Manajemen Ketergantungan Operasi Asinkron

Operasi batch di Amazon ML bergantung pada operasi lain agar berhasil diselesaikan. Untuk mengelola dependensi ini, Amazon ML mengidentifikasi permintaan yang memiliki dependensi, dan memverifikasi bahwa operasi telah selesai. Jika operasi belum selesai, Amazon ML mengesampingkan permintaan awal sampai operasi yang mereka andalkan selesai.

Ada beberapa ketergantungan antara operasi batch. Misalnya, sebelum Anda dapat membuat model ML, Anda harus membuat sumber data yang dengannya Anda dapat melatih model ML. Amazon ML tidak dapat melatih model ML jika tidak ada sumber data yang tersedia.

Namun, Amazon ML mendukung manajemen ketergantungan untuk operasi asinkron. Misalnya, Anda tidak perlu menunggu sampai statistik data telah dihitung sebelum Anda dapat mengirim permintaan untuk melatih model ML pada sumber data. Sebagai gantinya, segera setelah sumber data dibuat, Anda dapat mengirim permintaan untuk melatih model ML menggunakan sumber data. Amazon ML tidak benar-benar memulai operasi pelatihan sampai statistik sumber data telah dihitung. Permintaan createMLModel dimasukkan ke dalam antrian sampai statistik telah dihitung; setelah selesai, Amazon ML segera mencoba menjalankan operasi createMLModel. Demikian pula, Anda dapat mengirim permintaan prediksi dan evaluasi batch untuk model ML yang belum menyelesaikan pelatihan.

Tabel berikut menunjukkan persyaratan untuk melanjutkan tindakan AmazonML yang berbeda