Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Nutzlasten für Wartungsaufträge in AWS Batch
<a name="service-job-payload"></a>

Wenn Sie Serviceaufträge mithilfe von senden [ SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html), geben Sie zwei Schlüsselparameter an, die den Auftrag definieren:`serviceJobType`, und`serviceRequestPayload`.
+ Der `serviceJobType` gibt an, welcher AWS Dienst den Job ausführen wird. Für SageMaker Trainingsjobs lautet dieser Wert`SAGEMAKER_TRAINING`.
+ Der `serviceRequestPayload` ist eine JSON-encoded Zeichenfolge, die die vollständige Anfrage enthält, die normalerweise direkt an den Zieldienst gesendet würde. Für SageMaker Trainingsjobs enthält diese Payload dieselben Parameter, die Sie mit der SageMaker [ CreateTrainingJob ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) AI-API verwenden würden.

Eine vollständige Liste aller verfügbaren Parameter und ihrer Beschreibungen finden Sie in der SageMaker [ CreateTrainingJob ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) AI-API-Referenz. Alle Parameter, die von unterstützt werden, `CreateTrainingJob` können in die Payload Ihres Service-Jobs aufgenommen werden.

Beispiele für weitere Konfigurationen von Trainingsaufträgen finden Sie unter [ APIs, CLI und SDKs ](https://docs.aws.amazon.com/sagemaker/latest/dg/api-and-sdk-reference-overview.html) im [ SageMaker AI Developer Guide. ](https://docs.aws.amazon.com/sagemaker/latest/dg/gs.html)

Wir empfehlen, das PySDK für die Erstellung von Service-Jobs zu verwenden, da PySDK Hilfsklassen und Hilfsprogramme enthält. Ein Beispiel für die Verwendung von PySDK finden Sie unter [ SageMaker KI-Beispiele unter. ](https://github.com/aws/amazon-sagemaker-examples) GitHub

## Beispiel für eine Nutzlast für einen Service-Job
<a name="service-job-payload-example"></a>

Das folgende Beispiel zeigt eine einfache Nutzlast für einen Servicejob für einen SageMaker Trainingsjob, der ein „Hello World“ -Trainingsskript ausführt:

Diese Nutzlast würde beim Aufruf als JSON-Zeichenfolge an den `serviceRequestPayload` Parameter übergeben. `SubmitServiceJob`

```
{
  "TrainingJobName": "my-simple-training-job",
  "RoleArn": "arn:aws:iam::123456789012:role/SageMakerExecutionRole",
  "AlgorithmSpecification": {
    "TrainingInputMode": "File",
    "TrainingImage": "763104351884.dkr.ecr.us-west-2.amazonaws.com/pytorch-training:2.0.0-cpu-py310",
    "ContainerEntrypoint": [
      "echo",
      "hello world"
    ]
  },
  "ResourceConfig": {
    "InstanceType": "ml.c5.xlarge",
    "InstanceCount": 1,
    "VolumeSizeInGB": 1
  },
  "OutputDataConfig": {
    "S3OutputPath": "s3://your-output-bucket/output"
  },
  "StoppingCondition": {
    "MaxRuntimeInSeconds": 30
  }
}
```