Ρύθμιση κατανομής κόστους σε επίπεδο επιχείρησης για περιβάλλοντα ML και φόρτους εργασίας χρησιμοποιώντας την προσθήκη ετικετών πόρων στο Amazon SageMaker

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Καθώς οι επιχειρήσεις και οι ηγέτες πληροφορικής προσπαθούν να επιταχύνουν την υιοθέτηση της μηχανικής εκμάθησης (ML), υπάρχει μια αυξανόμενη ανάγκη κατανόησης της κατανομής δαπανών και κόστους για το περιβάλλον ML που διαθέτετε, ώστε να ανταποκρίνεται στις απαιτήσεις της επιχείρησης. Χωρίς σωστή διαχείριση κόστους και διακυβέρνηση, η δαπάνη ML μπορεί να οδηγήσει σε εκπλήξεις στον μηνιαίο λογαριασμό AWS. Amazon Sage Maker είναι μια πλήρως διαχειριζόμενη πλατφόρμα ML στο cloud που εξοπλίζει τους εταιρικούς πελάτες μας με εργαλεία και πόρους για τη θέσπιση μέτρων κατανομής κόστους και τη βελτίωση της προβολής του λεπτομερούς κόστους και χρήσης από τις ομάδες, τις επιχειρηματικές μονάδες, τα προϊόντα σας και πολλά άλλα.

Σε αυτήν την ανάρτηση, μοιραζόμαστε συμβουλές και βέλτιστες πρακτικές σχετικά με την κατανομή κόστους για το περιβάλλον και τον φόρτο εργασίας σας στο SageMaker. Σε όλες σχεδόν τις υπηρεσίες AWS, συμπεριλαμβανομένου του SageMaker, η εφαρμογή ετικετών στους πόρους είναι ένας τυπικός τρόπος παρακολούθησης του κόστους. Αυτές οι ετικέτες μπορούν να σας βοηθήσουν να παρακολουθείτε, να αναφέρετε και να παρακολουθείτε τη δαπάνη σας σε ML μέσω λύσεων εκτός συσκευασίας, όπως π.χ Εξερεύνηση κόστους AWS και Προϋπολογισμοί AWS, καθώς και προσαρμοσμένες λύσεις που βασίζονται στα δεδομένα από Αναφορές κόστους και χρήσης AWS (CURs).

Επισήμανση κατανομής κόστους

Η κατανομή κόστους στο AWS είναι μια διαδικασία τριών βημάτων:

Επισυνάψτε ετικέτες κατανομής κόστους στους πόρους σας.
Ενεργοποιήστε τις ετικέτες σας στο Ετικέτες κατανομής κόστους ενότητα της κονσόλας χρέωσης AWS.
Χρησιμοποιήστε τις ετικέτες για παρακολούθηση και φιλτράρισμα για αναφορές κατανομής κόστους.

Αφού δημιουργήσετε και επισυνάψετε ετικέτες σε πόρους, εμφανίζονται στην κονσόλα χρέωσης AWS Ετικέτες κατανομής κόστους κάτω από το τμήμα Ετικέτες κατανομής κόστους που καθορίζονται από το χρήστη. Μπορεί να χρειαστούν έως και 24 ώρες για να εμφανιστούν οι ετικέτες μετά τη δημιουργία τους. Στη συνέχεια, πρέπει να ενεργοποιήσετε αυτές τις ετικέτες για το AWS για να αρχίσει να τις παρακολουθεί για τους πόρους σας. Συνήθως, μετά την ενεργοποίηση μιας ετικέτας, χρειάζονται περίπου 24–48 ώρες για να εμφανιστούν οι ετικέτες στην Εξερεύνηση κόστους. Ο ευκολότερος τρόπος για να ελέγξετε εάν οι ετικέτες σας λειτουργούν είναι να αναζητήσετε τη νέα σας ετικέτα στο φίλτρο ετικετών στην Εξερεύνηση κόστους. Εάν υπάρχει, τότε είστε έτοιμοι να χρησιμοποιήσετε τις ετικέτες για την αναφορά κατανομής κόστους. Στη συνέχεια, μπορείτε να επιλέξετε να ομαδοποιήσετε τα αποτελέσματά σας κατά πλήκτρα ετικετών ή να φιλτράρετε ανά τιμές ετικέτας, όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης.

