面向 Amazon SageMaker AI 的 CloudWatch Logs - Amazon SageMaker AI
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)。

面向 Amazon SageMaker AI 的 CloudWatch Logs

为协助您调试编译作业、处理作业、训练作业、端点、转换作业、笔记本实例和笔记本实例生命周期配置，算法容器、模型容器或笔记本实例生命周期配置发送到 stdout 或 stderr 的任何内容也会发送到 Amazon CloudWatch Logs。除了调试之外，您还可以使用它们进行进度分析。

默认情况下，日志数据将无限期存储在 CloudWatch Logs 中。但是，您可以配置要在日志组中存储日志数据多长时间。有关更多信息，请参阅《Amazon CloudWatch Logs 用户指南》中的更改 CloudWatch Logs 中的日志数据留存。

日志

下表列出了 Amazon SageMaker AI 提供的所有日志。

日志

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

[compilation-job-name]
/aws/sagemaker/Endpoints/[EndpointName]

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

（适用于异步推理端点）[production-variant-name]/[instance-id]/data-log

（适用于推理管道）[production-variant-name]/[instance-id]/[container-name provided in SageMaker AI model]
/aws/sagemaker/groundtruth/WorkerActivity

aws/sagemaker/groundtruth/worker-activity/[requester-AWS-Id]-[region]/[timestamp]
/aws/sagemaker/InferenceRecommendationsJobs

[inference-recommendations-job-name]/execution

[inference-recommendations-job-name]/CompilationJob/[compilation-job-name]

[inference-recommendations-job-name]/Endpoint/[endpoint-name]
/aws/sagemaker/LabelingJobs

[labeling-job-name]
/aws/sagemaker/NotebookInstances

[notebook-instance-name]/[LifecycleConfigHook]

[notebook-instance-name]/jupyter.log
/aws/sagemaker/ProcessingJobs

[processing-job-name]/[hostname]-[epoch_timestamp]
/aws/sagemaker/studio

[domain-id]/[user-profile-name]/[app-type]/[app-name]

[domain-id]/domain-shared/rstudioserverpro/default
/aws/sagemaker/TrainingJobs

[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]
/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 SageMaker AI model] (For Inference Pipelines)
注意

1. 在您使用生命周期配置创建笔记本实例时，将创建 /aws/sagemaker/NotebookInstances/[LifecycleConfigHook] 日志流。有关更多信息，请参阅 使用 LCC 脚本自定义 SageMaker 笔记本实例。

2. 对于推理管道，如果您未提供容器名称，则平台将使用“container-1”、“container-2”，以此类推，与在 SageMaker AI 模型中提供容器的顺序相对应。

有关使用 CloudWatch 日志记录事件的更多信息，请参阅《Amazon CloudWatch 用户指南》中的什么是 Amazon CloudWatch Logs？。