# @aws-cdk/aws-sagemaker-alpha 中文文档

规范地址：https://npmcn.com/package/%40aws-cdk/aws-sagemaker-alpha/

版本：2\.275\.0-alpha\.0
npm 元数据更新时间：2026-10-26T19:18:12.358Z
中文译文更新时间：2026-11-07T14:46:54.973Z
软件包许可：Apache-2\.0

本文由上游 README 翻译，可能存在偏差，请结合原文核对 API、命令与配置。版权与许可归原作者所有。

原始 npm 页面：https://www.npmjs.com/package/%40aws-cdk/aws-sagemaker-alpha
原文对照：https://npmcn.com/package/%40aws-cdk/aws-sagemaker-alpha/?lang=original
项目主页：https://github.com/aws/aws-cdk
源码仓库：https://github.com/aws/aws-cdk

## 关键信息（来自 npm 元数据）

- 包体积（解压后）：821 kB，33 个文件
- 模块格式：CommonJS
- TypeScript 类型：包内自带
- Node.js 要求：\>= 20\.0\.0
- 运行依赖：0 个
- peer 依赖：constructs ^10\.5\.0，aws-cdk-lib ^2\.275\.0
- 首次发布：2022-11-18T03:42:42.200Z
- 最新版本发布：2026-10-26T19:18:12.129Z
- 近 30 天下载量：15294（2026-10-08 至 2026-11-06，npm 官方下载统计）
- 已发布版本数：302（近 12 个月 64 个）

## 中文简介

AWS: SageMaker 的 CDK 构造库

## 安装

```sh
npm install @aws-cdk/aws-sagemaker-alpha
```

也可以使用：`pnpm add @aws-cdk/aws-sagemaker-alpha`、`yarn add @aws-cdk/aws-sagemaker-alpha`、`bun add @aws-cdk/aws-sagemaker-alpha`

## README

# 亚马逊 SageMaker 构造库

* * *

![cdk-constructs: Experimental](https://img.shields.io/badge/cdk--constructs-experimental-important.svg?style=for-the-badge)

> 本单元中更高层次的构件的API是实验性的并正在积极开发中. 在今后任何版本中,它们都须作非背向相容的修改或去除。 这些是 不适用 [语义版本](https://semver.org/) 模型和断开的更改 在发行笔记中宣布. 这意味着虽然你可能使用它们,但可能需要更新 当更新到此软件包的更新版本时,您的源代码.

* * *

Amazon SageMaker向每个开发者和数据科学家提供建设、培训以及开发的能力 迅速部署机器学习模型. Amazon SageMaker是一个完全管理的服务,涵盖 整个机器学习工作流程来标记和准备您的数据,选择一个算法,训练 模型,调和和优化它用于部署,作出预测,并采取行动。 你们的模特儿都到了 生产速度快得多,努力少得多,成本更低.

## 型号

为了与亚马逊·塞克制作人一起创建机器学习模型 `Model` 构造。 这个构造 包括可用于定义模型组件的属性,包括模型推论 代码作为多克图像和一组单独的模型数据文物。 见 [自动取款机 文档](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-marketplace-develop.html) 学习更多关于SageMaker模型.

### 单一集装箱模型

如果单个容器足以进行推断,则可以定义一个 单容器模型 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';
import * as path from 'path';

const image = sagemaker.ContainerImage.fromAsset(path.join('path', 'to', 'Dockerfile', 'directory'));
const modelData = sagemaker.ModelData.fromAsset(path.join('path', 'to', 'artifact', 'file.tar.gz'));

const model = new sagemaker.Model(this, 'PrimaryContainerModel', {
  containers: [
    {
      image: image,
      modelData: modelData,
    }
  ]
});
```

### 推论管道模型

推导管是一种亚马逊SageMaker模型,由多相的线性序列组成 处理数据推断请求的容器。 见 [自动取款机 文档](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html) 学习 更多关于SageMaker推断管道。 为了定义推论管道,你可以提供 您的型号的额外容器 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const image1: sagemaker.ContainerImage;
declare const modelData1: sagemaker.ModelData;
declare const image2: sagemaker.ContainerImage;
declare const modelData2: sagemaker.ModelData;
declare const image3: sagemaker.ContainerImage;
declare const modelData3: sagemaker.ModelData;

const model = new sagemaker.Model(this, 'InferencePipelineModel', {
  containers: [
    { image: image1, modelData: modelData1 },
    { image: image2, modelData: modelData2 },
    { image: image3, modelData: modelData3 }
  ],
});
```

### 模型属性

#### 网络隔离

如果您启用 [网络隔离](https://docs.aws.amazon.com/sagemaker/latest/dg/mkt-algo-model-internet-free.html),容器无法发出任何外出网络呼叫,甚至无法向亚马逊S3等其他AWS服务. 此外,没有向集装箱运行时间环境提供AWS证书.

