本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 歷程追蹤實體
<a name="lineage-tracking-entities"></a>

追蹤實體會保留端對端機器學習工作流程中所有元素的表現形式。您可以使用此表現形式來建立模型控管、重現工作流程，以及維護工作歷程記錄。

在您建立 SageMaker AI 任務 (例如處理任務、訓練任務和批次轉換任務) 時，Amazon SageMaker AI 會自動為試用元件及其相關聯的試用和實驗建立追蹤實體。除了自動追蹤之外，您還可以[手動建立追蹤實體](lineage-tracking-manual-creation.md)，為工作流程中的自訂步驟建立模型。如需詳細資訊，請參閱[Studio Classic 中的 Amazon SageMaker Experiments](experiments.md)。

SageMaker AI 還會自動為工作流程中的其他步驟建立追蹤實體，以便您可以實現端對端的工作流程追蹤。如需詳細資訊，請參閱[Amazon SageMaker AI 建立的追蹤實體](lineage-tracking-auto-creation.md)。

您可以建立其他實體來補充 SageMaker AI 建立的實體。如需詳細資訊，請參閱[手動建立追蹤實體](lineage-tracking-manual-creation.md)。

SageMaker AI 會重複使用任何現有實體，而不是建立新實體。例如，只能有一個成品具有唯一的 `SourceUri`。

**查詢歷程的重要概念**
+ **歷程** - 追蹤機器學習 (ML) 工作流程中各個實體之間關係的中繼資料。
+ **查詢歷程** - 檢查歷程並探索實體之間關係的動作。
+ **歷程實體** - 組成歷程所的中繼資料元素。
+ **跨帳戶歷程** - 您的機器學習 (ML) 工作流程可能跨越多個帳戶。透過跨帳戶歷程，您可以設定多個帳戶，在共用實體資源之間自動建立歷程關聯。然後，查詢歷程甚至可以從共用帳戶傳回實體。

已定義下列追蹤實體：

**實驗實體**
+ [試用元件](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrialComponent.html) - 一個機器學習試用階段。包括處理工作、訓練工作和批次轉換工作。
+ [試用](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrial.html) - 試用元件的組合，通常會產生模型。
+ [實驗](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateExperiment.html) - 一組試用，通常著重於解決特定用例。

**歷程實體**
+ [試用元件](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrialComponent.html) - 代表歷程中的處理、訓練和轉換工作。也是實驗管理的一部分。
+ [內容](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateContext.html) - 提供其他追蹤或實驗實體的邏輯群組。從概念上講，實驗和試驗都屬於內容。有些範例是端點和模型套件。
+ [動作](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAction.html) - 代表動作或活動。一般而言，動作至少涉及一個輸入成品或輸出成品。例如，工作流程步驟和模型部署。
+ [成品](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateArtifact.html) - 代表 URI 可定址物件或資料。成品通常是試用元件或動作的輸入或輸出。例如，資料集 (S3 儲存貯體 URI) 或映像 (Amazon ECR 登錄檔路徑)。
+ [關聯](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AddAssociation.html) - 連結其他追蹤或實驗實體，例如訓練資料位置與訓練工作之間的關聯。

  關聯具有可選的 `AssociationType` 屬性。下列是每種類型的值與建議使用方式。SageMaker AI 對其使用方式沒有設下任何限制：
  + `ContributedTo` - 此來源對目標作出貢獻或對目標的啟用發揮作用。例如，訓練資料對訓練工作作出貢獻。
  + `AssociatedWith` - 此來源與目標連接。例如，核准工作流程與模型部署相關聯。
  + `DerivedFrom` - 目標是對此來源的修改。例如，處理工作的通道輸入摘要輸出是從原始輸入衍生出來的。
  + `Produced` - 目標是由此來源產生的。例如，訓練工作產生了模型成品。
  + `SameAs` - 在不同帳戶中使用相同的歷程實體。

**一般屬性**
+ **類型屬性**

  動作、成品和內容實體分別具有*類型*屬性 `ActionType`、`ArtifactType` 和 `ContextType`。此屬性是自訂字串，可以將有意義的資訊與實體相關聯，並用作清單 API 中的篩選器。
+ **來源屬性**

  動作、成品和內容實體具有 `Source` 屬性。此屬性提供實體所代表的基礎 URI。部分範例如下：
  + 來源為 `EndpointArn` 的 `UpdateEndpoint` 動作。
  + 來源為 `ImageUri` 之處理工作的映像成品。
  + 來源為 `EndpointArn` 的 `Endpoint` 內容。
+ **中繼資料屬性**

  動作和成品實體具有可選的 `Metadata` 屬性，可提供下列資訊：
  + `ProjectId` – 例如，模型所屬的 SageMaker AI MLOps 專案的 ID。
  + `GeneratedBy` - 例如，註冊模型套件版本的 SageMaker AI 管道執行。
  + `Repository` - 例如，包含演算法的儲存庫。
  + `CommitId` - 例如，演算法版本的遞交 ID。