기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Comprehend 엔드포인트 관리
Amazon Comprehend에서는 엔드포인트를 사용하여 사용자 지정 모델을 실시간 분류 또는 개체 감지에 사용할 수 있습니다. 엔드포인트를 생성한 후 비즈니스 요구 사항이 변함에 따라 엔드포인트를 변경할 수 있습니다. 예를 들어 엔드포인트 사용률을 모니터링하고 Auto Scaling을 적용하여 용량에 맞게 엔드포인트 프로비저닝을 자동으로 설정할 수 있습니다. 단일 보기에서 모든 엔드포인트를 관리할 수 있으며, 엔드포인트가 더 이상 필요하지 않을 경우 삭제하여 비용을 절감할 수 있습니다.
엔드포인트를 관리하려면 먼저 엔드포인트를 생성해야 합니다. 자세한 내용은 다음 절차를 참조하세요.
+ [사용자 지정 분류를 위한 엔드포인트 생성](custom-sync.md#create-endpoint)
+ [사용자 지정 개체 감지를 위한 엔드포인트 생성](detecting-cer-real-time.md#detecting-cer-real-time-create-endpoint)
**Topics**
+ [
# Amazon Comprehend 엔드포인트 개요
](manage-endpoints-overview.md)
+ [
# Amazon Comprehend 엔드포인트 사용
](using-endpoints.md)
+ [
# Amazon Comprehend 엔드포인트 모니터링
](manage-endpoints-monitor.md)
+ [
# Amazon Comprehend 엔드포인트 업데이트
](manage-endpoints-update.md)
+ [
# Amazon Comprehend Trusted Advisor 에서 사용
](manage-endpoints-trusted-advisor.md)
+ [
# Amazon Comprehend 엔드포인트 삭제
](manage-endpoints-delete.md)
+ [
# 엔드포인트를 사용한 Auto Scaling
](comprehend-autoscaling.md)
# Amazon Comprehend 엔드포인트 개요
Amazon Comprehend 콘솔의 엔드포인트 페이지는 엔드포인트에 대한 글로벌 보기를 제공합니다. 엔드포인트 개요 페이지에서는 모든 엔드포인트를 한 곳에서 확인하여 엔드포인트 사용량과 실제 리소스 사용량을 비교할 수 있습니다. 엔드포인트 페이지 오른쪽 상단에서 보려는 엔드포인트(모든 엔드포인트, 사용자 지정 분류자 엔드포인트 또는 사용자 지정 개체 엔드포인트)를 지정할 수 있습니다.
이 페이지에서 엔드포인트를 생성, 업데이트, 모니터링 및 삭제할 수 있습니다. 엔드포인트 개요 섹션에서 엔드포인트 목록, 엔드포인트가 호스팅하는 사용자 지정 모델, 생성 시간, 프로비저닝 처리량 및 엔드포인트 상태를 볼 수 있습니다. 엔드포인트 개요 테이블에서 특정 엔드포인트를 선택하면 엔드포인트 세부 정보가 표시됩니다.
또한 [AWS 비즈니스 지원](https://aws.amazon.com/premiumsupport/plans/business/) 또는 [AWS 기업 지원](https://aws.amazon.com/premiumsupport/plans/enterprise/) 고객은 엔드포인트에 고유한 Trusted Advisor 검사에 액세스할 수 있습니다. 자세한 내용은 [Amazon Comprehend Trusted Advisor 에서 사용](manage-endpoints-trusted-advisor.md)를 참조하세요. 검사 및 설명의 전체 목록은 [Trusted Advisor 모범 사례](https://aws.amazon.com/premiumsupport/technology/trusted-advisor/best-practice-checklist/)를 참조하세요.
엔드포인트 관리에 대한 자세한 내용은 다음 주제를 참조하세요.
+ [Amazon Comprehend 엔드포인트 사용](using-endpoints.md)
+ [Amazon Comprehend 엔드포인트 모니터링](manage-endpoints-monitor.md)
+ [Amazon Comprehend 엔드포인트 업데이트](manage-endpoints-update.md)
+ [Amazon Comprehend Trusted Advisor 에서 사용](manage-endpoints-trusted-advisor.md)
+ [Amazon Comprehend 엔드포인트 삭제](manage-endpoints-delete.md)
**중요**
실시간 사용자 지정 분류 비용은 설정한 처리량과 엔드포인트가 활성화된 시간을 기준으로 합니다. 엔드포인트를 더 이상 사용하지 않거나 장기간 사용하지 않는 경우 Auto Scaling 정책을 설정하여 비용을 절감해야 합니다. 또는 엔드포인트를 더 이상 사용하지 않는 경우 엔드포인트를 삭제하여 추가 비용이 발생하지 않도록 할 수 있습니다. 자세한 내용은 [엔드포인트를 사용한 Auto Scaling](comprehend-autoscaling.md)을 참조하십시오.
