como excluir um conjunto de dados com a [DeleteDataset](API_DeleteDataset.md) operação AWS SDKs e a.
------
#### [ 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());
}
}
```
------