推理管道日志和指标 - 亚马逊 SageMaker AI
Metrics日志
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

推理管道日志和指标

监控对于维护 Amazon A SageMaker I 资源的可靠性、可用性和性能非常重要。要监控推理管道性能并对其进行故障排除，请使用 Amazon CloudWatch 日志和错误消息。有关 SageMaker AI 提供的监控工具的信息，请参阅监控 Amazon A SageMaker I 中的 Amazon 资源。

使用指标监控多容器模型

要监控推理管道中的多容器模型，请使用 Amazon。 CloudWatch CloudWatch收集原始数据并将其处理成可读的、近乎实时的指标。 SageMaker AI 训练作业和终端节点在AWS/SageMaker命名空间中写入 CloudWatch 指标和日志。

以下各表列出以下内容的指标和维度。

  • 端点调用

  • 训练作业、批量转换作业和端点实例

维度 是用于唯一标识指标的名称/值对。您可以为一个指标分配最多 10 个维度。有关使用进行监控的更多信息 CloudWatch，请参阅亚马逊中的亚马逊 A SageMaker I 指标 CloudWatch。

端点调用指标

AWS/SageMaker 命名空间包含通过调用 InvokeEndpoint 获得的以下请求指标。

指标每 1 分钟报告一次。

指标 描述
Invocation4XXErrors

模型为其返回 4xx HTTP 响应代码的 InvokeEndpoint 请求的数量。对于每个4xx响应， SageMaker AI 都会发送1。

单位：无

有效统计数据：Average、Sum
Invocation5XXErrors

模型为其返回 5xx HTTP 响应代码的 InvokeEndpoint 请求的数量。对于每个5xx响应， SageMaker AI 都会发送1。

单位：无

有效统计数据：Average、Sum
Invocations

发送到模型端点的 number of InvokeEndpoint 请求。

要获取发送到模型端点的请求总数，请使用 Sum 统计数据。

单位：无

有效统计数据：Sum、Sample Count
InvocationsPerInstance

发送到模型的端点调用次数，按每次调用进行归一化InstanceCount。ProductionVariant SageMaker AI 发送 1/ numberOfInstances 作为每个请求的值，其中numberOfInstances是请求时终端节点的活动实例数。 ProductionVariant

单位：无

有效统计数据：Sum
ModelLatency 模型进行响应所需的时间。这包括以下操作所花的时间：发送请求，从模型容器中提取响应，以及完成容器中的推理。ModelLatency 是一个推理管道中所有容器所花的总时间。

单位：微秒

有效统计数据：Average、Sum、Min、Max、Sample Count
OverheadLatency

在响应 SageMaker AI 向客户提出的开销请求所花费的时间中增加的时间。 OverheadLatency从 A SageMaker I 收到请求到向客户端返回响应的时间减去ModelLatency。除其他因素外，开销延迟还可能由于请求和响应负载大小、请求频率以及请求的身份验证或授权而变化。

单位：微秒

有效统计数据：Average、Sum、Min、Max、Sample Count
ContainerLatency 从 SageMaker AI 看来，推理管道容器响应所花费的时间。 ContainerLatency包括发送请求、从模型容器中获取响应以及在容器中完成推理所花费的时间。

单位：微秒

有效统计数据：Average、Sum、Min、Max、Sample Count

端点调用指标的维度

维度 描述
EndpointName, VariantName, ContainerName

针对指定的端点和指定的变体的 ProductionVariant，筛选端点调用指标。

对于推理管道终端节点，将您账户中的每个容器的延迟指标 CloudWatch 列为 SageMaker AI 命名空间中的端点容器指标和端点变体指标，如下所示。该 ContainerLatency 指标仅适用于推理管道。

推理管道的 CloudWatch 仪表板。

对于每个端点和每个容器，延迟指标显示容器、端点、变体和指标的名称。

端点的延迟指标。

训练作业、批量转换作业和端点实例指标

命名空间 /aws/sagemaker/TrainingJobs、/aws/sagemaker/TransformJobs 和 /aws/sagemaker/Endpoints 包括以下用于训练作业和端点实例的指标。

指标每 1 分钟报告一次。

指标 描述
CPUUtilization

实例上运行的容器所使用的 CPU 单位的百分比。该值的范围从 0% 到 100%，并乘以的数量。 CPUs例如，如果有四个 CPUs，CPUUtilization则范围从 0% 到 400%。