Ένα πράγμα που πρέπει να σημειώσετε: εάν χρησιμοποιείτε Οργανισμοί AWS και έχουν συνδεδεμένους λογαριασμούς AWS, οι ετικέτες μπορούν να ενεργοποιηθούν μόνο στον κύριο λογαριασμό πληρωτή. Προαιρετικά, μπορείτε επίσης να ενεργοποιήσετε CUR για τους λογαριασμούς AWS που ενεργοποιούν τις αναφορές κατανομής κόστους ως αρχείο CSV με τη χρήση και το κόστος σας ομαδοποιημένα με βάση τις ενεργές ετικέτες σας. Αυτό σας παρέχει πιο λεπτομερή παρακολούθηση του κόστους σας και διευκολύνει τη ρύθμιση των δικών σας προσαρμοσμένων λύσεων αναφοράς.

Προσθήκη ετικετών στο SageMaker

Σε υψηλό επίπεδο, η προσθήκη ετικετών στους πόρους του SageMaker μπορεί να ομαδοποιηθεί σε δύο κουβάδες:

Προσθήκη ετικετών στο περιβάλλον φορητού υπολογιστή SageMaker, είτε Στούντιο Amazon SageMaker τομείς και χρήστες τομέα ή παρουσίες φορητών υπολογιστών SageMaker
Προσθήκη ετικετών σε θέσεις εργασίας που διαχειρίζονται το SageMaker (επισήμανση, επεξεργασία, εκπαίδευση, συντονισμός υπερπαραμέτρων, μετασχηματισμός παρτίδας και άλλα) και πόρων (όπως μοντέλα, ομάδες εργασίας, διαμορφώσεις τελικού σημείου και τελικά σημεία)

Τα καλύπτουμε αυτά με περισσότερες λεπτομέρειες σε αυτήν την ανάρτηση και παρέχουμε ορισμένες λύσεις σχετικά με τον τρόπο εφαρμογής του ελέγχου διακυβέρνησης για να διασφαλιστεί η καλή υγιεινή των ετικετών.

Προσθήκη ετικετών σε τομείς και χρήστες του SageMaker Studio

Το Studio είναι ένα διαδικτυακό, ολοκληρωμένο περιβάλλον ανάπτυξης (IDE) για ML που σας επιτρέπει να δημιουργείτε, να εκπαιδεύετε, να εντοπίζετε σφάλματα, να αναπτύσσετε και να παρακολουθείτε τα μοντέλα σας ML. Μπορείτε να εκκινήσετε γρήγορα τους φορητούς υπολογιστές Studio και να καλέσετε δυναμικά τους υποκείμενους υπολογιστικούς πόρους χωρίς να διακόπτετε την εργασία σας.

Για να προσθέσετε αυτόματα ετικέτες σε αυτούς τους δυναμικούς πόρους, θα πρέπει να αντιστοιχίσετε ετικέτες στον τομέα SageMaker και χρήστες τομέα στους οποίους παρέχεται πρόσβαση σε αυτούς τους πόρους. Μπορείτε να καθορίσετε αυτές τις ετικέτες στην παράμετρο tags του δημιουργία-τομέα or δημιουργία-χρήστη-προφίλ κατά τη δημιουργία προφίλ ή τομέα ή μπορείτε να τα προσθέσετε αργότερα χρησιμοποιώντας το Προσθέστε ετικέτες API. Το Studio αντιγράφει αυτόματα και εκχωρεί αυτές τις ετικέτες στα σημειωματάρια του Studio που έχουν δημιουργηθεί στον τομέα ή από τους συγκεκριμένους χρήστες. Μπορείτε επίσης να προσθέσετε ετικέτες στους τομείς του SageMaker, επεξεργάζοντας τις ρυθμίσεις τομέα στον Πίνακα Ελέγχου του Studio.