# Amazon Comprehend 엔드포인트 사용
사용자 지정 모델을 사용하여 실시간 분석을 실행할 엔드포인트를 생성합니다. 엔드포인트에는 사용자 지정 모델을 실시간 추론에 사용할 수 있는 관리형 리소스가 포함되어 있습니다.
Amazon Comprehend는 *추론 단위*(IU)를 사용하여 엔드포인트에 처리량을 할당합니다. IU는 초당 100자의 데이터 처리량을 나타냅니다. 엔드포인트에 최대 10개의 추론 단위를 프로비저닝할 수 있습니다. 엔드포인트를 업데이트하여 엔드포인트 처리량을 늘리거나 줄일 수 있습니다.
입력 문서에 반정형 문서나 이미지 파일이 포함된 경우 초당 100자의 처리량은 입력 파일에서 추출한 문자에 해당합니다. 엔드포인트에 프로비저닝하는 IU 수는 입력 문서의 문자 밀도에 따라 달라집니다.
[ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html) 및 [DetectEntities](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DetectEntities.html) API 응답에는 각 입력 페이지의 문자 수가 포함됩니다. 이 정보를 사용하여 원하는 처리량을 달성하기 위해 프로비저닝할 추론 단위의 수를 추정할 수 있습니다.
실시간 분석을 완료한 후에는 엔드포인트를 삭제하십시오. 활성 상태가 지속되면 엔드포인트에 대한 요금이 계속 청구되기 때문입니다. 추가 실시간 분석을 실행할 준비가 되면 다른 엔드포인트를 생성할 수 있습니다.
엔드포인트 비용에 대한 자세한 내용은 [Amazon Comprehend 요금](https://aws.amazon.com/comprehend/pricing/)을 참조하세요.
엔드포인트를 생성한 후 Amazon CloudWatch로 엔드포인트를 모니터링하고, 업데이트하여 추론 단위를 변경하거나, 더 이상 필요하지 않을 때는 삭제할 수 있습니다. 자세한 내용은 [Amazon Comprehend 엔드포인트 모니터링](manage-endpoints-monitor.md)를 참조하십시오.
# Amazon Comprehend 엔드포인트 모니터링
추론 단위(IUs. 엔드포인트 업데이트에 대한 자세한 내용은 [Amazon Comprehend 엔드포인트 업데이트](manage-endpoints-update.md)를 참조하세요.
Amazon CloudWatch 콘솔에서 엔드포인트 사용량을 모니터링하여 엔드포인트의 처리량을 가장 잘 조정하는 방법을 결정할 수 있습니다.
**CloudWatch로 엔드포인트 사용량 모니터링**
1. 에 로그인 AWS Management Console 하고 [CloudWatch 콘솔](https://console.aws.amazon.com/cloudwatch/)을 엽니다.
1. 왼쪽에서 **지표**를 선택하고 **모든 지표**를 선택합니다.
1. **모든 지표**에서 **Comprehend**를 선택합니다.
![\[Comprehend 패널을 보여주는 지표 페이지의 콘솔 표시.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/cloudwatch-metrics1.png)
1. CloudWatch 콘솔에는 **Comprehend** 지표의 차원이 표시됩니다. **EndpointArn** 차원을 선택합니다.
![\[EndpointArn 차원을 보여주는 Amazon Comprehend 지표 페이지의 콘솔 표시.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/cloudwatch-metrics2.png)
콘솔에는 각 엔드포인트에 대한 **ProvisionedInferenceUnits**, **RequestedInferenceUnits**, **ConsumedInferenceUnits** 및 **InferenceUtilization**이 표시됩니다.
![\[4가지 지표를 보여주는 CloudWatch 콘솔.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/cloudwatch-metrics3.png)
4개의 지표를 선택하고 **그래프로 표시된 지표** 탭으로 이동합니다.
1. **RequestedInferenceUnits** 및 **ConsumedInferenceUnits**의 통계 열을 **합계**로 설정합니다.
1. **InferenceUtilization**의 통계 열을 **합계**로 설정합니다.
1. **ProvisionedInferenceUnits**의 통계 열을 **평균**으로 설정합니다.
1. 모든 지표의 기간 열을 **1분**으로 변경합니다.
1. **InferenceUtilization**을 선택하고 화살표를 선택하여 별도의 **Y축**으로 이동합니다.
그래프를 분석할 준비가 되었습니다.
![\[그래프로 표시된 지표를 보여주는 콘솔 디스플레이입니다.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/graphed_metrics_endpoint.png)
CloudWatch 지표를 기반으로 엔드포인트의 처리량을 자동으로 조정하도록 Auto Scaling을 설정할 수도 있습니다. 엔드포인트에서 Auto Scaling 사용에 대한 자세한 내용은 [엔드포인트를 사용한 Auto Scaling](comprehend-autoscaling.md)을 참조하세요.
