특성 저장소 특성 프로세서 파이프라인 생성 및 실행

특성 프로세서는 특성 프로세서 정의를 완전 관리형 SageMaker AI 파이프라인으로 승격APIs하기 위해를 SDK 제공합니다. Pipelines에 대한 자세한 내용은 Pipelines 개요 섹션을 참조하세요. 에서 특성 프로세서 정의를 SageMaker AI 파이프라인으로 변환하려면 특성 프로세서 정의to_pipelineAPI와 함께를 사용합니다. 특성 프로세서 정의의 실행을 예약하고, CloudWatch 지표를 사용하여 이를 운영적으로 모니터링하고,와 통합하여 이벤트 소스 또는 구독자의 역할을 EventBridge 할 수 있습니다. Pipelines으로 만든 파이프라인 모니터링에 대한 자세한 내용은 Amazon SageMaker 특성 저장소 특성 프로세서 파이프라인 모니터링 섹션을 참조하세요.

특성 프로세서 파이프라인을 보려면 콘솔에서 파이프라인 실행 보기섹션을 참조하세요.

함수도 @remote데코레이터로 장식되어 있으면 해당 구성이 특성 프로세서 파이프라인으로 전달됩니다. @remote 데코레이터를 사용하여 컴퓨팅 인스턴스 유형 및 개수, 런타임 종속성, 네트워크 및 보안 구성과 같은 고급 구성을 지정할 수 있습니다.

다음 예제에서는 to_pipeline 및 execute를 사용합니다APIs.

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 API는 의미상 업서트 작업입니다. 파이프라인이 이미 있으면 업데이트하고 그렇지 않으면 파이프라인을 생성합니다.

는 to_pipeline API 선택적으로 특성 프로세서 정의가 포함된 파일을 참조하여 특성 프로세서 파이프라인과 연결하여 SageMaker AI 기계 학습 계보에서 변환 함수 및 버전을 추적URI하는 Amazon S3를 허용합니다.

계정의 모든 특성 프로세서 파이프라인 목록을 검색하려면 list_pipelines를 사용할 수 있습니다API. 에 대한 후속 요청은 파이프라인 및 일정 세부 정보를 포함하되 이에 국한되지 않는 특성 프로세서 파이프라인과 관련된 세부 정보를 describe API 반환합니다.

다음 예제에서는 list_pipelines 및 describe를 사용합니다APIs.

from sagemaker.feature_store.feature_processor import list_pipelines, describe

feature_processor_pipelines = list_pipelines()

pipeline_description = describe(
    pipeline_name = feature_processor_pipelines[0]
)