Το παρακάτω είναι ένα παράδειγμα αντιστοίχισης ετικετών στο προφίλ κατά τη δημιουργία.

aws sagemaker create-user-profile --domain-id  --user-profile-name data-scientist-full --tags Key=studiouserid,Value= --user-settings ExecutionRole=arn:aws:iam:::role/SageMakerStudioExecutionRole_datascientist-full

Για να προσθέσετε ετικέτες σε υπάρχοντες τομείς και χρήστες, χρησιμοποιήστε το add-tags API. Στη συνέχεια, οι ετικέτες εφαρμόζονται σε τυχόν νέα σημειωματάρια. Για να εφαρμοστούν αυτές οι ετικέτες στα υπάρχοντα σημειωματάρια σας, πρέπει να επανεκκινήσετε την εφαρμογή Studio (πύλη πυρήνα και διακομιστής Jupyter) που ανήκει σε αυτό το προφίλ χρήστη. Αυτό δεν θα προκαλέσει απώλεια στα δεδομένα του σημειωματάριου. Ανατρέξτε σε αυτό Τερματίστε και ενημερώστε τις εφαρμογές SageMaker Studio και Studio για να μάθετε πώς μπορείτε να διαγράψετε και να επανεκκινήσετε τις εφαρμογές σας στο Studio.

Προσθήκη ετικετών σε περιπτώσεις φορητών υπολογιστών SageMaker

Στην περίπτωση ενός σημειωματάριου SageMaker, η προσθήκη ετικετών εφαρμόζεται στην ίδια την παρουσία. Οι ετικέτες αντιστοιχίζονται σε όλους τους πόρους που εκτελούνται στην ίδια παρουσία. Μπορείτε να καθορίσετε ετικέτες μέσω προγραμματισμού χρησιμοποιώντας την παράμετρο tags στο δημιουργία-σημειωματάριο-παράδειγμα API ή προσθέστε τα μέσω της κονσόλας SageMaker κατά τη δημιουργία παρουσίας. Μπορείτε επίσης να προσθέσετε ή να ενημερώσετε ετικέτες ανά πάσα στιγμή χρησιμοποιώντας το Προσθέστε ετικέτες API ή μέσω της κονσόλας SageMaker.

Λάβετε υπόψη ότι αυτό εξαιρεί τις διαχειριζόμενες εργασίες και πόρους του SageMaker, όπως εργασίες εκπαίδευσης και επεξεργασίας, επειδή βρίσκονται στο περιβάλλον υπηρεσίας και όχι στην παρουσία. Στην επόμενη ενότητα, εξετάζουμε τον τρόπο εφαρμογής της προσθήκης ετικετών σε αυτούς τους πόρους με περισσότερες λεπτομέρειες.

Προσθήκη ετικετών σε διαχειριζόμενες εργασίες και πόρους του SageMaker

Για τις διαχειριζόμενες εργασίες και πόρους του SageMaker, η προσθήκη ετικετών πρέπει να εφαρμοστεί στο tags χαρακτηριστικό ως μέρος κάθε αιτήματος API. Ενα SKLearnProcessor Το παράδειγμα φαίνεται στον παρακάτω κώδικα. Μπορείτε να βρείτε περισσότερα παραδείγματα για τον τρόπο εκχώρησης ετικετών σε άλλες διαχειριζόμενες εργασίες και πόρους του SageMaker στο GitHub repo.

from sagemaker import get_execution_role
from sagemaker.sklearn.processing import SKLearnProcessor

processing_tags = [{' Key':"cost-center','Value':'TF2WorkflowProcessing'}]
sklearn_processorl = SKLearnProcessor(framework_version='0.23-1' ,
									 role=get_execution_role(),
									 instance_type='ml.m5.xlarge',
									 instance_count=2,
									 tags=processing_tags)