+ **ProvisionedInferenceUnits** -이 지표는 요청이 이루어진 시점의 평균 프로비저닝된 IUs 수를 나타냅니다.
+ **RequestedInferenceUnits** - 처리하도록 전송된 서비스에 제출된 각 요청의 사용량을 기반으로 합니다. 이는 처리하도록 전송된 요청을 조절(ConsumedInferenceUnits) 없이 실제로 처리된 요청과 비교하는 데 도움이 될 수 있습니다. 이 지표의 값은 처리하도록 전송된 문자 수를 1분 동안 처리할 수 있는 1단위 문자 수로 나누어 계산됩니다.
+ **ConsumedInferenceUnits** - 성공적으로 처리된(제한되지 않은) 서비스에 제출된 각 요청의 사용량을 기반으로 합니다. 이는 사용량을 프로비저닝된 IU와 비교할 때 유용할 수 있습니다. 이 지표의 값은 처리된 문자 수를 1IU에 대해 1분 동안 처리할 수 있는 문자 수로 나누어 계산합니다.
+ **InferenceUtilization** - 요청별로 내보내집니다. 이 값은 **ConsumedInferenceUnits**에 정의된 소비된 IU를 **ProvisionedInferenceUnits**로 나누고 100에 대한 백분율로 변환하여 계산합니다.
**참고**
모든 지표는 요청이 성공한 경우에만 내보내집니다. 요청이 제한적이거나 내부 서버 오류 또는 고객 오류로 인해 실패하는 경우 지표가 표시되지 않습니다.
# Amazon Comprehend 엔드포인트 업데이트
엔드포인트를 생성한 후에는 필요한 처리량 수준이 변경되거나 필요에 대한 첫 번째 추정치가 변경되는 경우가 많습니다. 이 경우 처리량을 늘리거나 줄이기 위해 엔드포인트를 업데이트해야 할 수 있습니다. 처리량은 엔드포인트를 프로비저닝한 추론 단위 수에 따라 결정됩니다. 각 추론 단위는 초당 최대 2개 문서에 대한 초당 100자의 처리량을 나타냅니다. 엔드포인트와 연결된 모델의 버전을 업데이트해야 할 수도 있습니다. 엔드포인트를 편집할 때 엔드포인트에 대해 다른 버전의 모델을 선택할 수 있습니다.
엔드포인트에 태그를 추가하여 체계적으로 정리하는 것도 유용할 수 있습니다. 엔드포인트를 업데이트하는 동안에도 이 작업을 수행할 수 있습니다. 엔드포인트에 대한 자세한 정보는 [리소스에 태그 지정](tagging.md)을 참조하세요.
**엔드포인트를 업데이트하려면(콘솔)**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) Amazon Comprehend 콘솔을 엽니다.
1. 왼쪽 메뉴에서 **엔드포인트**를 선택합니다.
1. **분류기** 목록에서 엔드포인트를 업데이트하려는 사용자 지정 모델의 이름을 선택하고 링크를 따라 이동합니다. 모델 세부 정보 페이지가 표시됩니다.
1. 모델 세부 정보 페이지에서 버전 세부 정보를 선택합니다. 엔드포인트 목록이 표시됩니다.
1. 엔드포인트의 엔드포인트 확인란을 선택합니다. 엔드포인트 표의 오른쪽 상단에서 **작업** 아이콘을 선택합니다.
1. **편집**을 선택합니다. 프로비저닝된 IU를 업데이트하고 태그를 편집할 수 있습니다.
1. 변경 내용을 저장합니다.
1. 엔드포인트가 프로비저닝되는 데 사용되는 추론 단위 수를 편집하려면 **편집**을 선택합니다.
1. 엔드포인트에 할당할 업데이트된 추론 단위 수를 입력합니다. 각 단위는 초당 100자의 처리량을 나타냅니다. 엔드포인트당 최대 10개의 추론 단위를 할당할 수 있습니다.
**참고**
엔드포인트 사용 비용은 운영 시간과 처리량(추론 단위 수 기준)을 기반으로 합니다. 따라서 추론 단위 수를 늘리면 운영 비용이 증가합니다. 자세한 내용은 [Amazon Comprehend 요금](https://aws.amazon.com/comprehend/pricing)을 참조하세요.
1. **엔드포인트 편집**을 선택합니다. 엔드포인트 세부 정보 페이지가 표시됩니다.
1. 페이지 상단의 브레드크럼에서 모델 이름을 선택하여 엔드포인트가 업데이트되고 있는지 확인합니다. 사용자 지정 모델 세부 정보 페이지에서 **엔드포인트** 목록으로 이동하여 엔드포인트 옆에 **업데이트**가 표시되는지 확인합니다. 업데이트가 완료되면 **준비**로 표시됩니다.