对于训练作业，CPUUtilization 是实例上运行的算法容器的 CPU 利用率。

对于批量转换作业，CPUUtilization 是实例上运行的转换容器的 CPU 利用率。

对于多容器模型，CPUUtilization 是实例上运行的所有容器的 CPU 利用率总和。

对于端点变体，CPUUtilization 是实例上运行的所有容器的 CPU 利用率总和。

单位：百分比
MemoryUtilization

实例上运行的容器所使用的内存的百分比。此值范围从 0% 到 100%。

对于训练作业，MemoryUtilization 是实例上运行的算法容器所使用的内存。

对于批量转换作业，MemoryUtilization 是实例上运行的转换容器所使用的内存。

对于多容器模型，MemoryUtilization 是实例上运行的所有容器的所使用的内存总和。

对于端点变体，MemoryUtilization 是实例上运行的所有容器所使用的内存总和。

单位：百分比
GPUUtilization

实例上运行的容器使用的 GPU 单位的百分比。 GPUUtilization范围介于 0% 到 100% 之间，并乘以数字。 GPUs例如，如果有四个 GPUs，GPUUtilization则范围从 0% 到 400%。

对于训练作业，GPUUtilization 是实例上运行的算法容器所使用的 GPU。

对于批量转换作业，GPUUtilization 是实例上运行的转换容器所使用的 GPU。

对于多容器模型，GPUUtilization 是实例上运行的所有容器的所使用的 GPU 总和。

对于端点变体，GPUUtilization 是实例上运行的所有容器所使用的 GPU 总和。

单位：百分比
GPUMemoryUtilization

实例上运行的容器使用的 GPU 内存百分比。 GPUMemory利用率范围从 0% 到 100%，乘以数量。 GPUs例如，如果有四个 GPUs，GPUMemoryUtilization则范围从 0% 到 400%。

对于训练作业，GPUMemoryUtilization 是实例上运行的算法容器所使用的 GPU 内存。

对于批量转换作业，GPUMemoryUtilization 是实例上运行的转换容器所使用的 GPU 内存。

对于多容器模型，GPUMemoryUtilization 是实例上运行的所有容器的所用的 GPU 总和。

对于端点变体，GPUMemoryUtilization 是实例上运行的所有容器所使用的 GPU 内存总和。

单位：百分比
DiskUtilization

实例上运行的容器使用的磁盘空间百分比。 DiskUtilization 范围从 0% 到 100%。批量转换作业不支持此指标。

对于训练作业，DiskUtilization 是实例上运行的算法容器所使用的磁盘空间。

对于端点变体，DiskUtilization 是实例上运行的所有提供容器所使用的磁盘空间总和。

单位：百分比

训练作业、批量转换作业和端点实例指标的维度

维度 描述
Host

对于训练作业，Host 格式为 [training-job-name]/algo-[instance-number-in-cluster]。使用此维度可筛选指定训练作业和实例的实例指标。此维度格式仅存在于 /aws/sagemaker/TrainingJobs 命名空间中。

对于批量转换作业，Host 格式为 [transform-job-name]/[instance-id]。使用此维度可筛选指定批量转换作业和实例的实例指标。此维度格式仅存在于 /aws/sagemaker/TransformJobs 命名空间中。

对于端点，Host 格式为 [endpoint-name]/[ production-variant-name ]/[instance-id]。使用此维度可筛选指定端点、变体和实例的实例指标。此维度格式仅存在于 /aws/sagemaker/Endpoints 命名空间中。

为了帮助您调试训练作业、终端节点和笔记本实例生命周期配置， SageMaker AI 还会将算法容器、模型容器或笔记本实例生命周期配置发送到 Amazon Logs 或发送stderr到 stdout Amazon CloudWatch Logs 的任何内容。您可以使用此信息用于调试并分析进度。

使用日志监控推理管道

下表列出了 SageMaker AI. 发送到 Amazon 的日志组和日志流 CloudWatch

日志流是共享同一来源的一系列日志事件。每个单独的日志源 CloudWatch 构成一个单独的日志流。日志组是一组具有相同保留期、监控和访问控制设置的日志流。

日志

日志组名称 日志流名称
/aws/sagemaker/TrainingJobs

[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]
/aws/sagemaker/Endpoints/[EndpointName]

[production-variant-name]/[instance-id]

[production-variant-name]/[instance-id]

[production-variant-name]/[instance-id]/[container-name provided in the SageMaker AI model] (For Inference Pipelines)对于推理管道日志，如果您不提供容器名称，则按照模型中提供容器的顺序 CloudWatch 使用**container-1、container-2**等。
/aws/sagemaker/NotebookInstances

[notebook-instance-name]/[LifecycleConfigHook]
/aws/sagemaker/TransformJobs

[transform-job-name]/[instance-id]-[epoch_timestamp]

[transform-job-name]/[instance-id]-[epoch_timestamp]/data-log

[transform-job-name]/[instance-id]-[epoch_timestamp]/[container-name provided in the SageMaker AI model] (For Inference Pipelines)对于推理管道日志，如果您不提供容器名称，则按照模型中提供容器的顺序 CloudWatch 使用**container-1、container-2**等。
注意

SageMaker 当您使用生命周期配置创建笔记本实例时，AI 会创建/aws/sagemaker/NotebookInstances日志组。有关更多信息，请参阅 使用 LCC 脚本自定义 SageMaker 笔记本实例。

有关 SageMaker AI 日志记录的更多信息，请参阅CloudWatch 亚马逊 A SageMaker I 的日志。