Προσθήκη ετικετών σε αγωγούς SageMaker

Στην περίπτωση των αγωγών SageMaker, μπορείτε να προσθέσετε ετικέτες σε ολόκληρο τον αγωγό ως σύνολο αντί για κάθε μεμονωμένο βήμα. Η διοχέτευση SageMaker διαδίδει αυτόματα τις ετικέτες σε κάθε βήμα του αγωγού. Έχετε ακόμα την επιλογή να προσθέσετε επιπλέον, ξεχωριστές ετικέτες σε μεμονωμένα βήματα, εάν χρειάζεται. Στη διεπαφή χρήστη του Studio, οι ετικέτες διοχέτευσης εμφανίζονται στην ενότητα μεταδεδομένων.

Για να εφαρμόσετε ετικέτες σε μια διοχέτευση, χρησιμοποιήστε το SageMaker Python SDK:

pipeline_tags = [ {'Key': 'pipeline-type', 'Value': 'TF2WorkflowPipeline'}]
pipeline.upsert(role_arn=role, tags=pipeline_tags)
execution = pipeline.start()

Επιβολή επισήμανσης χρησιμοποιώντας πολιτικές IAM

Παρόλο που η προσθήκη ετικετών είναι ένας αποτελεσματικός μηχανισμός για την εφαρμογή στρατηγικών διαχείρισης και διακυβέρνησης του cloud, η επιβολή της σωστής συμπεριφοράς προσθήκης ετικετών μπορεί να είναι δύσκολη, αν την αφήσετε στους τελικούς χρήστες. Πώς αποτρέπετε τη δημιουργία πόρων ML εάν λείπει μια συγκεκριμένη ετικέτα, πώς διασφαλίζετε ότι εφαρμόζονται οι σωστές ετικέτες και πώς εμποδίζετε τους χρήστες να διαγράψουν υπάρχουσες ετικέτες;

Μπορείτε να το πετύχετε χρησιμοποιώντας Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) πολιτικές. Ο παρακάτω κώδικας είναι ένα παράδειγμα πολιτικής που αποτρέπει ενέργειες του SageMaker όπως π.χ CreateDomain or CreateNotebookInstance εάν το αίτημα δεν περιέχει το κλειδί περιβάλλοντος και μία από τις τιμές της λίστας. ο ForAllValues τροποποιητής με το aws:TagKeys το πλήκτρο συνθήκης υποδεικνύει ότι μόνο το κλειδί environment επιτρέπεται στο αίτημα. Αυτό εμποδίζει τους χρήστες να συμπεριλάβουν άλλα κλειδιά, όπως κατά λάθος χρήση Environment αντί του environment.

"sagemaker:CreateTrainingJob"
      ],
      "{
      "Sid": "SageMakerEnforceEnvtOnCreate",
      "Action": [
        "sagemaker:CreateDomain",
        "sagemaker:CreateEndpoint",
        "sagemaker:CreateNotebookInstance",
        Effect": "Allow",
      "Resource": "*",
  "Condition": {
            "StringEquals": {
                "aws:RequestTag/environment": [
                    "dev","staging","production"
                ]
            },
            "ForAllValues:StringEquals": {"aws:TagKeys": "environment"}
        }
      }

Πολιτικές ετικετών και πολιτικές ελέγχου υπηρεσιών (SCP) μπορεί επίσης να είναι ένας καλός τρόπος για να τυποποιήσετε τη δημιουργία και την επισήμανση των πόρων ML σας. Για περισσότερες πληροφορίες σχετικά με τον τρόπο εφαρμογής μιας στρατηγικής προσθήκης ετικετών που επιβάλλει και επικυρώνει την προσθήκη ετικετών σε επίπεδο οργανισμού, ανατρέξτε στο Σειρά ιστολογίου κατανομής κόστους #3: Επιβολή και επικύρωση ετικετών πόρων AWS.

