Feature Store Feature Processor パイプラインの作成と実行

機能プロセッサは、機能プロセッサ定義をフルマネージド SageMaker パイプラインに昇格APIsさせるために SDKを提供します。パイプラインの詳細については、「」を参照してくださいパイプラインの概要。の特徴量プロセッサ定義を SageMaker パイプラインに変換するには、特徴量プロセッサ定義to_pipelineAPIで を使用します。Feature Processor Definition の実行をスケジュールし、 CloudWatch メトリクスで運用的にモニタリングし、 と統合 EventBridge してイベントソースまたはサブスクライバーとして機能させることができます。Pipelines で作成されたパイプラインのモニタリングの詳細については、「」を参照してくださいAmazon SageMaker Feature Store Feature Processor パイプラインのモニタリング。

Feature Processor パイプラインを表示するには、「コンソールからパイプライン実行を表示する」を参照してください。

関数にも @remote デコレータがデコレートされていれば、その設定は Feature Processor パイプラインに引き継がれます。@remote デコレータを使用して、コンピューティングインスタンスのタイプと数、ランタイムの依存関係、ネットワークとセキュリティの設定などの高度な設定を指定できます。

次の例では、 to_pipelineと execute を使用しますAPIs。

from sagemaker.feature_store.feature_processor import (
    execute, to_pipeline, describe, TransformationCode
)

pipeline_name="feature-processor-pipeline"
pipeline_arn = to_pipeline(
    pipeline_name=pipeline_name,
    step=transform,
    transformation_code=TransformationCode(s3_uri="s3://bucket/prefix"),
)

pipeline_execution_arn = execute(
    pipeline_name=pipeline_name
)

to_pipeline API は意味論的にアップサートオペレーションです。パイプラインが既に存在する場合は更新し、存在しない場合はパイプラインを作成します。

to_pipeline API オプションで、 URIは、特徴量プロセッサ定義を含むファイルを参照して特徴量プロセッサパイプラインに関連付け、機械学習系統の変換関数とそのバージョンを追跡する Amazon S3 を受け入れます SageMaker。

アカウント内のすべての Feature Processor list_pipelines パイプラインのリストを取得するには、 を使用できますAPI。への後続のリクエストは、パイプラインとスケジュールの詳細を含むがこれらに限定されない、特徴量プロセッサパイプラインに関連する詳細describeAPIを返します。

次の例では、 list_pipelinesと describe を使用しますAPIs。

from sagemaker.feature_store.feature_processor import list_pipelines, describe

feature_processor_pipelines = list_pipelines()

pipeline_description = describe(
    pipeline_name = feature_processor_pipelines[0]
)