Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Bersihkan sumber daya MLFlow
<a name="mlflow-cleanup"></a>

Sebaiknya hapus sumber daya apa pun saat Anda tidak lagi membutuhkannya. Anda dapat menghapus server pelacakan melalui Amazon SageMaker Studio atau menggunakan AWS CLI. Anda dapat menghapus sumber daya tambahan seperti bucket Amazon S3, peran IAM, dan kebijakan IAM menggunakan AWS CLI atau langsung di AWS konsol.

**penting**  
Jangan hapus peran IAM yang telah Anda gunakan untuk membuat sampai Anda menghapus server pelacakan itu sendiri. Jika tidak, Anda akan kehilangan akses ke server pelacakan.

## Hentikan pelacakan server
<a name="mlflow-cleanup-stop-server"></a>

Sebaiknya hentikan server pelacakan Anda saat tidak lagi digunakan. Anda dapat menghentikan server pelacakan di Studio atau menggunakan AWS CLI.

### Menghentikan server pelacakan menggunakan Studio
<a name="mlflow-cleanup-stop-server-ui"></a>

Untuk menghentikan server pelacakan di Studio: 

1. Arahkan ke Studio.

1. Pilih ** MLFlow ** di ** panel ** Aplikasi UI Studio.

1. Temukan server pelacakan pilihan Anda di ** panel Server Pelacakan ** MLFlow. Pilih ** ikon ** Stop di sudut kanan panel server pelacakan.
**catatan**  
Jika server pelacakan Anda ** M ** ati, Anda akan melihat ** ikon ** Mulai. Jika server pelacakan ** aktif**, Anda akan melihat ** ikon ** Stop.

### Menghentikan server pelacakan menggunakan AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

Untuk menghentikan server pelacakan menggunakan AWS CLI, gunakan perintah berikut: 

```
aws sagemaker stop-mlflow-tracking-server \
  --tracking-server-name {{$ts_name}} \
  --region {{$region}}
```

Untuk memulai server pelacakan menggunakan AWS CLI, gunakan perintah berikut: 

**catatan**  
Mungkin diperlukan waktu hingga 25 menit untuk memulai server pelacakan Anda.

```
aws sagemaker start-mlflow-tracking-server \
  --tracking-server-name {{$ts_name}} \
  --region {{$region}}
```

## Hapus server pelacakan
<a name="mlflow-cleanup-delete-server"></a>

Anda dapat sepenuhnya menghapus server pelacakan di Studio atau menggunakan AWS CLI. 

### Menghapus server pelacakan menggunakan Studio
<a name="mlflow-cleanup-delete-server-ui"></a>

Untuk menghapus server pelacakan di Studio: 

1. Arahkan ke Studio.

1. Pilih ** MLFlow ** di ** panel ** Aplikasi UI Studio.

1. Temukan server pelacakan pilihan Anda di ** panel Server Pelacakan ** MLFlow. Pilih ikon menu vertikal di sudut kanan panel server pelacakan. Lalu, pilih **Hapus**. 

1. Pilih H ** apus ** untuk mengonfirmasi penghapusan.

![Opsi penghapusan pada kartu server pelacakan di panel Server Pelacakan MLFlow pada UI Studio.](https://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### Menghapus server pelacakan menggunakan AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

Gunakan `DeleteMLflowTrackingServer` API untuk menghapus server pelacakan yang Anda buat. Ini mungkin memakan waktu.

```
aws sagemaker delete-mlflow-tracking-server \
  --tracking-server-name {{$ts_name}} \
  --region {{$region}}
```

Untuk melihat status server pelacakan Anda, gunakan `DescribeMLflowTrackingServer` API dan periksa`TrackingServerStatus`. 

```
aws sagemaker describe-mlflow-tracking-server \
  --tracking-server-name {{$ts_name}} \
  --region {{$region}}
```

## Hapus bucket Amazon S3
<a name="mlflow-cleanup-delete-bucket"></a>

Hapus bucket Amazon S3 yang digunakan sebagai penyimpanan artefak untuk server pelacakan menggunakan perintah berikut:

```
aws s3 rm s3://$bucket_name --recursive
aws s3 rb s3://$bucket_name
```

Sebagai alternatif, Anda dapat menghapus bucket Amazon S3 yang terkait dengan server pelacakan Anda langsung di AWS konsol. Untuk informasi selengkapnya, lihat [ Menghapus bucket ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html) di Panduan Pengguna * Amazon S3*.

## Hapus model terdaftar
<a name="mlflow-cleanup-delete-bucket"></a>

Anda dapat menghapus grup model dan versi model yang dibuat dengan MLFlow langsung di Studio. Untuk informasi selengkapnya, lihat Mengh [ apus Grup Model ](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html) dan [ Menghapus Versi Model](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html).

## Hapus eksperimen atau jalankan
<a name="mlflow-cleanup-delete-experiments"></a>

Anda dapat menggunakan MLFlow SDK untuk menghapus eksperimen atau menjalankan.
+ [mlflow.delete\_experiment ](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_experiment)
+ [mlflow.delete\_run ](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_run)