Αναφορά κατανομής κόστους

Μπορείτε να προβάλετε τις ετικέτες φιλτράροντας τις προβολές στο Cost Explorer, προβάλλοντας α μηνιαία αναφορά κατανομής κόστους, ή εξετάζοντας το CUR.

Οπτικοποίηση ετικετών στον Εξερεύνηση κόστους

Το Cost Explorer είναι ένα εργαλείο που σας δίνει τη δυνατότητα να προβάλετε και να αναλύσετε το κόστος και τη χρήση σας. Μπορείτε να εξερευνήσετε τη χρήση και το κόστος σας χρησιμοποιώντας το κύριο γράφημα: τις αναφορές κόστους και χρήσης του Cost Explorer. Για ένα γρήγορο βίντεο σχετικά με τον τρόπο χρήσης του Cost Explorer, ρίξτε μια ματιά Πώς μπορώ να χρησιμοποιήσω το Cost Explorer για να αναλύσω τις δαπάνες και τη χρήση μου;

Με την Εξερεύνηση κόστους, μπορείτε να φιλτράρετε τον τρόπο προβολής του κόστους AWS κατά ετικέτες. Ομαδοποίηση από μας επιτρέπει να φιλτράρουμε τα αποτελέσματα κατά κλειδιά ετικετών όπως π.χ Environment, Deployment, ή Cost Center. Το φίλτρο ετικέτας μας βοηθά να επιλέξουμε την τιμή που επιθυμούμε ανεξάρτητα από το κλειδί. Τα παραδείγματα περιλαμβάνουν Production και Staging. Λάβετε υπόψη ότι πρέπει να εκτελέσετε τους πόρους μετά την προσθήκη και την ενεργοποίηση ετικετών. Διαφορετικά, η Εξερεύνηση κόστους δεν θα έχει δεδομένα χρήσης και η τιμή της ετικέτας δεν θα εμφανίζεται ως φίλτρο ή ομάδα ανά επιλογή.

Το παρακάτω στιγμιότυπο οθόνης είναι ένα παράδειγμα φιλτραρίσματος με βάση όλες τις τιμές του BusinessUnit tags.

Εξέταση ετικετών στο CUR

Η αναφορά κόστους και χρήσης περιέχει το πιο ολοκληρωμένο σύνολο διαθέσιμων δεδομένων κόστους και χρήσης. Η αναφορά περιέχει στοιχεία γραμμής για κάθε μοναδικό συνδυασμό προϊόντος AWS, τύπου χρήσης και λειτουργίας που χρησιμοποιεί ο λογαριασμός σας AWS. Μπορείτε να προσαρμόσετε το CUR για να συγκεντρώνει τις πληροφορίες είτε ανά ώρα είτε κατά ημέρα. Μια μηνιαία αναφορά κατανομής κόστους είναι ένας τρόπος για να ρυθμίσετε την αναφορά κατανομής κόστους. Μπορείτε να ρυθμίσετε ένα μηνιαία αναφορά κατανομής κόστους που παραθέτει τη χρήση AWS για τον λογαριασμό σας ανά κατηγορία προϊόντος και συνδεδεμένο χρήστη λογαριασμού. Η αναφορά περιέχει τα ίδια στοιχεία γραμμής με το αναλυτική αναφορά τιμολόγησης και πρόσθετες στήλες για τα κλειδιά ετικετών σας. Μπορείτε να το ρυθμίσετε και να κάνετε λήψη της αναφοράς σας ακολουθώντας τα βήματα που περιγράφονται Μηνιαία αναφορά κατανομής κόστους.

Το ακόλουθο στιγμιότυπο οθόνης δείχνει πώς εμφανίζονται τα κλειδιά ετικετών που ορίζονται από το χρήστη στο CUR. Τα κλειδιά ετικέτας που ορίζονται από το χρήστη έχουν το πρόθεμα user, Όπως user:Department και user:CostCenter. Τα κλειδιά ετικετών που δημιουργούνται από το AWS έχουν το πρόθεμα aws.