为了实现网络隔离,设置 `networkIsolation` 属性改为 `true`数字 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const image: sagemaker.ContainerImage;
declare const modelData: sagemaker.ModelData;

const model = new sagemaker.Model(this, 'ContainerModel', {
  containers: [
    {
      image,
      modelData,
    }
  ],
  networkIsolation: true,
});
```

### 容器图像

推论代码可以储存在亚马逊EC2集装箱登记簿(Amazon ECR)中,该登记簿是指定的 通过 `ContainerDefinition`是因为 `image` 属性,该属性接受扩展的类 `ContainerImage` 抽象基础课.

#### 资产图像

引用包含 Docker 文件的本地目录 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';
import * as path from 'path';

const image = sagemaker.ContainerImage.fromAsset(path.join('path', 'to', 'Dockerfile', 'directory'));
```

#### ECR 图像

引用 ECR 中可用的图像 :

```typescript
import * as ecr from 'aws-cdk-lib/aws-ecr';
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

const repository = ecr.Repository.fromRepositoryName(this, 'Repository', 'repo');
const image = sagemaker.ContainerImage.fromEcrRepository(repository, 'tag');
```

#### DLC 图像

参考深层学习容器图像 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

const repositoryName = 'huggingface-pytorch-training';
const tag = '1.13.1-transformers4.26.0-gpu-py39-cu117-ubuntu20.04';

const image = sagemaker.ContainerImage.fromDlc(repositoryName, tag);
```

### 型号活体

如果你选择从你的推论代码中解开你的模型文物(这是自然的) 推论代码和模型文物之间的变化率不同,这些文物可以是: 通过 `modelData` 属性,该属性接受扩展的类 `ModelData` 抽象 基础课。 默认是没有模型文物与模型相关.

#### 资产模型数据

引用本地模型数据 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';
import * as path from 'path';

const modelData = sagemaker.ModelData.fromAsset(path.join('path', 'to', 'artifact', 'file.tar.gz'));
```

#### S3 模型数据

将一个S3桶和物件键作为模型的文物:

```typescript
import * as s3 from 'aws-cdk-lib/aws-s3';
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

const bucket = new s3.Bucket(this, 'MyBucket');
const modelData = sagemaker.ModelData.fromBucket(bucket, 'path/to/artifact/file.tar.gz');
```

## 模式主机

Amazon SageMaker为模型部署提供模型托管服务. 亚马逊 SageMaker 提供 HTTPS 端点 : 您的机器学习模型可以提供推论 .

### 端点配置

通过使用 `EndpointConfig` 构造,您可以定义一组端点配置 用于提供一个或多个终点。 在此配置中,您可识别一个或多个模式 部署以及您想要提供 Amazon SageMaker 的资源。 您定义一个或多个 生产变体,每个变体都确定一个模型. 每个生产变体还描述了 您想要提供 Amazon SageMaker 的资源。 如果您正在托管多个模型, 您也会 指定一个变量加权,以指定要分配给每个模型的流量。 譬如说, 假设你想 托管两个型号,A和B, 你分配交通重量 2 对于型号A和1 b. Amazon SageMaker将三分之二的流量分配给A型模型,三分之一的流量分配给 模式B:

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const modelA: sagemaker.Model;
declare const modelB: sagemaker.Model;

const endpointConfig = new sagemaker.EndpointConfig(this, 'EndpointConfig', {
  instanceProductionVariants: [
    {
      model: modelA,
      variantName: 'modelA',
      initialVariantWeight: 2.0,
    },
    {
      model: modelB,
      variantName: 'variantB',
      initialVariantWeight: 1.0,
    },
  ]
});
```

#### 集装箱启动健康检查超时

您可以指定您推断容器的超时值, 以配置方式通过健康检查 页:1 `containerStartupHealthCheckTimeout` 属性。 当模型需要更长的时间,这个就有用了 初始化并避免过早健康检查失败 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const model: sagemaker.Model;

const endpointConfig = new sagemaker.EndpointConfig(this, 'EndpointConfig', {
  instanceProductionVariants: [
    {
      model: model,
      variantName: 'my-variant',
      containerStartupHealthCheckTimeout: cdk.Duration.minutes(5), // 5 minutes timeout
    },
  ]
});
```

超时值必须在60秒到1小时(3600秒)之间. 如未指明, Amazon SageMaker使用默认超时行为.

### 无服务器推论

Amazon SageMaker 无服务器 推论(英語:Introduction)是一种目的所建的推论选项,它使您易于部署并缩放ML模型. 无服务器端点会根据流量自动启动计算资源并进行大小调整,从而无需选择实例类型或管理缩放政策. 更多信息见 [SageMaker 无服务器推论](https://docs.aws.amazon.com/sagemaker/latest/dg/serverless-endpoints.html)。 。 。 .

