本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
大規模部署您的模型
為您的 SageMaker AI 端點設定自動擴展和 CloudWatch 監控，使其可以進行生產。
為什麼生產監控對文字分類很重要
文字分類工作負載需要監控，因為它們：
體驗處理爆量時流量模式的變化。
需要亞秒級回應時間。
需要透過自動擴展進行成本最佳化。
先決條件
開始之前，請確定您具有下列先決條件：
您從上一節部署的 SageMaker AI 端點。
您的端點名稱 (例如，jumpstart-dft-hf-tc)。
Your AWS 區域（例如 us-east-2)。
如需端點建立或疑難排解，請參閱即時推論。
設定生產監控
設定 CloudWatch 監控以追蹤模型在生產中的效能。
-
在您的 JupyterLab 空間中，從您先前上傳的評估套件開啟
sagemaker_production_monitoring.ipynb筆記本。 -
在組態區段中更新您的端點名稱和區域。
-
請遵循筆記本指示來設定：
自動擴展 (1-10 個執行個體，視流量而定）。
延遲和調用閾值的 CloudWatch 警示。
用於視覺化監控的指標儀表板。
驗證您的設定
完成筆記本步驟後，請確認您具有：
端點狀態：
InService。自動擴展：已設定 1-10 個執行個體。
CloudWatch 警示：2 個警示監控。
指標：已註冊 15 個以上指標。
注意
警示一開始可能會顯示 INSUFFICIENT_DATA - 這是正常的，並且會隨著用量而變更為 OK。
監控您的端點
透過 AWS管理主控台存取視覺化監控：
如需詳細資訊，請參閱監控 SageMaker AI。
管理成本和清除資源
您的監控設定提供寶貴的生產洞見，但也會透過 CloudWatch 指標、警示和自動擴展政策持續產生AWS費用。了解如何管理這些成本對於符合成本效益的操作至關重要。清除不再需要的專案資源。
警告
即使不處理請求，您的端點仍會繼續產生費用。若要停止所有費用，必須刪除您的端點。如需指示，請參閱刪除端點和資源。
如需進階監控組態，請參閱 SageMaker AI 的 CloudWatch 指標。