Οραματιστείτε το CUR χρησιμοποιώντας το Amazon Athena και το Amazon QuickSight

Αμαζόν Αθηνά είναι μια διαδραστική υπηρεσία ερωτημάτων που διευκολύνει την ανάλυση δεδομένων στο Amazon S3 χρησιμοποιώντας τυπική SQL. Το Athena είναι χωρίς διακομιστή, επομένως δεν υπάρχει υποδομή για διαχείριση και πληρώνετε μόνο για τα ερωτήματα που εκτελείτε. Για να ενσωματώσετε το Athena με τα CUR, ανατρέξτε στο Ερώτηση αναφορών κόστους και χρήσης χρησιμοποιώντας το Amazon Athena. Στη συνέχεια, μπορείτε να δημιουργήσετε προσαρμοσμένα ερωτήματα για να υποβάλετε ερωτήματα στα δεδομένα CUR χρησιμοποιώντας τυπική SQL. Το παρακάτω στιγμιότυπο οθόνης είναι ένα παράδειγμα ερωτήματος για το φιλτράρισμα όλων των πόρων που έχουν την τιμή TF2WorkflowTraining για το cost-center tags.

select * from {$table_name} where resource_tags_user_cost-center= 'TF2WorkflowTraining'

Στο παρακάτω παράδειγμα, προσπαθούμε να καταλάβουμε σε ποιους πόρους λείπουν οι τιμές κάτω από το cost-center tags.

SELECT
 bill_payer_account_id, line_item_usage_account_id, DATE_FORMAT((line_item_usage_start_date), '%Y-%m-%d') AS day_line_item_usage_start_date, line_item_resource_id, line_item_usage_type, resource_tags_user_cost-center
FROM
{$table_name} 
WHERE
 resource_tags_user_cost-center IS NULL
AND line_item_product_code = 'AmazonSageMaker'

Περισσότερες πληροφορίες και παραδείγματα ερωτημάτων μπορείτε να βρείτε στο Βιβλιοθήκη ερωτημάτων AWS CUR.

Μπορείτε επίσης να τροφοδοτήσετε δεδομένα CUR Amazon QuickSight, όπου μπορείτε να το κόψετε σε φέτες και σε κύβους με όποιον τρόπο θέλετε για λόγους αναφοράς ή οπτικοποίησης. Για οδηγίες σχετικά με την πρόσληψη δεδομένων CUR στο QuickSight, βλ Πώς μπορώ να απορροφήσω και να οπτικοποιήσω την αναφορά κόστους και χρήσης AWS (CUR) στο Amazon QuickSight.

Παρακολούθηση προϋπολογισμού με χρήση ετικετών

Το AWS Budgets είναι ένας εξαιρετικός τρόπος για να παρέχετε έγκαιρη προειδοποίηση εάν οι δαπάνες αυξηθούν απροσδόκητα. Μπορείτε να δημιουργήσετε προσαρμοσμένους προϋπολογισμούς που σας ειδοποιούν όταν το κόστος και η χρήση ML υπερβαίνουν (ή προβλέπεται να υπερβούν) τα όρια που ορίζονται από τον χρήστη. Με τους προϋπολογισμούς AWS, μπορείτε να παρακολουθείτε το συνολικό μηνιαίο κόστος ML ή να φιλτράρετε τους προϋπολογισμούς σας για να παρακολουθείτε το κόστος που σχετίζεται με συγκεκριμένες ιδιότητες χρήσης. Για παράδειγμα, μπορείτε να ορίσετε το εύρος του προϋπολογισμού ώστε να περιλαμβάνει το κόστος πόρων του SageMaker με την ετικέτα cost-center: ML-Marketing, όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης. Για πρόσθετες διαστάσεις και λεπτομερείς οδηγίες σχετικά με τον τρόπο ρύθμισης των προϋπολογισμών AWS, ανατρέξτε στο εδώ.

