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

# Buat server pelacakan menggunakan AWS CLI
<a name="mlflow-create-tracking-server-cli"></a>

Anda dapat membuat server pelacakan menggunakan peny AWS CLI esuaian keamanan yang lebih terperinci.

## Prasyarat
<a name="mlflow-create-tracking-server-cli-prereqs"></a>

Untuk membuat server pelacakan menggunakan AWS CLI, Anda harus memiliki yang berikut:
+ **Akses ke terminal. **Ini dapat mencakup IDE lokal, instans Amazon EC2, atau AWS CloudShell.
+ **Akses ke lingkungan pengembangan. ** Ini dapat mencakup IDE lokal atau lingkungan notebook Jupyter dalam Studio atau Studio Classic.
+ ** AWS CLI Instalasi yang dikonfigurasi**. Untuk informasi selengkapnya, lihat Meng [ onfigurasi AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html). 
+ **Peran IAM dengan izin ** yang sesuai. Langkah-langkah berikut mengharuskan lingkungan Anda memiliki`iam:CreateRole`,`iam:CreatePolicy`,`iam:AttachRolePolicy`, dan `iam:ListPolicies` izin. Izin ini diperlukan pada peran yang digunakan untuk menjalankan langkah-langkah dalam panduan pengguna ini. Petunjuk dalam panduan ini membuat peran IAM yang digunakan sebagai peran eksekusi Server Pelacakan MLFlow sehingga dapat mengakses data di bucket Amazon S3 Anda. Selain itu, kebijakan dibuat untuk memberikan peran IAM pengguna yang berinteraksi dengan Server Pelacakan melalui izin MLFlow SDK untuk memanggil API MLFlow. Untuk informasi selengkapnya, lihat [ Memodifikasi kebijakan izin peran (konsol)](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-console.html#roles-modify_permissions-policy). 

  Jika menggunakan Notebook SageMaker Studio, perbarui peran layanan untuk profil pengguna Studio Anda dengan izin IAM ini. Untuk memperbarui peran layanan, navigasikan ke konsol SageMaker AI dan pilih domain yang Anda gunakan. Kemudian, di bawah domain, pilih profil pengguna yang Anda gunakan. Anda akan melihat peran layanan tercantum di sana. Arahkan ke konsol IAM, cari peran layanan di bawah Per ** an**, dan perbarui peran Anda dengan kebijakan yang memungkinkan`iam:CreateRole`,, `iam:CreatePolicy``iam:AttachRolePolicy`, dan `iam:ListPolicies` tindakan. 

## Penyiapan AWS CLI model
<a name="mlflow-create-tracking-server-cli-setup"></a>

Ikuti langkah-langkah baris perintah ini di dalam terminal AWS CLI untuk mengatur Amazon SageMaker AI dengan MLFlow.

1. Instal versi terbaru dari AWS CLI. Untuk informasi selengkapnya, lihat Meng [ instal atau memperbarui ke versi terbaru AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html) di Panduan *AWS CLI Pengguna*.

1. Verifikasi AWS CLI bahwa diinstal menggunakan perintah berikut: 

   ```
   aws sagemaker help
   ```

   Tek `q` an untuk keluar dari prompt.

   Untuk bantuan penyelesaian masalah, lihat [Memecahkan masalah penyiapan umum](mlflow-troubleshooting.md).

## Menyiapkan infrastruktur MLFlow
<a name="mlflow-create-tracking-server-cli-infra-setup"></a>

Bagian berikut menunjukkan cara mengatur Server Pelacakan MLFlow bersama dengan bucket Amazon S3 dan peran IAM yang diperlukan untuk server pelacakan.

### Buat Bucket S3
<a name="mlflow-infra-setup-s3-bucket"></a>

Di dalam terminal Anda, gunakan perintah berikut untuk membuat bucket Amazon S3 tujuan umum: 

**penting**  
Saat Anda menyediakan URI Amazon S3 untuk toko artefak Anda, pastikan bucket Amazon S3 Wilayah AWS sama dengan server pelacakan Anda. **Cross-regionpenyimpanan artefak tidak didukung**.

```
bucket_name={{bucket-name}}
region={{valid-region}}

aws s3api create-bucket \
  --bucket {{$bucket_name}} \
  --region {{$region}} \
  --create-bucket-configuration LocationConstraint={{$region}}
```

Outputnya akan serupa dengan yang berikut ini:

```
{
    "Location": "/{{bucket-name}}"
}
```

### Menyiapkan kebijakan kepercayaan IAM
<a name="mlflow-create-tracking-server-cli-trust-policy"></a>

Gunakan langkah-langkah berikut untuk membuat kebijakan kepercayaan IAM. Untuk informasi selengkapnya tentang peran dan kebijakan kepercayaan, lihat Persyaratan dan konsep [ peran ](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_terms-and-concepts.html) di Panduan *AWS Identity and Access Management Pengguna*.

