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。
清除 MLflow 資源
當您不再需要任何資源時，建議您將其刪除。您可以透過 Amazon SageMaker Studio 或使用 AWS CLI 刪除追蹤伺服器。您可以使用 AWS CLI 或直接在 AWS 主控台中刪除其他資源，例如 Amazon S3 儲存貯體、IAM 角色和 IAM 政策。
重要
在您刪除追蹤伺服器本身之前，請不要刪除您用來建立的 IAM 角色。否則，您將無法存取追蹤伺服器。
停止追蹤伺服器
我們建議您在追蹤伺服器不再使用時加以停止。您可以在 Studio 中或使用 AWS CLI 停止追蹤伺服器。
使用 Studio 停止追蹤伺服器
若要在 Studio 中停止追蹤伺服器：
-
導覽至 Studio。
-
在 Studio UI 的應用程式窗格中選擇 MLflow。
-
在 MLflow 追蹤伺服器窗格中找到您選擇的追蹤伺服器。選擇追蹤伺服器窗格右上角的停止圖示。
注意
如果您的追蹤伺服器關閉，您會看到開始圖示。如果追蹤伺服器為開啟，您會看到停止圖示。
使用 AWS CLI 停止追蹤伺服器
若要使用 AWS CLI 停止追蹤伺服器，請使用下列命令：
aws sagemaker stop-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
若要使用 AWS CLI 啟動追蹤伺服器，請使用下列命令：
注意
最多可能需要 25 分鐘才能啟動追蹤伺服器。
aws sagemaker start-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
刪除追蹤伺服器
您可以在 Studio 或使用 AWS CLI 完全刪除追蹤伺服器。
使用 Studio 刪除追蹤伺服器
若要在 Studio 中刪除追蹤伺服器：
-
導覽至 Studio。
-
在 Studio UI 的應用程式窗格中選擇 MLflow。
-
在 MLflow 追蹤伺服器窗格中找到您選擇的追蹤伺服器。選擇追蹤伺服器窗格右上角的垂直選單圖示。再選擇 Delete (刪除)。
-
選擇刪除，即可確認刪除。
使用 AWS CLI 刪除追蹤伺服器
使用 DeleteMLflowTrackingServer API 刪除您所建立的任何追蹤伺服器。這可能需要一些時間。
aws sagemaker delete-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
若要檢視追蹤伺服器的狀態，請使用 DescribeMLflowTrackingServer API 並檢查 TrackingServerStatus。
aws sagemaker describe-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
刪除 Amazon S3 儲存貯體
使用以下命令刪除用作追蹤伺服器成品存放區的任何 Amazon S3 儲存貯體：
aws s3 rm s3://$bucket_name --recursive aws s3 rb s3://$bucket_name
您也可以直接在 AWS 主控台中刪除與追蹤伺服器相關聯的 Amazon S3 儲存貯體。如需詳細資訊，請參閱《Amazon S3 使用者指南》中的刪除儲存貯體。
刪除已註冊的模型
您可以直接在 Studio 中刪除使用 MLflow 建立的任何模型群組和模型版本。如需詳細資訊，請參閱刪除模型群組和刪除模型版本。
刪除實驗或執行
您可以使用 MLflow SDK 來刪除實驗或執行。