Με ειδοποιήσεις προϋπολογισμού, μπορείτε να στείλετε ειδοποιήσεις όταν τα όρια του προϋπολογισμού σας υπερβαίνουν (ή πρόκειται να ξεπεραστούν). Αυτές οι ειδοποιήσεις μπορούν επίσης να αναρτηθούν σε ένα Υπηρεσία απλών ειδοποιήσεων Amazon (Amazon SNS) θέμα. Ενα AWS Lambda Στη συνέχεια, γίνεται επίκληση της συνάρτησης που εγγράφεται στο θέμα SNS και μπορούν να πραγματοποιηθούν οποιεσδήποτε ενέργειες υλοποιήσιμες μέσω προγραμματισμού.

Το AWS Budgets σάς επιτρέπει επίσης να ρυθμίσετε τις παραμέτρους δημοσιονομικές δράσεις, τα οποία είναι βήματα που μπορείτε να κάνετε όταν ξεπεραστεί ένα όριο προϋπολογισμού (πραγματικά ή προβλεπόμενα ποσά). Αυτό το επίπεδο ελέγχου σάς επιτρέπει να μειώσετε τις ακούσιες υπερβολικές δαπάνες στον λογαριασμό σας. Μπορείτε να διαμορφώσετε συγκεκριμένες απαντήσεις για το κόστος και τη χρήση στον λογαριασμό σας, οι οποίες θα εφαρμόζονται αυτόματα ή μέσω μιας διαδικασίας έγκρισης ροής εργασιών όταν έχει γίνει υπέρβαση ενός στόχου προϋπολογισμού. Αυτή είναι μια πραγματικά ισχυρή λύση για να διασφαλίσετε ότι οι δαπάνες σας για ML είναι συνεπείς με τους στόχους της επιχείρησης. Μπορείτε να επιλέξετε το είδος της ενέργειας που θα κάνετε. Για παράδειγμα, όταν ξεπεραστεί ένα όριο προϋπολογισμού, μπορείτε να μετακινήσετε συγκεκριμένους χρήστες IAM από δικαιώματα διαχειριστή σε μόνο για ανάγνωση. Για πελάτες που χρησιμοποιούν Οργανισμούς, μπορείτε να εφαρμόσετε ενέργειες σε μια ολόκληρη οργανική μονάδα μεταφέροντάς τους από διαχειριστή σε μόνο για ανάγνωση. Για περισσότερες λεπτομέρειες σχετικά με τον τρόπο διαχείρισης του κόστους χρησιμοποιώντας ενέργειες προϋπολογισμού, ανατρέξτε στο Πώς να διαχειριστείτε τις υπερβάσεις κόστους στο περιβάλλον πολλών λογαριασμών AWS – Μέρος 1.

Μπορείτε επίσης να δημιουργήσετε μια αναφορά για την παρακολούθηση της απόδοσης των υπαρχόντων προϋπολογισμών σας σε ημερήσιο, εβδομαδιαίο ή μηνιαίο ρυθμό και να παραδώσετε αυτήν την αναφορά σε έως και 50 διευθύνσεις ηλεκτρονικού ταχυδρομείου. Με Αναφορές AWS Budgets, μπορείτε να συνδυάσετε όλους τους προϋπολογισμούς που σχετίζονται με το SageMaker σε μια ενιαία αναφορά. Αυτή η δυνατότητα σάς δίνει τη δυνατότητα να παρακολουθείτε το αποτύπωμά σας στο SageMaker από μία τοποθεσία, όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης. Μπορείτε να επιλέξετε να λαμβάνετε αυτές τις αναφορές σε ημερήσιο, εβδομαδιαίο ή μηνιαίο ρυθμό (έχω επιλέξει Εβδομαδιαίος για αυτό το παράδειγμα) και επιλέξτε την ημέρα της εβδομάδας που θέλετε να τα λάβετε.