1. Di dalam terminal Anda, gunakan perintah berikut untuk membuat file yang disebut`mlflow-trust-policy.json`.

   ```
   cat <<EOF > /tmp/{{mlflow-trust-policy.json}}
   {
        "Version": "2012-10-17",		 	 	 
        "Statement": [
            {
                "Effect": "Allow",
                "Principal": {
                    "Service": [                     
                         "sagemaker.amazonaws.com"
                    ]
                },
                "Action": "sts:AssumeRole"
            }
        ]
    }
   EOF
   ```

1. Di dalam terminal Anda, gunakan perintah berikut untuk membuat file yang disebut`custom-policy.json`.

   ```
   cat <<EOF > /tmp/custom-policy.json
   {
       "Version": "2012-10-17",		 	 	 
       "Statement": [
           {
               "Effect": "Allow",
               "Action": [
                   "s3:Get*",
                   "s3:Put*",
                   "sagemaker:AddTags",
                   "sagemaker:CreateModelPackageGroup",
                   "sagemaker:CreateModelPackage",
                   "sagemaker:DescribeModelPackageGroup",
                   "sagemaker:UpdateModelPackage",
                   "s3:List*"
               ],
               "Resource": "*"
           }
       ]
   }
   EOF
   ```

1. Gunakan file kebijakan kepercayaan untuk membuat peran. Kemudian, lampirkan kebijakan peran IAM yang memungkinkan MLFlow mengakses Amazon S3 dan SageMaker Model Registry dalam akun Anda. MLFlow harus memiliki akses ke Amazon S3 untuk penyimpanan artefak server pelacakan Anda dan SageMaker Model Registry untuk pendaftaran model otomatis. 
**catatan**  
Jika Anda memperbarui peran yang ada, gunakan perintah berikut sebagai gantinya:`aws iam update-assume-role-policy --role-name {{$role_name}} --policy-document {{file:///tmp/mlflow-trust-policy.json}}`.

   ```
   role_name={{role-name}}
   
   aws iam  create-role \
     --role-name {{$role_name}} \
     --assume-role-policy-document file:///tmp/{{mlflow-trust-policy.json}}
   
   aws iam put-role-policy \
     --role-name {{$role_name}} \
     --policy-name {{custom-policy}} \
     --policy-document file:///tmp/{{custom-policy.json
   }}
   role_arn=$(aws iam get-role --role-name  $role_name --query 'Role.Arn' --output text)
   ```

## Buat server pelacakan MLFlow
<a name="mlflow-create-tracking-server-cli-create"></a>

Di dalam terminal Anda, gunakan `create-mlflow-tracking-server` API untuk membuat server pelacakan Wilayah AWS sesuai pilihan Anda. Langkah ini bisa memakan waktu hingga 25 menit.

Anda dapat secara opsional menentukan ukuran server pelacakan Anda dengan parameter`--tracking-server-config`. Pilih antara`"Small"`,`"Medium"`, dan`"Large"`. Ukuran konfigurasi Server Pelacakan MLFlow default adalah`"Small"`. Anda dapat memilih ukuran tergantung pada proyeksi penggunaan server pelacakan seperti volume data yang dicatat, jumlah pengguna, dan frekuensi penggunaan. Untuk informasi selengkapnya, lihat [Ukuran Server Pelacakan MLFlow](mlflow.md#mlflow-create-tracking-server-sizes).

Perintah berikut membuat server pelacakan baru dengan pendaftaran model otomatis diaktifkan. Untuk menonaktifkan pendaftaran model otomatis, tentukan`--no-automatic-model-registration`. 

Setelah membuat server pelacakan Anda, Anda dapat meluncurkan UI MLFlow. Untuk informasi selengkapnya, lihat [Luncurkan UI MLFlow menggunakan URL yang telah ditandatangani sebelumnya](mlflow-launch-ui.md).

**catatan**  
Diperlukan waktu hingga 25 menit untuk menyelesaikan pembuatan server pelacakan. Jika server pelacakan membutuhkan waktu lebih dari 25 menit untuk dibuat, periksa apakah Anda memiliki izin IAM yang diperlukan. Untuk informasi selengkapnya tentang izin IAM, lihat[Menyiapkan izin IAM untuk MLFlow](mlflow-create-tracking-server-iam.md). Ketika Anda berhasil membuat server pelacakan, itu secara otomatis dimulai.

Saat Anda membuat server pelacakan, sebaiknya tentukan versi terbaru. Untuk informasi tentang versi yang tersedia, lihat[Pelacakan versi server](mlflow.md#mlflow-create-tracking-server-versions).

Secara default, server pelacakan yang dibuat adalah versi terbaru. Namun, sebaiknya selalu menentukan versi terbaru secara eksplisit karena API MLFlow yang mendasarinya dapat berubah.

```
ts_name={{tracking-server-name}}
region={{valid-region}}
version={{valid-version}}        


aws sagemaker create-mlflow-tracking-server \
 --tracking-server-name {{$ts_name}} \
 --artifact-store-uri s3://{{$bucket_name}} \
 --role-arn {{$role_arn}} \
 {{--automatic-model-registration}} \
 --region {{$region}} \
 --mlflow-version {{$version}}
```

Output harus serupa dengan yang berikut ini: 

```
{
    "TrackingServerArn": "arn:aws:sagemaker:{{region}}:{{123456789012}}:mlflow-tracking-server/{{tracking-server-name}}"
}
```

**penting**  
**Catat server pelacakan ARN untuk digunakan nanti. ** Anda juga akan membutuhkan langkah-langkah pembersihan. `$bucket_name`