要创建无服务器端点配置,请使用 `serverlessProductionVariant` 属性 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const model: sagemaker.Model;

const endpointConfig = new sagemaker.EndpointConfig(this, 'ServerlessEndpointConfig', {
  serverlessProductionVariant: {
    model: model,
    variantName: 'serverlessVariant',
    maxConcurrency: 10,
    memorySizeInMB: 2048,
    provisionedConcurrency: 5, // optional
  },
});
```

无服务器推论对于断断续续或无法预测的流量模式的工作量来说是理想的. 您可以配置 :

-   `maxConcurrency`: 最大同时援引(1-200)
-   `memorySizeInMB`: 1GB增量的内存分配(1024,2048,3072,4096,5120,或6144 MB)
-   `provisionedConcurrency`: 可选预武装能力来减少起冷

**说明**: 即使终点不是处理请求,提供货币也会产生费用。 只有在你需要尽可能地减少寒冷的起动时才使用.

您不能在同一端点配置中混合无服务器和实例变量 .

### 终点

当你从一个 `EndpointConfig`,亚马逊 SageMaker 启动 ML 计算 实例和部署配置中指定的模型。 来得到推断 模式,客户端应用程序向亚马逊 SageMaker 运行时 HTTPS 端点发送请求. 对于 有关API的更多信息,参见 [输入端点](https://docs.aws.amazon.com/sagemaker/latest/dg/API_runtime_InvokeEndpoint.html) API (英语). 定义终点至少需要相关的终点配置:

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const endpointConfig: sagemaker.EndpointConfig;

const endpoint = new sagemaker.Endpoint(this, 'Endpoint', { endpointConfig });
```

### 自动缩放

为了能够在生产变体上自动缩放,请使用 `autoScaleInstanceCount` 方法 :

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const model: sagemaker.Model;

const variantName = 'my-variant';
const endpointConfig = new sagemaker.EndpointConfig(this, 'EndpointConfig', {
  instanceProductionVariants: [
    {
      model: model,
      variantName: variantName,
    },
  ]
});

const endpoint = new sagemaker.Endpoint(this, 'Endpoint', { endpointConfig });
const productionVariant = endpoint.findInstanceProductionVariant(variantName);
const instanceCount = productionVariant.autoScaleInstanceCount({
  maxCapacity: 3
});
instanceCount.scaleOnInvocations('LimitRPS', {
  maxRequestsPerSecond: 30,
});
```

关于每例确定最大要求的负载测试指南,请参见 这个 [文档](https://docs.aws.amazon.com/sagemaker/latest/dg/endpoint-scaling-loadtest.html)。 。 。 .

### 计量

为监测生产变体的 " 云表 " 计量标准,使用一个或多个计量便利 方法:

```typescript
import * as sagemaker from '@aws-cdk/aws-sagemaker-alpha';

declare const endpointConfig: sagemaker.EndpointConfig;

const endpoint = new sagemaker.Endpoint(this, 'Endpoint', { endpointConfig });
const productionVariant = endpoint.findInstanceProductionVariant('my-variant');
productionVariant.metricModelLatency().createAlarm(this, 'ModelLatencyAlarm', {
  threshold: 100000,
  evaluationPeriods: 3,
});
```

## 常见问题

### @aws-cdk/aws-sagemaker-alpha 是什么？

AWS: SageMaker 的 CDK 构造库

### 如何安装 @aws-cdk/aws-sagemaker-alpha？

在项目目录运行 npm install @aws-cdk/aws-sagemaker-alpha，或使用 pnpm add / yarn add / bun add。它还需要宿主项目提供 peer 依赖：constructs（^10\.5\.0）、aws-cdk-lib（^2\.275\.0）。npm 7 及以上与 pnpm 8 及以上默认会自动安装必需的 peer 依赖，Yarn 需要手动安装。

### @aws-cdk/aws-sagemaker-alpha 支持 TypeScript 吗？

支持。包内自带 TypeScript 类型声明（package\.json 声明了 types 入口），安装后即可获得类型提示，无需再安装 @types 包。

### @aws-cdk/aws-sagemaker-alpha 支持 ESM 还是 CommonJS？

以 CommonJS 形式发布，可以直接 require\(\)；在 ES Module 项目中也可以用 import 引入（Node\.js 会把 module\.exports 作为默认导出）。

### @aws-cdk/aws-sagemaker-alpha 需要什么版本的 Node\.js？

package\.json 的 engines 字段要求 Node\.js \>= 20\.0\.0。版本不符时 npm 默认只给出警告，开启 engine-strict 后会拒绝安装。

### @aws-cdk/aws-sagemaker-alpha 可以商用吗？

@aws-cdk/aws-sagemaker-alpha 使用 Apache-2\.0 许可。宽松许可：允许商业使用、修改和再分发，并附带明确的专利授权；分发时需保留许可与 NOTICE 文件，修改过的文件要注明改动。以上为概括，不构成法律意见，请以许可原文为准。

### @aws-cdk/aws-sagemaker-alpha 的下载量有多少？

根据 npm 官方下载统计，@aws-cdk/aws-sagemaker-alpha 在 2026/10/08 – 2026/11/06 这 30 天内被下载 15,294 次，日均约 510 次。下载量会把 CI 构建、镜像同步和作为其他包依赖的安装一并计入，适合横向比较热度，不能直接等同于使用人数。

### @aws-cdk/aws-sagemaker-alpha 还在维护吗？

最新版本 2\.275\.0-alpha\.0 发布于 2026/10/27（12 天前）；至今共发布 302 个版本，其中过去 12 个月发布了 64 个；首次发布于 2022/11/18。发布频率只是参考信号：功能稳定的工具可能很少需要更新，建议结合源码仓库的 issue 和提交记录判断。