다음 예제에서는 AWS CLI에서 *UpdateEndpoint* 작업을 사용하는 방법을 보여줍니다.
다음은 Unix, Linux, macOS용 형식으로 지정된 예제입니다. Windows의 경우 각 줄의 끝에 있는 백슬래시(\$1) Unix 연속 문자를 캐럿(^)으로 바꿉니다.
```
aws comprehend update-endpoint \
--desired-inference-units updated number of inference units \
--desired-model-arn arn:aws:comprehend:region:account-id:model type/model name \
--desired-data-access-role-arn arn:aws:iam:account id:role/role name
--endpoint-arn arn:aws:comprehend:region:account id:endpoint/endpoint name
```
작업이 성공하면 Amazon Comprehend는 비어있는 HTTP 본문과 함께 HTTP 본문과 함께 HTTP 200 응답으로 응답합니다.
1. 엔드포인트에 연결된 사용자 지정 모델을 편집하려면 사용자 지정 모델 세부 정보 페이지에서 **엔드포인트** 목록으로 이동합니다.
1. 변경하려는 엔드포인트를 선택하고 **편집**을 선택합니다.
1. 엔드포인트 설정 페이지에서, 엔드포인트에 따라 **분류기 모델 선택** 또는 **인식기 모델 선택** 아래의 드롭다운에서 모델을 검색할 수 있습니다. 원하는 모델을 선택합니다.
1. **버전 선택** 아래에서 원하는 모델 버전을 검색할 수 있습니다. 버전을 선택합니다.
1. **엔드포인트 편집**을 선택하여 저장합니다.
# Amazon Comprehend Trusted Advisor 에서 사용
AWS Trusted Advisor 는 AWS 모범 사례에 따라 리소스를 프로비저닝하는 데 도움이 되는 권장 사항을 제공하는 온라인 도구입니다.
기본 또는 개발자 지원 플랜이 있는 경우 Trusted Advisor 콘솔을 사용하여 서비스 제한 범주의 모든 검사와 보안 범주의 6개 검사에 액세스할 수 있습니다. 비즈니스 또는 엔터프라이즈 지원 플랜이 있는 경우 Trusted Advisor 콘솔과 [AWS Support API](https://docs.aws.amazon.com/awssupport/latest/user/Welcome.html)를 사용하여 모든 Trusted Advisor 검사에 액세스할 수 있습니다.
Amazon Comprehend는 다음 Trusted Advisor 검사를 지원하여 고객이 실행 가능한 권장 사항을 제공하여 Amazon Comprehend 엔드포인트의 비용과 보안을 최적화할 수 있도록 지원합니다.
## Amazon Comprehend 사용률이 낮은 엔드포인트
**Amazon Comprehend 활용도가 낮은 엔드포인트** 검사는 엔드포인트의 처리량 구성을 평가합니다. 이 검사는 엔드포인트가 실시간 추론 요청에 대해 활성 상태로 사용되지 않을 때 경고합니다. 15일 이상 사용되지 않은 엔드포인트는 사용률이 낮은 것으로 간주됩니다. 모든 엔드포인트는 처리량 세트, 및 엔드포인트가 활성 상태인 기간 모두를 기준으로 요금이 발생합니다. 엔드포인트가 지난 15일 동안 사용되지 않은 경우, [애플리케이션 Autoscaling](https://docs.aws.amazon.com/autoscaling/application/userguide/what-is-application-auto-scaling.html)을 사용하여 리소스에 대한 조정 정책을 정의하는 것이 좋습니다. 지난 30일 동안 사용되지 않았고 Auto Scaling 정책이 정의된 엔드포인트의 경우 비동기 추론을 사용하거나 이를 삭제하는 것이 좋습니다. 이러한 검사 결과는 매일 한 번 자동으로 새로 고쳐지며 Trusted Advisor 콘솔의 **CostOptimization** 범주에서 확인할 수 있습니다.
**모든 엔드포인트의 사용률 상태와 해당 권장 사항을 보려면**
1. 에 로그인 AWS Management Console 하고 Trusted Advisor 콘솔을 엽니다.
1. 탐색 창에서 **CostOptimization** 검사 범주를 선택합니다.
1. 범주 페이지에서 각 검사 범주에 대한 요약을 봅니다.
+ **작업 권장(빨간색)** - 검사에 대한 작업을 Trusted Advisor 권장합니다.
+ **조사 권장(노란색)** – Trusted Advisor 가 검사 대상이 될 수 있는 문제를 감지합니다.
+ **감지된 문제 없음(녹색)** - 검사에 대한 문제를 감지 Trusted Advisor 하지 못합니다.
+ **제외된 항목(회색**) - 제외된 항목(예: 검사에서 무시할 리소스)이 있는 검사의 수입니다.
