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
Erstellen Sie ein Beispiel für ein Callback-Muster mit Amazon SQSSNS, Amazon und Lambda
Starten Sie einen Workflow innerhalb eines Workflows mit Step Functions und Lambda
Daten aus einer Warteschlange mit einem Map-Status in Step Functions verarbeiten
Verarbeiten Sie eine CSV Datei aus Amazon S3 mithilfe einer verteilten Map
Daten in einem Amazon S3 S3-Bucket mit Distributed Map verarbeiten
Trainieren Sie ein Modell für maschinelles Lernen mit Amazon SageMaker AI
Optimieren Sie die Hyperparameter eines Modells für maschinelles Lernen in KI SageMaker
Verarbeiten Sie umfangreiche Nachrichten von Amazon SQS mit Step Functions Express-Workflows
Führen Sie selektives Checkpointing mit Standard- und Express-Workflows durch
Daten vorverarbeiten und ein Modell für maschinelles Lernen mit Amazon SageMaker AI trainieren
Starten Sie eine Athena-Abfrage und senden Sie eine Ergebnisbenachrichtigung
Führen Sie Abfragen nacheinander und parallel mit Athena aus
Halten Sie Daten in einer Zieltabelle mit AWS Glue und Athena auf dem neuesten Stand
Erstellen und verwalten Sie einen EKS Amazon-Cluster mit einer Knotengruppe
Rufen Sie mithilfe API der Gateway-Integration einen auf Fargate laufenden Microservice auf
Senden Sie ein benutzerdefiniertes Ereignis an einen EventBridge Event-Bus
Führen Sie einen ETL ELT /-Workflow mit Step Functions und Amazon Redshift aus API