计划监控作业 - Amazon SageMaker
AWS 文档中描述的 AWS 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 AWS 服务入门

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。

计划监控作业

Amazon SageMaker 模型监控器使用 ,您可以按计划持续监控从终端节点中收集的数据。可以使用 CreateMonitoringSchedule API 创建具有预定义的周期性间隔的监控计划。例如,每 x 小时(x 的范围是 1 到 23)。

利用监控计划, SageMaker 可以按指定频率启动处理作业来分析在给定时间段内收集的数据。 SageMaker 提供了一个预构建的容器来对表格式数据集执行分析。在处理作业中,SageMaker 将当前分析的数据集与基准统计数据、提供的约束进行比较,并生成违规情况报告。此外,还会为正在分析的每个特征发出 CloudWatch 指标。或者,您可以选择自带容器,如构建您自己的容器主题中所述。

可以为先前创建的终端节点创建模型监控计划。使用基准资源(约束和统计数据)与实时流量进行比较。对于此示例,上传已用于训练本示例中包含的预训练模型的训练数据集。如果您在 Amazon S3 中已拥有此数据集,则可直接指向它。

# copy over the training dataset to Amazon S3 (if you already have it in Amazon S3, you could reuse it) baseline_prefix = prefix + '/baselining' baseline_data_prefix = baseline_prefix + '/data' baseline_results_prefix = baseline_prefix + '/results' baseline_data_uri = 's3://{}/{}'.format(bucket,baseline_data_prefix) baseline_results_uri = 's3://{}/{}'.format(bucket, baseline_results_prefix) print('Baseline data uri: {}'.format(baseline_data_uri)) print('Baseline results uri: {}'.format(baseline_results_uri))
training_data_file = open("test_data/training-dataset-with-header.csv", 'rb') s3_key = os.path.join(baseline_prefix, 'data', 'training-dataset-with-header.csv') boto3.Session().resource('s3').Bucket(bucket).Object(s3_key).upload_fileobj(training_data_file)

使用基准约束和统计数据为终端节点创建模型监控计划,从而与实时流量进行比较。

from sagemaker.model_monitor import CronExpressionGenerator from time import gmtime, strftime mon_schedule_name = 'DEMO-xgb-churn-pred-model-monitor-schedule-' + strftime("%Y-%m-%d-%H-%M-%S", gmtime()) my_default_monitor.create_monitoring_schedule( schedule_name=mon_schedule_name, endpoint_input=predictor.endpoint, post_analytics_processor_script=s3_code_postprocessor_uri, output_s3_uri=s3_report_path, statistics=my_default_monitor.baseline_statistics(), constraints=my_default_monitor.suggested_constraints(), schedule_cron_expression=CronExpressionGenerator.hourly(), enable_cloudwatch_metrics=True, )

Describe and inspect the schedule (描述并检查计划):描述计划后,请注意 MonitoringScheduleStatus MonitoringScheduleSummary API ListMonitoringSchedules 返回的 中的 将更改为 Scheduled

desc_schedule_result = my_default_monitor.describe_schedule() print('Schedule status: {}'.format(desc_schedule_result['MonitoringScheduleStatus']))