1. **Amazon Comprehend 사용률이 낮은 엔드포인트 검사**를 선택하여 검사 설명과 다음 세부 정보를 확인합니다.
+ **알림 기준** - 검사 상태가 변경될 때의 임계값을 설명합니다.
+ **권장 작업** - 이 검사에 권장되는 작업에 대해 설명합니다.
+ **리소스 테이블:** 엔드포인트 세부 정보와 권장 사항에 따른 각 상태를 나열한 표입니다.
1. 리소스 테이블에서 엔드포인트가 **지난 30일 동안 사용되지 않음**이란 경고로 인해 **조사 권장 사항**으로 플래그가 지정된 경우 Amazon Comprehend 콘솔의 엔드포인트 세부 정보 페이지로 이동할 수 있습니다.
+ 이 엔드포인트를 더 이상 사용하지 않으려면 **삭제**를 선택하십시오.
+ **삭제**를 다시 선택하여 삭제를 확인합니다. 사용자 지정 모델 세부 정보 페이지가 표시됩니다. 삭제한 엔드포인트 옆에 **삭제 중**이 표시되는지 확인합니다. 엔드포인트가 삭제되면 **엔드포인트** 목록에서 해당 엔드포인트가 제거됩니다.
1. Trusted Advisor 콘솔의 리소스 테이블에서 엔드포인트가 지난 15일 동안 사용되지 않아 **조사 권장** 상태로 플래그가 지정되고 AutoScaling이 비활성화된 경우 Amazon Comprehend 콘솔의 엔드포인트 세부 정보 페이지로 이동하여 엔드포인트를 조정할 수 있습니다.
+ 이 엔드포인트에 구성된 처리량을 줄이려면 **편집**을 클릭하십시오. 엔드포인트에 할당할 업데이트된 추론 단위 수를 입력한 다음 승인할 확인란을 선택한 다음 **엔드포인트 편집**을 선택합니다. 업데이트가 완료되면 상태가 **준비**로 표시됩니다.
+ 처리량 구성을 수동으로 조정하는 대신 엔드포인트에서 엔드포인트 프로비저닝을 자동으로 설정하려면 **애플리케이션 Autoscaling**을 사용하는 것이 좋습니다.
1. Trusted Advisor 콘솔의 리소스 테이블에서 **사용된 활성** 이유 때문에 엔드포인트에 **감지된 문제 없음** 상태로 플래그가 지정된 경우 엔드포인트가 실시간 추론 요청을 실행하는 데 적극적으로 사용되고 있으며 권장 조치가 없음을 의미합니다.
다음은 Trusted Advisor 콘솔의 CostOptimization 범주 보기를 보여주는 예시입니다.
![\[비용 최적화 검사 출력의 예입니다.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/TA_cost_optimization_new.png)
## Amazon Comprehend 엔드포인트 액세스 위험
**Amazon Comprehend 엔드포인트 액세스 위험** 검사는 기본 모델이 고객 관리형 키를 사용하여 암호화된 엔드포인트에 대한 AWS Key Management Service (AWS KMS) 키 권한을 평가합니다. 고객 관리형 키가 비활성화된 경우, 또는 Amazon Comprehend에 허용된 권한을 변경하기 위해 키 정책이 변경되면 엔드포인트 가용성에 영향이 있을 수 있습니다. 키가 비활성화된 경우 활성화하는 것이 좋습니다. 키 정책이 변경되었는데 엔드포인트를 계속 사용하려는 경우에는 키 정책을 업데이트하는 것이 좋습니다. 검사 결과는 하루 동안 여러 번 자동으로 새로 고침됩니다. 이 검사는 Trusted Advisor 콘솔의 **Fault Tolerance** 범주에서 확인할 수 있습니다.
**Amazon Comprehend 엔드포인트의 AWS KMS 키 상태를 보려면**
1. 에 로그인 AWS Management Console 하고 Trusted Advisor 콘솔을 엽니다.
1. 탐색 창에서 **FaultTolerance** 검사 범주를 선택합니다.
1. 범주 페이지에서 각 검사 범주에 대한 요약을 봅니다.
+ **작업 권장(빨간색)** - 검사에 대한 작업을 Trusted Advisor 권장합니다.
+ **조사 권장(노란색)** Trusted Advisor 가 검사 대상이 될 수 있는 문제를 감지합니다.
+ **감지된 문제 없음(녹색)** - 검사에 대한 문제를 감지 Trusted Advisor 하지 못합니다.
+ **제외된 항목(회색)** - 제외된 항목(예: 검사에서 무시할 리소스)이 있는 검사의 수입니다.
1. Amazon Comprehend 엔드포인트 액세스 위험 검사를 선택하면 검사 설명 및 다음 세부 정보를 볼 수 있습니다.
+ **알림 기준** - 검사 상태가 변경될 때의 임계값을 설명합니다.
