如何监控Amazon SageMaker Notebook实例的启停次数及使用时长

方法1：利用CloudTrail + CloudWatch Logs Insights #

CloudTrail会捕获SageMaker Notebook实例的所有API操作事件，结合CloudWatch Logs Insights可直接查询统计数据。

操作步骤： #

1. 确保已开启CloudTrail，并将日志交付到CloudWatch Logs日志组。
2. 打开CloudWatch控制台，进入Logs Insights，选择对应CloudTrail日志组。
3. 使用以下查询语句提取所需数据：

统计启停次数

fields @timestamp, eventName, requestParameters.notebookInstanceName
| filter eventName in ["StartNotebookInstance", "StopNotebookInstance"]
| stats count(*) as operationCount by eventName, requestParameters.notebookInstanceName
| sort requestParameters.notebookInstanceName, eventName asc

计算实例使用（InService）时长

该查询会匹配每一对启动/停止事件，计算单次使用时长并汇总总时长：

fields @timestamp, eventName, requestParameters.notebookInstanceName
| filter eventName in ["StartNotebookInstance", "StopNotebookInstance"]
| sort requestParameters.notebookInstanceName, @timestamp asc
| lag(@timestamp) as prevTimestamp, lag(eventName) as prevEvent by requestParameters.notebookInstanceName
| filter eventName == "StopNotebookInstance" and prevEvent == "StartNotebookInstance"
| parse duration(@timestamp - prevTimestamp) as usageDuration
| stats sum(@timestamp - prevTimestamp) as totalUsageSeconds, count(*) as usageTimes by requestParameters.notebookInstanceName
| sort requestParameters.notebookInstanceName asc

注：如果实例当前处于运行状态，需单独补充计算从最后一次启动到当前的时长

方法2：利用CloudWatch Metrics #

SageMaker提供原生指标跟踪实例状态，可通过CloudWatch Metrics直接计算状态时长。

操作步骤： #

1. 打开CloudWatch控制台，进入Metrics，选择AWS/SageMaker命名空间。
2. 筛选NotebookInstanceStatus指标，按实例名称维度拆分。该指标值为1表示实例处于InService状态，0表示其他状态（如Stopped、Pending等）。
3. 使用Metric Math计算总使用时长：
   • 公式示例：SUM(METRICS('AWS/SageMaker', 'NotebookInstanceStatus', 'NotebookInstanceName', 'your-instance-name')) * 60
   • 说明：指标每分钟采样一次，乘以60将采样次数转换为秒数，得到总运行时长。
4. 如需统计启停次数，可结合状态变化的告警事件，或通过指标的Datapoint数量间接统计（每次状态切换会产生新的数据点）。

方法3：自定义跟踪（Lambda + EventBridge + DynamoDB） #

如果需要更灵活的自定义统计和持久化存储，可通过事件驱动方式实现：

操作步骤： #

1. 创建EventBridge规则，匹配SageMaker实例状态变化事件：
   • 事件模式：

     {
       "source": ["aws.sagemaker"],
       "detail-type": ["SageMaker Notebook Instance State Change"],
       "detail": {
         "CurrentStatus": ["InService", "Stopped"]
       }
     }
     

2. 创建Lambda函数，作为EventBridge规则的目标：
   • 函数逻辑：接收状态变化事件，提取实例名称、当前状态、事件时间，写入DynamoDB表（表结构示例：instanceName、status、timestamp）。
3. 分析DynamoDB数据：
   • 通过查询同一实例的状态记录，匹配InService和Stopped的时间对，计算单次使用时长并汇总。
   • 统计InService状态的记录次数即为启动次数，Stopped次数即为停止次数。

内容的提问来源于stack exchange，提问作者Ramya T