기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# MLflow 리소스 정리
<a name="mlflow-cleanup"></a>

더 이상 필요하지 않은 리소스는 삭제하는 것이 좋습니다. Amazon SageMaker Studio 또는 AWS CLI를 사용하여 추적 서버를 삭제할 수 있습니다. 를 사용하거나 콘솔에서 AWS CLI 직접 Amazon S3 버킷, IAM 역할 및 IAM 정책과 같은 추가 리소스를 삭제할 수 있습니다 AWS .

**중요**  
추적 서버 자체를 삭제할 때까지 생성하는 데 사용한 IAM 역할을 삭제하지 마세요. 그렇지 않으면 추적 서버에 대한 액세스 권한이 상실됩니다.

## 추적 서버 중지
<a name="mlflow-cleanup-stop-server"></a>

추적 서버를 더 이상 사용하지 않을 때는 중지하는 것이 좋습니다. Studio에서 또는를 사용하여 추적 서버를 중지할 수 있습니다 AWS CLI.

### Studio를 사용하여 추적 서버 중지
<a name="mlflow-cleanup-stop-server-ui"></a>

Studio에서 추적 서버를 중지하려면,

1. Studio로 이동합니다.

1. Studio UI의 **애플리케이션** 창에서 **MLflow**를 선택합니다.

1. **MLflow 추적 서버 창에서 원하는 추적 서버**를 찾습니다. 추적 서버 창의 오른쪽 모서리에 있는 **중지** 아이콘을 선택합니다.
**참고**  
추적 서버가 **꺼짐**인 경우 **시작** 아이콘이 표시됩니다. 추적 서버가 **켜기**인 경우 **중지** 아이콘이 표시됩니다.

### 를 사용하여 추적 서버 중지 AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

를 사용하여 추적 서버를 중지하려면 다음 명령을 AWS CLI사용합니다.

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

를 사용하여 추적 서버를 시작하려면 다음 명령을 AWS CLI사용합니다.

**참고**  
추적 서버를 시작하는 데 최대 25분이 걸릴 수 있습니다.

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

## 추적 서버 삭제
<a name="mlflow-cleanup-delete-server"></a>

Studio 또는 AWS CLI를 사용하여 추적 서버를 완전히 삭제할 수 있습니다.

### Studio를 사용하여 추적 서버 삭제
<a name="mlflow-cleanup-delete-server-ui"></a>

Studio에서 추적 서버를 삭제하려면,

1. Studio로 이동합니다.

1. Studio UI의 **애플리케이션** 창에서 **MLflow**를 선택합니다.

1. **MLflow 추적 서버 창에서 원하는 추적 서버**를 찾습니다. 추적 서버 창의 오른쪽 모서리에 있는 세로 메뉴 아이콘을 선택합니다. 그런 다음 **삭제**를 선택합니다.

1. **삭제**를 선택하여 삭제를 확인합니다.

![\[Studio UI의 MLflow 추적 서버 창에 있는 추적 서버 카드의 삭제 옵션입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### 를 사용하여 추적 서버 삭제 AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

`DeleteMLflowTrackingServer` API를 사용하여 생성한 추적 서버를 삭제합니다. 시간이 걸릴 수 있습니다.

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

추적 서버의 상태를 보려면 `DescribeMLflowTrackingServer` API를 사용하고 `TrackingServerStatus`를 확인합니다.

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

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

다음 명령을 사용하여 추적 서버의 아티팩트 스토어로 사용되는 Amazon S3 버킷을 삭제합니다.

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

또는 AWS 콘솔에서 직접 추적 서버와 연결된 Amazon S3 버킷을 삭제할 수 있습니다. 자세한 내용을 알아보려면 *Amazon S3 사용 설명서*의 [버킷 삭제](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html)를 참조하세요.

## 등록된 모델 삭제
<a name="mlflow-cleanup-delete-bucket"></a>

MLflow로 생성된 모든 모델 그룹 및 모델 버전을 Studio에서 직접 삭제할 수 있습니다. 자세한 내용은 [모델 그룹 삭제](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html) 및 [모델 버전 삭제](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html)를 참조하세요.

## 실험 또는 실행 삭제
<a name="mlflow-cleanup-delete-experiments"></a>

MLflow SDK를 사용하여 실험 또는 실행을 삭제할 수 있습니다.
+ [mlflow.delete\$1experiment](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_experiment)
+ [mlflow.delete\$1run](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_run)