+ **권장 작업** - 이 검사에 권장되는 작업에 대해 설명합니다.
+ **리소스 테이블:** KMS로 암호화된 엔드포인트 세부 정보와 권장 작업이 있는지 여부에 따라 각 엔드포인트의 상태를 나열하는 표입니다.
1. 리소스 테이블에서 엔드포인트에 **작업 권장** 상태로 플래그가 지정된 경우 KMS KeyId 열의 링크를 선택하면 해당 AWS KMS 키 페이지로 리디렉션됩니다.
+ 비활성화된 AWS KMS 키를 활성화하려면 **키 작업을** 선택하고 **활성화**를 선택합니다.
+ 키 상태가 **활성화됨**으로 나열된 경우 키 정책 섹션에서 **정책 보기로 전환**을 선택하여 키 정책을 업데이트하십시오. 키 정책 문서를 편집하여 Amazon Comprehend에 필요한 권한을 제공한 다음 **변경 사항 저장**을 선택합니다.
다음은 Trusted Advisor 콘솔의 FaultTolerance 범주 보기의 예입니다.
![\[내결함성 검사의 출력 예제입니다.\]](http://docs.aws.amazon.com/ko_kr/comprehend/latest/dg/images/TA_fault_tolerance_checks_new.png)
이러한 검사 및 결과는 AWS Support API의 Trusted Advisor 섹션을 참조하여 볼 수도 있습니다.
CloudWatch를 사용하여 경보를 설정하는 방법에 대한 자세한 내용은 [Trusted Advisor CloudWatch를 사용한 경보 생성](https://docs.aws.amazon.com/awssupport/latest/user/cloudwatch-metrics-ta.html)을 참조하세요. Trusted Advisor 모범 사례 검사의 전체 세트는 [AWS Trusted Advisor 모범 사례 체크리스트를 참조하세요.](https://aws.amazon.com/premiumsupport/technology/trusted-advisor/best-practice-checklist/)
# Amazon Comprehend 엔드포인트 삭제
엔드포인트가 더 이상 필요하지 않으면 비용이 발생하지 않도록 엔드포인트를 삭제해야 합니다. 필요할 때마다 **엔드포인트** 섹션에서 다른 엔드포인트를 쉽게 만들 수 있습니다.
**엔드포인트를 삭제하려면(콘솔)**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) Amazon Comprehend 콘솔을 엽니다.
1. 왼쪽 메뉴에서 **엔드포인트**를 선택합니다.
1. **엔드포인트 테이블**에서 삭제하려는 엔드포인트를 찾습니다. 검색을 하거나 모든 엔드포인트를 필터링하여 필요한 엔드포인트를 찾을 수 있습니다.
1. 삭제하려는 엔드포인트의 엔드포인트 확인란을 선택합니다. 엔드포인트 표의 오른쪽 상단에서 **작업** 아이콘을 선택합니다.
1. **삭제**를 선택합니다.
1. **삭제**를 다시 선택하여 삭제를 확인합니다. 엔드포인트 페이지가 표시됩니다. 삭제한 엔드포인트 옆에 **삭제 중**이 표시되는지 확인합니다. 엔드포인트가 삭제되면 **엔드포인트** 목록에서 해당 엔드포인트가 제거됩니다.
**엔드포인트를 삭제하려면(AWS CLI)**
다음 예제에서는 AWS CLI에서 *DeleteEndpoint* 작업을 사용하는 방법을 보여줍니다.
다음은 Unix, Linux, macOS용 형식으로 지정된 예제입니다. Windows의 경우 각 줄의 끝에 있는 백슬래시(\$1) Unix 연속 문자를 캐럿(^)으로 바꿉니다.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:region:account-id endpoint/endpoint name
```
작업이 성공하면 Amazon Comprehend는 비어있는 HTTP 본문과 함께 HTTP 본문과 함께 HTTP 200 응답으로 응답합니다.
# 엔드포인트를 사용한 Auto Scaling
문서 분류 엔드포인트 및 개체 인식기 엔드포인트에 프로비저닝된 추론 단위 수를 수동으로 조정하는 대신, Auto Scaling을 사용하여 용량에 맞게 엔드포인트 프로비저닝을 자동으로 설정할 수 있습니다.
Auto Scaling을 사용하여 엔드포인트에 프로비저닝된 추론 단위 수를 조정하는 방법은 두 가지입니다.
+ [대상 추적](targettracking.md): Auto Scaling을 설정하여 사용량에 따라 용량에 맞게 엔드포인트 프로비저닝을 조정합니다.
+ [예약된 크기 조정](ScheduledScaling.md): Auto Scaling을 설정하여 지정된 일정의 용량에 맞게 엔드포인트 프로비저닝을 조정합니다.
