本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Amazon SageMaker AI 创建的追踪实体
<a name="lineage-tracking-auto-creation"></a>

如果有数据， SageMaker Amazon SageMaker AI 会自动为 AI 任务、模型、模型包和终端节点创建跟踪实体。 SageMaker AI 创建的血统实体的数量没有限制。

有关如何手动创建跟踪实体的信息，请参阅[手动创建跟踪实体](lineage-tracking-manual-creation.md)。

**Topics**
+ [为 SageMaker AI 作业跟踪实体](#lineage-tracking-auto-creation-jobs)
+ [模型包的跟踪实体](#lineage-tracking-auto-creation-model-package)
+ [端点的跟踪实体](#lineage-tracking-auto-creation-endpoint)

## 为 SageMaker AI 作业跟踪实体
<a name="lineage-tracking-auto-creation-jobs"></a>

SageMaker AI 会为每个 A SageMaker I 作业创建一个试用组件并与之关联。 SageMaker AI 会创建工件来跟踪任务元数据以及每个工件与作业之间的关联。

项目是为以下任务属性创建的，并与 A SageMaker I 任务的 Amazon 资源名称 (ARN) 相关联。构件 `SourceUri` 列在括号中。

**训练作业**
+ 包含训练算法的映像 (`TrainingImage`)。
+ 每个输入通道的数据源 (`S3Uri`)。
+ 模型的位置 (`S3OutputPath)`)。
+ 托管 Spot 检查点数据的位置 (`S3Uri`)。

**处理作业**
+ 处理作业要运行的容器 (`ImageUri`)。
+ 每个处理输入和处理输出的数据位置 (`S3Uri`)。

**转换作业**
+ 要转换的输入数据源 (`S3Uri`)。
+ 转换的结果 (`S3OutputPath`)。

**注意**  
[CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)例如，亚马逊简单存储服务 (Amazon S3) Simple Service 项目是根据提供给创建 API 的 Amazon S3 URI 值进行跟踪的，而不是根据每个文件的 Amazon S3 密钥和哈希值或 etag 值进行跟踪。

## 模型包的跟踪实体
<a name="lineage-tracking-auto-creation-model-package"></a>

创建了以下实体：

**模型包**
+ 每个模型包组的上下文。
+ 每个模型包的构件。
+ 每个模型包构件与该包所属的每个模型包组上下文之间的关联。
+ 用于创建模型包版本的操作。
+ 模型包构件和创建操作之间的关联。
+ 模型包构件与包所属的每个模型包组上下文之间的关联。
+ 推理容器
  + 模型包中定义的每个容器中使用的映像的构件。
  + 每个容器中使用的模型的构件。
  + 每个构件和模型包构件之间的关联。
+ 算法
  + 模型包中定义的每个算法的构件。
  + 每个算法创建的模型的工件。
  + 每个构件和模型包构件之间的关联。

## 端点的跟踪实体
<a name="lineage-tracking-auto-creation-endpoint"></a>

以下实体由 Amazon A SageMaker I 创建：

**端点**
+ 每个端点的上下文
+ 创建每个端点的模型部署的操作
+ 部署到端点的每个模型的构件
+ 模型中使用的映像的构件
+ 模型的模型包的构件
+ 部署到端点的每个映像的构件
+ 每个构件与模型部署操作之间的关联