Journaux

Journaux des travaux

Vous pouvez intégrer des ressources de travaux au service Journalisation pour enregistrer les détails d'exécution de travail dans un journal personnalisé.

Les sorties standard (stdout) et d'erreur standard (stderr) de votre artefact de travail sont saisies et mises à disposition dans le journal personnalisé. Ces sorties ne sont pas disponibles pour le service de science des données. Nous vous recommandons vivement d'activer l'intégration de la journalisation pour les travaux, afin de déboguer les problèmes potentiels et de surveiller la progression de l'exécution des artefacts de travail.

Les messages sortants standard sont catégorisés sous le type "com.oraclecloud.datascience.jobrun.stdout", alors que les messages d'erreur standard le sont, sous le type "com.oraclecloud.datascience.jobrun.stderr". Pour les deux types, les métadonnées du journal incluent "source", qui est l'OCID de l'exécution de travail qui produit les messages.

Lorsque l'intégration de la journalisation est activée dans les configurations de journalisation des travaux, vous pouvez :

• Indiquer vos propres groupe de journaux et journal pour saisir les sorties d'exécution de travail. Vous pouvez configurer toutes les exécutions de travail pour qu'elles utilisent le même journal, mais nous ne le recommandons pas. Les messages de journal sont plus faciles à lire lorsque chaque exécution de travail produit son propre journal.

  Ou

• Fournir votre propre groupe de journaux, mais permettre au service Science des données de créer automatiquement des journaux personnalisés au début de chaque exécution de travail dans le groupe de journaux spécifié. Si la création automatique de journaux est activée, vous n'avez pas à configurer vous-même les journaux avant chaque exécution de travail. Le journal créé est nommé dans jobrun-<partial-jobrun-ocid>-logs, mais peut être modifié selon les besoins. Cela n'a pas d'incidence sur l'intégration de la journalisation à l'exécution de travail.

Pour l'un ou l'autre type de configuration de journalisation, le principal de ressource d'exécution de travail doit avoir des autorisations d'écriture dans vos journaux personnalisés.

Journaux de déploiement de modèle

Lorsque vous intégrez la journalisation pour les déploiements de modèle, des catégories de journaux d'accès et de prévision sont créées :

Journaux d'accès

La catégorie de journal d'accès est un journal personnalisé qui saisit des informations détaillées sur les demandes envoyées au point d'extrémité du modèle. Ces informations incluent l'heure de réception de la demande, les codes d'erreur, etc. Si vous rencontrez des problèmes avec votre déploiement de modèle, les journaux d'accès sont ceux que vous consulterez en premier lieu.

Les métadonnées saisies par les journaux d'accès au déploiement de modèle sont les suivantes :

logEmissionTime

Heure, en UTC, à laquelle le journal a été émis à partir du code.

message

Chemin d'accès à la demande.

modelLatency

Durée de traitement d'une demande sur le serveur de modèles en millisecondes.

opcRequestId

ID demande. Il s'agit de la même valeur requestId que celle extraite dans la réponse.

status

Code de statut de la réponse à la demande.

Par exemple, une entrée de journal d'accès pour le déploiement de modèle peut être :

"data": {
  "logEmissionTime": "2021-01-25T07:23:39.101Z",
  "message": "POST /predict 1.1",
  "modelLatency": 4.43,
  "opcRequestId": "0BC0860C17DC46D79A0A1A7B4F139829",
  "status": 200
}

Journaux de prédiction

Les journaux de prédiction proviennent de la journalisation (stdout et stderr) des appels effectués à l'exécution du code personnalisé dans les fichiers Python d'artefact de modèle. Les journaux de prédiction peuvent émettre des informations utiles sur le modèle et sont entièrement personnalisables. La configuration des journaux d'accès et de prédiction fait partie des actions créer et modifier.

Les métadonnées saisies par les journaux de prédiction de déploiement de modèle sont les suivantes :

MD_OCID

Valeur de l'OCID du déploiement de modèle.

level

Niveau de l'enregistreur automatique. Aussi appelé niveau de gravité du message du journal.

logEmissionTime

Heure, en UTC, à laquelle le journal a été émis à partir du code.

message

Message personnalisé émis à partir du code Python de l'artefact de modèle.

name

Nom de l'enregistreur automatique utilisé.

Par exemple, une entrée de journal de prédiction pour le déploiement de modèle peut être :

"data": {
      "MD_OCID": "ocid1.datasciencemodeldeployment.oc1.iad.amaaaaaav66vvniauqakarfnyvn6gd2qt4fjpv2ffdnrthqyhqpapevmmh6a",
      "level": "ERROR",
      "logEmissionTime": "2021-01-27T08:43:04.029Z",
      "message": "exception :: name 'function' is not defined",
      "name": "root"
    },

Vous pouvez créer deux journaux distincts pour la prédiction et l'accès ou utiliser le même pour les deux.