本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 查看端点状态
如果要使用经过训练的模型对实时数据进行推理，则将模型部署到实时端点。为了确保预测具有适当的延迟，您需要确保托管模型的实例高效运行。模型控制面板的端点监控特征可显示有关端点配置的实时信息，并通过指标帮助您跟踪端点性能。
**监控器设置**
模型控制面板链接到现有 SageMaker AI 终端节点详情页面，这些页面显示了您可以在 Amazon 中选择的指标的实时图表 CloudWatch。在控制面板中，您可以在端点处理实时推理请求时跟踪这些指标。以下是您可以选择的指标：
+ `CpuUtilization`：每个 CPU 核心利用率的总和，每个使用率介于 0% 到 100% 之间。
+ `MemoryUtilization`：实例上的容器所使用的内存的百分比，范围为 0% 至 100%。
+ `DiskUtilization`：实例上的容器所使用的磁盘空间的百分比，范围为 0% 至 100%。
有关您可以实时查看的指标的完整列表，请参阅[亚马逊中的亚马逊 A SageMaker I 指标 CloudWatch](monitoring-cloudwatch.md)。
**运行时设置**
Amazon SageMaker AI 支持对您的托管模型进行自动缩放（自动缩放）。自动扩缩动态调整为模型预置的实例数，以响应工作负载的变化。当工作负载增加时，自动扩缩功能会让更多实例上线。当工作负载减小时，自动扩缩功能会移除不必要的实例，这样您就不会为未使用的预置实例付费。您可以在模型控制面板中自定义以下运行时设置：
+ *更新权重*：使用数字权重更改分配给每个实例的工作负载量。有关在自动扩缩期间的实例权重的更多信息，请参阅[配置 Amazon EC2 Auto Scaling 的实例权重](https://docs.aws.amazon.com/autoscaling/ec2/userguide/ec2-auto-scaling-mixed-instances-groups-instance-weighting.html)。
+ *更新实例数*：当工作负载增加时，更改可为其提供服务的实例总数。
有关端点运行时设置的更多信息，请参阅[CreateEndpointConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpointConfig.html)。
**端点配置设置**
端点配置设置显示您在创建端点时指定的设置。这些设置会告知 SageMaker AI 要为您的终端节点配置哪些资源。其中包括以下设置：
+ *数据捕获*：您可以选择捕获有关端点输入和输出的信息。例如，您可能希望对传入流量进行采样，以查看结果是否与训练数据相关。您可以自定义采样频率、存储数据的格式以及存储数据的 Amazon S3 位置。有关设置数据捕获配置的更多信息，请参阅[数据采集](model-monitor-data-capture.md)。
+ *生产变体*：请参阅*运行时设置*中的先前讨论。
+ *异步调用配置*：如果您的终端节点是异步的，则此部分包括 SageMaker AI 客户端向模型容器发送的最大并发请求数、成功和失败通知的 Amazon S3 位置以及终端节点输出的输出位置。有关异步输出的更多信息，请参阅[异步端点操作](async-inference-create-invoke-update-delete.md)。
+ *加密密钥*：如果要加密输出，可以输入加密密钥。
有关端点配置设置的更多信息，请参阅[CreateEndpointConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpointConfig.html)。
## 查看端点的状态和配置
**要查看模型端点的状态和配置，请完成以下步骤：**
1. 打开 A [SageMaker I 控制台](https://console.aws.amazon.com/sagemaker/)。
1. 在左侧面板中选择**治理**。
1. 选择**模型控制面板**。
1. 在模型控制面板的**模型**部分，选择要查看的端点的模型名称。
1. 在**端点**部分中选择端点名称。