Αυτή η δυνατότητα είναι χρήσιμη για να διατηρείτε τους ενδιαφερόμενους φορείς ενημερωμένους σχετικά με το κόστος και τη χρήση του SageMaker και να τους βοηθά να βλέπουν πότε οι δαπάνες δεν είναι σε τάση όπως αναμένεται.

Αφού ρυθμίσετε αυτήν τη διαμόρφωση, θα πρέπει να λάβετε ένα μήνυμα ηλεκτρονικού ταχυδρομείου παρόμοιο με το ακόλουθο.

Συμπέρασμα

Σε αυτήν την ανάρτηση, δείξαμε πώς μπορείτε να ρυθμίσετε τις ετικέτες κατανομής κόστους για το SageMaker και μοιραστήκαμε συμβουλές σχετικά με τις βέλτιστες πρακτικές προσθήκης ετικετών για το περιβάλλον και τους φόρτους εργασίας του SageMaker. Στη συνέχεια, συζητήσαμε διάφορες επιλογές αναφορών, όπως το Cost Explorer και το CUR, για να σας βοηθήσουμε να βελτιώσετε την προβολή των δαπανών σας σε ML. Τέλος, παρουσιάσαμε τους προϋπολογισμούς AWS και τη σύνοψη του προϋπολογισμού για να σας βοηθήσουμε να παρακολουθείτε τις δαπάνες ML του οργανισμού σας.

Για περισσότερες πληροφορίες σχετικά με την εφαρμογή και την ενεργοποίηση ετικετών κατανομής κόστους, βλ Ετικέτες κατανομής κόστους που καθορίζονται από το χρήστη.

Σχετικά με τους συγγραφείς

Σον Μόργκαν είναι αρχιτέκτονας λύσεων AI/ML στην AWS. Έχει εμπειρία στους τομείς των ημιαγωγών και της ακαδημαϊκής έρευνας και χρησιμοποιεί την εμπειρία του για να βοηθήσει τους πελάτες να επιτύχουν τους στόχους τους στο AWS. Στον ελεύθερο χρόνο του, ο Sean είναι ενεργός συνεργάτης και συντηρητής ανοιχτού κώδικα και είναι ο επικεφαλής της ομάδας ειδικών συμφερόντων για τα πρόσθετα TensorFlow.

Μπρεντ Ραμπόφσκι επικεντρώνεται στην επιστήμη των δεδομένων στο AWS και αξιοποιεί την εμπειρία του για να βοηθήσει τους πελάτες της AWS με τα δικά τους έργα επιστήμης δεδομένων.

Nilesh Shetty είναι Ανώτερος Τεχνικός Διευθυντής Λογαριασμού στην AWS, όπου βοηθά τους πελάτες υποστήριξης επιχειρήσεων να βελτιστοποιήσουν τις λειτουργίες τους στο cloud στο AWS. Είναι παθιασμένος με τη μηχανική μάθηση και έχει εμπειρία ως σύμβουλος, αρχιτέκτονας και προγραμματιστής. Εκτός δουλειάς, του αρέσει να ακούει μουσική και να παρακολουθεί αθλήματα.

Τζέιμς Γου είναι Senior AI/ML Specialist Solution Architect στο AWS. βοηθώντας τους πελάτες να σχεδιάσουν και να δημιουργήσουν λύσεις AI/ML. Το έργο του James καλύπτει ένα ευρύ φάσμα περιπτώσεων χρήσης ML, με πρωταρχικό ενδιαφέρον για την όραση υπολογιστών, τη βαθιά μάθηση και την κλιμάκωση της ML σε όλη την επιχείρηση. Πριν από την ένταξή του στην AWS, ο James ήταν αρχιτέκτονας, προγραμματιστής και ηγέτης τεχνολογίας για περισσότερα από 10 χρόνια, συμπεριλαμβανομένων 6 ετών στη μηχανική και 4 ετών σε βιομηχανίες μάρκετινγκ και διαφήμισης.