Auto Scaling은 AWS Command Line Interface ()를 통해서만 설정할 수 있습니다AWS CLI. Auto Scaling에 대한 자세한 내용은 [애플리케이션 Auto Scaling이란?](https://docs.aws.amazon.com/autoscaling/application/userguide/what-is-application-auto-scaling.html)을 참조하세요.
# 대상 추적
대상 추적을 사용하면 사용량에 따라 용량에 맞게 엔드포인트 프로비저닝을 조정할 수 있습니다. 사용 용량이 프로비저닝된 용량의 목표 백분율 내에 있도록 추론 단위 수가 자동으로 조정됩니다. 대상 추적을 사용하여 문서 분류 엔드포인트 및 개체 인식기 엔드포인트의 일시적인 사용 급증을 수용할 수 있습니다. 자세한 내용은 [애플리케이션 Auto Scaling의 대상 추적 조정 정책](https://docs.aws.amazon.com/autoscaling/application/userguide/application-auto-scaling-target-tracking.html)을 참조하세요.
**참고**
다음은 Unix, Linux, macOS용 형식으로 지정된 예제입니다. Windows의 경우 각 줄의 끝에 있는 백슬래시(\$1) Unix 연속 문자를 캐럿(^)으로 바꿉니다.
## 대상 추적 설정
엔드포인트에 대한 대상 추적을 설정하려면 AWS CLI 명령을 사용하여 확장 가능 대상을 등록한 다음 조정 정책을 생성합니다. 확장 가능 대상은 추론 단위를 엔드포인트 프로비저닝을 조정하는 데 사용되는 리소스로 정의하고, 조정 정책은 프로비저닝된 용량의 Auto Scaling을 제어하는 지표를 정의합니다.
**대상 추적을 설정하려면**
1. 확장 가능 대상을 등록합니다. 다음 예에서는 확장 가능 대상을 등록하여 최소 용량은 추론 단위 1개, 최대 용량은 추론 단위 2개로 엔드포인트 프로비저닝을 조정합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling register-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--min-capacity 1 \
--max-capacity 2
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling register-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--min-capacity 1 \
--max-capacity 2
```
1. 확장 가능 대상의 등록을 확인하려면 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling describe-scalable-targets \
--service-namespace comprehend \
--resource-id endpoint ARN
```
1. 조정 정책을 위한 대상 추적 구성을 생성하고 구성을 `config.json`이라는 파일에 저장합니다. 다음은 InferenceUtilization 지표를 70%로 유지하는 것을 대상으로 하는 문서 분류 엔드포인트에 대한 대상 추적 구성의 예입니다.
```
{
"TargetValue": 70,
"CustomizedMetricSpecification": {
"MetricName": "InferenceUtilization",
"Namespace": "MyNamespace",
"Dimensions": [
{
"Name": "EndpointArn",
"Value": "arn:aws:comprehend:region:account-id:document-classifier-endpoint/name"
}
],
"Statistic": "Sum",
"Unit": "Percent"
}
}
```
다음은 개체 인식기 엔드포인트의 예입니다.
```
{
"TargetValue": 70,
"CustomizedMetricSpecification": {
"MetricName": "InferenceUtilization",
"Namespace": "MyNamespace",
"Dimensions": [
{
"Name": "EndpointArn",
"Value": "arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name"
}
],
"Statistic": "Sum",
"Unit": "Percent"
}
}
```
1. 조정 정책을 생성합니다. 다음 예제에서는 `config.json` 파일에 정의된 대상 추적 구성을 기반으로 조정 정책을 생성합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling put-scaling-policy \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--policy-name TestPolicy \
--policy-type TargetTrackingScaling \
--target-tracking-scaling-policy-configuration file://config.json
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling put-scaling-policy \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--policy-name TestPolicy \
--policy-type TargetTrackingScaling \
--target-tracking-scaling-policy-configuration file://config.json
```
## 고려 사항
Comprehend 엔드포인트에서 대상 추적을 사용할 때는 다음 고려 사항이 적용됩니다.
+ 엔드포인트 지표는 성공적인 요청에 대해서만 내보내집니다. 내부 서버 오류 또는 고객 오류로 인해 제한되거나 실패한 요청에 대해서는 지표가 표시되지 않습니다.
+ 데이터 포인트가 누락되면 백업 CloudWatch 경보 상태가 로 변경됩니다`INSUFFICIENT_DATA `. 이 경우 Application Auto Scaling은 엔드포인트를 확장할 수 없습니다.
+ 지표 수학은 이러한 제한을 해결하는 데 도움이 될 수 있습니다. 예를 들어, 지표가 보고되지 않을 때 값 0을 사용하려면가 지표`m1`인 `FILL(m1,0)` 함수를 사용합니다. 구성을 테스트하여 예상대로 작동하는지 확인하는 것이 중요합니다. 추가 옵션은 [지표 수학을 사용하여 대상 추적 정책 생성을](https://docs.aws.amazon.com/autoscaling/application/userguide/application-auto-scaling-target-tracking-metric-math.html) 참조하세요.
