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。

# 清理 MLflow 资源
<a name="mlflow-cleanup"></a>

我们建议您在不再需要时删除任何资源。您可以通过 Amazon SageMaker Studio 或使用删除追踪服务器 AWS CLI。您可以使用 AWS CLI 或直接在 AWS 控制台中删除其他资源，例如 Amazon S3 存储桶、IAM 角色和 IAM 策略。

**重要**  
在删除跟踪服务器本身之前，不要删除用于创建的 IAM 角色。否则，您将无法访问跟踪服务器。

## 停止追踪服务器
<a name="mlflow-cleanup-stop-server"></a>

我们建议在不再使用跟踪服务器时将其停止。您可以在 Studio 中停止跟踪服务器，也可以使用 AWS CLI。

### 使用 Studio 停止跟踪服务器
<a name="mlflow-cleanup-stop-server-ui"></a>

要在 Studio 中停止跟踪服务器：

1. 导航至 Studio。

1. **MLflow**在 Studio 用户界面的 “**应用程序**” 窗格中进行选择。

1. 在 “跟踪服务器” 窗格中找到您选择的**MLflow 跟踪服务器**。选择跟踪服务器窗格右角的**停止**图标。
**注意**  
如果跟踪服务器处于**关闭**状态，则会看到**开始**图标。如果跟踪服务器处于**打开**状态，则会看到**停止**图标。

### 使用停止跟踪服务器 AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

要使用停止跟踪服务器 AWS CLI，请使用以下命令：

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

要使用启动跟踪服务器 AWS CLI，请使用以下命令：

**注意**  
启动跟踪服务器可能需要 25 分钟。

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

## 删除跟踪服务器
<a name="mlflow-cleanup-delete-server"></a>

您可以在 Studio 或使用 AWS CLI完全删除跟踪服务器。

### 使用 Studio 删除跟踪服务器
<a name="mlflow-cleanup-delete-server-ui"></a>

在 Studio 中删除跟踪服务器：

1. 导航至 Studio。

1. **MLflow**在 Studio 用户界面的 “**应用程序**” 窗格中进行选择。

1. 在 “跟踪服务器” 窗格中找到您选择的**MLflow 跟踪服务器**。选择跟踪服务器窗格右角的垂直菜单图标。然后选择 **Delete**(删除)。

1. 选择**删除**确认删除。

![\[Studio 用户界面跟踪服务器窗格中MLflow 跟踪服务器卡片上的删除选项。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### 使用删除跟踪服务器 AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

使用 `DeleteMLflowTrackingServer` API 删除任何已创建的跟踪服务器。这可能需要一些时间。

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

要查看跟踪服务器的状态，请使用 `DescribeMLflowTrackingServer` API 并检查 `TrackingServerStatus`。

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

## 删除 Amazon S3 存储桶
<a name="mlflow-cleanup-delete-bucket"></a>

使用以下命令删除用作跟踪服务器构件存储的任何 Amazon S3 存储桶：

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

或者，您也可以直接在 AWS 控制台中删除与您的跟踪服务器关联的 Amazon S3 存储桶。有关更多信息，请参阅《Amazon S3 用户指南》**中的[删除存储桶](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html)。

## 删除已注册的模型
<a name="mlflow-cleanup-delete-bucket"></a>

您可以 MLflow 直接在 Studio 中删除使用创建的任何模型组和模型版本。有关更多信息，请参阅[删除模型组](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html)和[删除模型版本](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html)。

## 删除实验或运行
<a name="mlflow-cleanup-delete-experiments"></a>

您可以使用 S MLflow DK 删除实验或运行。
+ [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)