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.
Stellen Sie eine Zustandsmaschine mithilfe einer Startvorlage für Step Functions bereit
Um Zustandsmaschinen für eine Vielzahl von Anwendungsbeispielen und Mustern bereitzustellen, können Sie in der AWS Step Functions
Konsole
Sie können diese Beispielprojekte verwenden, um sie unverändert bereitzustellen und auszuführen, oder Sie können die Workflow-Prototypen verwenden, um darauf aufzubauen. Wenn Sie auf diesen Projekten aufbauen, erstellt Step Functions den Workflow-Prototyp, stellt jedoch nicht die in der Workflow-Definition aufgeführten Ressourcen bereit.
Wenn Sie die Beispielprojekte bereitstellen, stellen sie eine voll funktionsfähige Zustandsmaschine bereit und erstellen die zugehörigen Ressourcen, damit die Zustandsmaschine ausgeführt werden kann. Wenn Sie ein Beispielprojekt erstellen, erstellt Step Functions die zugehörigen Ressourcen, AWS CloudFormation auf die von der Zustandsmaschine verwiesen wird.
Liste der Startvorlagen
- Verwalte eine Container-Aufgabe mit Amazon ECS and Amazon SNS
- Datensätze übertragen mit Lambda, DynamoDB, und Amazon SQS
- Umfrage zum Jobstatus mit Lambda und AWS Batch
- Erstellen Sie einen Task-Timer mit Lambda und Amazon SNS
- Erstellen Sie ein Beispiel für ein Callback-Muster mit Amazon SQSSNS, Amazon und Lambda
- Einen EMR Amazon-Job verwalten
- Führen Sie ein EMR Serverless Auftrag
- Starten Sie einen Workflow innerhalb eines Workflows mit Step Functions und Lambda
- Daten aus einer Warteschlange mit einem Map-Status in Step Functions verarbeiten
- Eine CSV Datei aus Amazon S3 mithilfe einer verteilten Map verarbeiten
- Daten in einem Amazon S3 S3-Bucket mit Distributed Map verarbeiten
- Trainieren Sie ein Modell für maschinelles Lernen mit Amazon SageMaker
- Passen Sie die Hyperparameter eines Modells für maschinelles Lernen an SageMaker
- Führen Sie KI-Prompt-Chaining mit Amazon Bedrock durch
- Verarbeiten Sie umfangreiche Nachrichten von Amazon SQS mit Step Functions Express-Workflows
- Führen Sie selektives Checkpointing mit Standard- und Express-Workflows durch
- Baue ein AWS CodeBuild Projekt mit Step Functions
- Daten vorverarbeiten und ein Modell für maschinelles Lernen mit Amazon trainieren SageMaker
- Integrieren AWS Lambda in einem Step Functions Functions-Zustandsmaschine mit Amazon SQS und Amazon SNS
- Starten Sie eine Athena-Abfrage und senden Sie eine Ergebnisbenachrichtigung
- Führen Sie Abfragen nacheinander und parallel mit Athena aus
- Abfragen großer Datensätze mit einem AWS Glue Crawler
- Halten Sie die Daten in einer Zieltabelle auf dem neuesten Stand mit AWS Glue und Athena
- Erstellen und verwalten Sie einen EKS Amazon-Cluster mit einer Knotengruppe
- Interagieren Sie mit einem von API Gateway API verwalteten
- Rufen Sie mithilfe API der Gateway-Integration einen auf Fargate laufenden Microservice auf
- Senden Sie ein benutzerdefiniertes Ereignis an einen EventBridge Event-Bus
- Rufen Sie synchrone Express-Workflows über Gateway auf API
- Führen Sie einen ETL ELT /-Workflow mit Step Functions und Amazon Redshift aus API
- Verwalten Sie einen Batch-Job mit AWS Batch and Amazon SNS
- Batch-Jobs mit Map State auffächern
- Führen Sie ein AWS Batch Job bei Lambda