清理服务

清理服务 展示了如何使用clearml.backend_api.session.client.APIClient类来实现一个服务，该服务删除旧的 归档任务及其相关文件：模型检查点、其他工件和调试样本。

修改清理服务的参数，以指定要删除哪些归档实验以及何时删除它们。

运行清理服务​

通过修改args字典来配置任务执行：

• delete_threshold_days - 超过此天数的任务将被删除。默认值为30天。
• cleanup_period_in_days - 以天为单位重复清理服务的间隔。默认值为1.0（每天运行一次）。
• force_delete - 如果为False（默认），仅删除草稿任务。如果为True，允许删除任何状态的任务。
• run_as_service - 如果为 True（默认值），任务将被排队以进行远程执行（默认队列："services"）。否则，脚本将在本地执行。

现在脚本已配置，执行它：

python cleanup_service.py

在您的ClearML服务器上的DevOps项目中创建了一个名为Cleanup Service的新任务。脚本输出应该类似于：

ClearML Task: created new task id=8126c0af800f4903be07421aa344d7b3
ClearML results page: https://app.clear.ml/projects/608e9039/experiments/81261aa34d7b3/output/log
Cleanup service started
Starting cleanup
Deleting 100 tasks

接下来是清理的详细信息。

清理服务代码​

cleanup_service.py 创建了一个 APIClient 对象，该对象与 ClearML 服务器建立会话，并通过调用以下内容完成清理：

• Tasks.get_all 获取要删除的任务列表，提供以下参数：
  • system_tags - 仅获取标记为 archived 的任务。
  • status_changed - 获取最后状态更改时间早于删除阈值（以秒为单位）的任务。
• Task.delete - 删除一个任务。

配置​

实验的超参数通过Task.connect()方法明确记录到ClearML中。在WebApp中，可以在实验的配置页面下的超参数 > 常规中查看它们。

任务可以重复使用。克隆任务，编辑其参数，并将任务加入队列以在ClearML Agent 服务模式中运行。

控制台​

所有控制台输出都显示在实验的控制台中。