翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# 追跡エンティティを手動で作成する
<a name="lineage-tracking-manual-creation"></a>

任意のプロパティの追跡エンティティを手動で作成して、モデルガバナンスを確立し、ワークフローを再現して、作業履歴の記録を保持することができます。Amazon SageMaker AI が自動作成する追跡エンティティの詳細については、「[Amazon SageMaker AI 作成の追跡エンティティ](lineage-tracking-auto-creation.md)」を参照してください。次のチュートリアルでは、SageMaker トレーニングジョブとエンドポイント間でアーティファクトを手動で作成して関連付けて、ワークフローを追跡するために必要なステップを示します。

関連付けを除くすべてのエンティティにタグを追加できます。タグはカスタム情報を提供する任意のキーと値のペアです。タグを基準にしたリストのフィルターや並べ替え、検索クエリを実行できます。詳細については、[『』の AWS 「リソースのタグ付け](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)」を参照してください*AWS 全般のリファレンス*。

リネージエンティティの作成方法を紹介するサンプルノートブックについては、「[Amazon SageMaker サンプル GitHub レポジトリ](https://github.com/awslabs/amazon-sagemaker-examples)」の [Amazon SageMaker AI リネージ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-lineage)ノートブックを参照してください。

**Topics**
+ [エンティティを手動で作成する](#lineage-tracking-manual-create)
+ [ワークフローを手動で追跡する](#lineage-tracking-manual-track)
+ [制限](#lineage-tracking-manual-track-limits)

## エンティティを手動で作成する
<a name="lineage-tracking-manual-create"></a>

この手順では、SageMaker AI トレーニングジョブとエンドポイントの間にアーティファクトを作成して関連付ける方法を説明します。以下のステップを実行します。

**追跡エンティティと関連付けをインポートする**

1. 系統追跡エンティティをインポートします。

   ```
   import sys
   !{sys.executable} -m pip install -q sagemaker
   
   from sagemaker import get_execution_role
   from sagemaker.session import Session
   from sagemaker.lineage import context, artifact, association, action
   
   import boto3
   boto_session = boto3.Session(region_name=region)
   sagemaker_client = boto_session.client("sagemaker")
   ```

1. 入力および出力のアーティファクトを作成します。

   ```
   code_location_arn = artifact.Artifact.create(
       artifact_name='source-code-location',
       source_uri='s3://...',
       artifact_type='code-location'
   ).artifact_arn
   
   # Similar constructs for train_data_location_arn and test_data_location_arn
   
   model_location_arn = artifact.Artifact.create(
       artifact_name='model-location',
       source_uri='s3://...',
       artifact_type='model-location'
   ).artifact_arn
   ```

1. モデルをトレーニングし、トレーニングジョブを表す `trial_component_arn` を取得します。

1. 入力アーティファクトおよび出力アーティファクトをトレーニングジョブ (トライアルコンポーネント) に関連付けます。

   ```
   input_artifacts = [code_location_arn, train_data_location_arn, test_data_location_arn]
   for artifact_arn in input_artifacts:
       try:
           association.Association.create(
               source_arn=artifact_arn,
               destination_arn=trial_component_arn,
               association_type='ContributedTo'
           )
       except:
           logging.info('association between {} and {} already exists', artifact_arn, trial_component_arn)
   
   output_artifacts = [model_location_arn]
   for artifact_arn in output_artifacts:
       try:
            association.Association.create(
               source_arn=trial_component_arn,
               destination_arn=artifact_arn,
               association_type='Produced'
           )
       except:
           logging.info('association between {} and {} already exists', artifact_arn, trial_component_arn)
   ```

1. 推論エンドポイントを作成します。

   ```
   predictor = mnist_estimator.deploy(initial_instance_count=1,
                                        instance_type='ml.m4.xlarge')
   ```

1. エンドポイントのコンテキストを作成します。

   ```
   from sagemaker.lineage import context
   
   endpoint = sagemaker_client.describe_endpoint(EndpointName=predictor.endpoint_name)
   endpoint_arn = endpoint['EndpointArn']
   
   endpoint_context_arn = context.Context.create(
       context_name=predictor.endpoint_name,
       context_type='Endpoint',
       source_uri=endpoint_arn
   ).context_arn
   ```

1. トレーニングジョブ (トライアルコンポーネント) とエンドポイントのコンテキストを関連付けます。

   ```
   association.Association.create(
       source_arn=trial_component_arn,
       destination_arn=endpoint_context_arn
   )
   ```

## ワークフローを手動で追跡する
<a name="lineage-tracking-manual-track"></a>

前のセクションで作成したワークフローは、手動で追跡できます。

前のサンプルのエンドポイントの Amazon リソースネーム (ARN) を前提として、以下の手順では、エンドポイントにデプロイされたモデルのトレーニングに使用されたデータセットまでワークフローを追跡する方法を説明します。以下のステップを実行します。

**エンドポイントからトレーニングデータソースまでのワークフローを追跡するには**

1. 追跡エンティティをインポートします。

   ```
   import sys
   !{sys.executable} -m pip install -q sagemaker
   
   from sagemaker import get_execution_role
   from sagemaker.session import Session
   from sagemaker.lineage import context, artifact, association, action
   
   import boto3
   boto_session = boto3.Session(region_name=region)
   sagemaker_client = boto_session.client("sagemaker")
   ```

1. エンドポイント ARN から、エンドポイントのコンテキストを取得します。

   ```
   endpoint_context_arn = sagemaker_client.list_contexts(
       SourceUri=endpoint_arn)['ContextSummaries'][0]['ContextArn']
   ```

1. トライアルコンポーネントとエンドポイントのコンテキストの間の関連付けからトライアルコンポーネントを取得します。

   ```
   trial_component_arn = sagemaker_client.list_associations(
       DestinationArn=endpoint_context_arn)['AssociationSummaries'][0]['SourceArn']
   ```

1. トライアルコンポーネントとエンドポイントのコンテキストの間の関連付けからトレーニングデータの場所のアーティファクトを取得します。

   ```
   train_data_location_artifact_arn = sagemaker_client.list_associations(
       DestinationArn=trial_component_arn, SourceType='Model')['AssociationSummaries'][0]['SourceArn']
   ```

1. トレーニングデータの場所のアーティファクトからトレーニングデータの場所を取得します。

   ```
   train_data_location = sagemaker_client.describe_artifact(
       ArtifactArn=train_data_location_artifact_arn)['Source']['SourceUri']
       print(train_data_location)
   ```

   レスポンス:

   ```
   s3://sagemaker-sample-data-us-east-2/mxnet/mnist/train
   ```

## 制限
<a name="lineage-tracking-manual-track-limits"></a>

関連付けは、エンティティ、実験、系統の間に作成できます。ただし、以下を除きます。
+ 2 つの実験エンティティ間には関連付けを作成できません。実験エンティティは、実験、トライアル、トライアルコンポーネントで構成されます。
+ 別の関連付けとの関連付けを作成できます。

既に存在するエンティティを作成しようとすると、エラーが発生します。

**手動で作成される系統エンティティの最大数**
+ アクション: 3,000
+ アーティファクト: 6,000
+ 関連付け: 6,000
+ コンテキスト: 500

Amazon SageMaker AI が自動的に作成するリネージエンティティの数に制限はありません。