## 대상 추적 제거
엔드포인트에 대한 대상 추적을 제거하려면 AWS CLI 명령을 사용하여 조정 정책을 삭제한 다음 확장 가능 대상의 등록을 취소합니다.
**대상 추적을 제거하려면**
1. 조정 정책을 삭제합니다. 다음 예제에서는 지정한 조정 정책을 삭제합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling delete-scaling-policy \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--policy-name TestPolicy \
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling delete-scaling-policy \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--policy-name TestPolicy
```
1. 확장 가능 목표의 등록을 취소합니다. 다음 예제는 지정된 확장 가능 대상의 등록을 취소합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling deregister-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling deregister-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits
```
# 예약된 크기 조정
예약된 조정을 사용하여 지정된 일정의 용량에 맞게 엔드포인트 프로비저닝을 조정할 수 있습니다. 예약된 조정은 특정 시간의 사용량 급증을 수용할 수 있도록 추론 단위 수를 자동으로 조정합니다. 문서 분류 엔드포인트 및 개체 인식기 엔드포인트에 예약된 조정을 사용할 수 있습니다. 예약된 조정에 대한 자세한 내용을 알아보려면 [애플리케이션 Auto Scaling의 예약된 조정](https://docs.aws.amazon.com/autoscaling/application/userguide/application-auto-scaling-scheduled-scaling.html)을 참조하세요.
**참고**
다음은 Unix, Linux, macOS용 형식으로 지정된 예제입니다. Windows의 경우 각 줄의 끝에 있는 백슬래시(\$1) Unix 연속 문자를 캐럿(^)으로 바꿉니다.
## 예약된 조정 설정
엔드포인트에 대해 예약된 조정을 설정하려면 AWS CLI 명령을 사용하여 확장 가능 대상을 등록한 다음 예약된 작업을 생성합니다. 확장 가능 대상은 추론 단위를 엔드포인트 프로비저닝을 조정하는 데 사용되는 리소스로 정의하고, 예정된 작업은 특정 시간의 프로비저닝된 용량의 Auto Scaling을 제어합니다.
**예약된 조정을 설정하려면**
1. 확장 가능 대상을 등록합니다. 다음 예에서는 확장 가능 대상을 등록하여 최소 용량은 추론 단위 1개, 최대 용량은 추론 단위 2개로 엔드포인트 프로비저닝을 조정합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling register-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--min-capacity 1 \
--max-capacity 2
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling register-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--min-capacity 1 \
--max-capacity 2
```
1. 예약된 작업을 생성합니다. 다음 예제에서는 최소 2개의 추론 단위와 최대 5개의 추론 단위를 사용하여 매일 12:00(UTC)에 프로비저닝된 용량을 자동으로 조정하는 예정된 작업을 생성합니다. 시간순 표현식 및 예약된 조정에 대한 자세한 내용은 [예약 표현식](https://docs.aws.amazon.com/AmazonCloudWatch/latest/events/ScheduledEvents.html)을 참조하세요.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling put-scheduled-action \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--scheduled-action-name TestScheduledAction \
--schedule "cron(0 12 * * ? *)" \
--scalable-target-action MinCapacity=2,MaxCapacity=5
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling put-scheduled-action \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--scheduled-action-name TestScheduledAction \
--schedule "cron(0 12 * * ? *)" \
--scalable-target-action MinCapacity=2,MaxCapacity=5
```
## 예약된 조정 제거
엔드포인트에 대해 예약된 조정을 제거하려면 AWS CLI 명령을 사용하여 예약된 작업을 삭제한 다음 확장 가능 대상의 등록을 취소합니다.
**예약된 조정을 제거하려면**
1. 예약된 작업을 삭제합니다. 다음 예제는 지정된 예약된 작업을 삭제합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling delete-scheduled-action \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits \
--scheduled-action-name TestScheduledAction
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling delete-scheduled-action \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits \
--scheduled-action-name TestScheduledAction
```
1. 확장 가능 목표의 등록을 취소합니다. 다음 예제는 지정된 확장 가능 대상의 등록을 취소합니다.
문서 분류 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling deregister-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:document-classifier-endpoint/name \
--scalable-dimension comprehend:document-classifier-endpoint:DesiredInferenceUnits
```
개체 인식기 엔드포인트의 경우 다음 AWS CLI 명령을 사용합니다.
```
aws application-autoscaling deregister-scalable-target \
--service-namespace comprehend \
--resource-id arn:aws:comprehend:region:account-id:entity-recognizer-endpoint/name \
--scalable-dimension comprehend:entity-recognizer-endpoint:DesiredInferenceUnits
```