Amazon SageMaker

개요

Amazon SageMaker는 완전관리형 머신러닝 서비스입니다. Amazon SageMaker를 사용해 데이터 과학자와 개발자는 머신러닝 모델을 구축하고 트레이닝한 다음 직접 프로덕션 레디 호스팅 환경에 배포할 수 있습니다.

이 통합을 활성화하여 Datadog에서 모든 SageMaker 메트릭을 확인하세요.

설정

설치

이미 하지 않은 경우 먼저 Amazon Web Services 통합을 설정하세요.

메트릭 수집

AWS 통합 페이지에서 Metric Collection 탭에 SageMaker가 활성화되어 있는지 확인하세요.
Datadog - Amazon SageMaker 통합을 설치하세요.

로그 수집

로깅 활성화

Amazon SageMaker를 설정하여 S3 버킷 또는 클라우드와치(CloudWatch) 중 하나로 로그를 전송하세요.

참고: S3 버킷에 로그인한 경우 amazon_sagemaker가 _대상 접두어_로 설정되어 있는지 확인하세요.

Datadog에 로그 전송

이미 하지 않은 경우 Datadog 로그 수집 AWS 람다 함수를 설정하세요.
람다 함수가 설치되면 AWS 콘솔에서 Amazon SageMaker 로그를 포함하는 S3 버킷 또는 클라우드와치(CloudWatch) 로그 그룹에 대해 수동으로 트리거를 추가합니다.
- S3 버킷에서 직접 트리거 추가
- 클라우드와치(CloudWatch) 로그 그룹에 수동 트리거 추가

수집한 데이터

메트릭

이벤트

Amazon SageMaker 통합에는 이벤트가 포함되어 있지 않습니다.

서비스 점검

Amazon SageMaker 통합에는 서비스 점검이 포함되어 있지 않습니다.

즉시 사용 가능한 모니터링

Datadog는 SageMaker 엔드포인트 및 작업에 대해 즉시 사용 가능한 대시보드를 제공합니다.

SageMaker 엔드포인트

SageMaker 엔드포인트 대시보드를 사용하여 즉시 추가 설정 없이 SageMaker 엔드포인트의 상태 및 성능 모니터링을 시작할 수 있습니다. 어느 엔드포인트에 오류, 예상보다 높은 지연 또는 트래픽 급증이 있는지 확인하세요. 인스턴스 유형과 CPU, GPU, 메모리 및 디스크 활용률 메트릭을 사용해 확장 정책 선택 항목 을 검토하고 교정하세요.