Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# CloudWatch Log per Amazon AI SageMaker
<a name="logging-cloudwatch"></a>

Per aiutarti a eseguire il debug dei processi di compilazione, elaborazione, formazione, endpoint, processi di trasformazione, istanze di notebook e configurazioni del ciclo di vita delle istanze di notebook, tutto ciò che un contenitore di algoritmi, un contenitore di modelli o una configurazione del ciclo di vita delle istanze di notebook invia o viene inviato anche ad Amazon Logs. `stdout` `stderr` CloudWatch Oltre alle operazioni di debug, puoi adottare questo comportamento per l'analisi del progresso.

Per impostazione predefinita, i dati di log vengono archiviati in Logs a tempo indeterminato. CloudWatch Tuttavia, puoi configurare per quanto tempo archiviare i dati di log in un gruppo di log. Per informazioni, consulta [ Change Log Data Retention in CloudWatch Logs ](https://docs.aws.amazon.com/AmazonCloudWatch/latest/logs/Working-with-log-groups-and-streams.html#SettingLogRetention) nella * Amazon CloudWatch Logs User Guide*.

**Log**

La tabella seguente elenca tutti i log forniti da Amazon SageMaker AI.

**Log**



- **`/aws/sagemaker/CompilationJobs`**
  - `[compilation-job-name]`

- **`/aws/sagemaker/Endpoints/[EndpointName]`**
  - `[production-variant-name]/[instance-id]`
  - (Per endpoint di inferenza asincrona) `[production-variant-name]/[instance-id]/data-log`
  - (Per pipeline di inferenza) `[production-variant-name]/[instance-id]/[container-name provided in SageMaker AI model]`

- **`/aws/sagemaker/groundtruth/WorkerActivity`**
  - `aws/sagemaker/groundtruth/worker-activity/[requester-AWS-Id]-[region]/[timestamp]`

- **`/aws/sagemaker/InferenceRecommendationsJobs`**
  - `[inference-recommendations-job-name]/execution`
  - `[inference-recommendations-job-name]/CompilationJob/[compilation-job-name]`
  - `[inference-recommendations-job-name]/Endpoint/[endpoint-name]`

- **`/aws/sagemaker/LabelingJobs`**
  - `[labeling-job-name]`

- **`/aws/sagemaker/NotebookInstances`**
  - `[notebook-instance-name]/[LifecycleConfigHook]`
  - `[notebook-instance-name]/jupyter.log`

- **`/aws/sagemaker/ProcessingJobs`**
  - `[processing-job-name]/[hostname]-[epoch_timestamp]`

- **`/aws/sagemaker/studio`**
  - `[domain-id]/[user-profile-name]/[app-type]/[app-name]`
  - `[domain-id]/domain-shared/rstudioserverpro/default`

- **`/aws/sagemaker/TrainingJobs`**
  - `[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]`

- **`/aws/sagemaker/TransformJobs`**
  - `[transform-job-name]/[instance-id]-[epoch_timestamp]`
  - `[transform-job-name]/[instance-id]-[epoch_timestamp]/data-log`
  - `[transform-job-name]/[instance-id]-[epoch_timestamp]/[container-name provided in SageMaker AI model] (For Inference Pipelines)`



**Nota**  
1. Il flusso di log `/aws/sagemaker/NotebookInstances/[LifecycleConfigHook]` viene creato al momento della creazione di un'istanza del notebook con una configurazione del ciclo di vita. Per ulteriori informazioni, consulta [Personalizzazione di un'istanza del SageMaker notebook utilizzando uno script LCC](notebook-lifecycle-config.md).  
2. Per Inference Pipelines, se non fornisci i nomi dei contenitori, la piattaforma utilizza \*\*container-1, container-2\*\* e così via, corrispondenti all'ordine fornito nel modello AI. SageMaker 

Per ulteriori informazioni sulla registrazione degli eventi con registrazione, consulta What is Amazon Logs? CloudWatch [ CloudWatch ](https://docs.aws.amazon.com/AmazonCloudWatch/latest/logs/WhatIsCloudWatchLogs.html)nella * Amazon CloudWatch User Guide. *