本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 管道
<a name="pipelines"></a>

Amaz SageMaker on Pipelines 是一项专门构建的工作流程编排服务，用于自动进行机器学习 (ML) 开发。

与其他 AWS 工作流程产品相比，管道具有以下优势：

**自动扩展无服务器基础架构**您无需管理底层编排基础架构即可运行 Pipelines，这使您可以专注于核心机器学习任务。 SageMaker AI 会根据您的机器学习工作负载的要求自动配置、扩展和关闭管道编排计算资源。

**直观的用户体验**可以通过您选择的界面创建和管理管道：可视化编辑器 APIs、SDK 或 JSON。您可以 drag-and-drop在 Amazon SageMaker Studio 可视化界面中执行各种机器学习步骤来创作您的管道。下面的截图显示了 Studio 管道可视化编辑器。

![Studio 中流水线的可视 drag-and-drop界面屏幕截图。](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png)


如果您更喜欢以编程方式管理机器学习工作流程， SageMaker Python SDK 可提供高级编排功能。有关更多信息，请参阅 SageMaker Python 软件开发工具包文档中的[亚马逊 SageMaker 流水线](https://sagemaker.readthedocs.io/en/stable/amazon_sagemaker_model_building_pipeline.html)。

**AWS 集成** Pipelines 提供与所有 SageMaker AI 功能和其他 AWS 服务的无缝集成，可自动执行数据处理、模型训练、微调、评估、部署和监控作业。您可以将 SageMaker AI 功能整合到您的管道中，并使用深度链接在这些功能中进行导航，从而大规模创建、监控和调试您的机器学习工作流程。

**降低成本**使用 Pipelines，您只需为 SageMaker Studio 环境和由管道编排的底层作业（例如 SageMaker 训练、 SageMaker 处理、 SageMaker AI 推理和 Amazon S3 数据存储）付费。

**可审计性和任务流水线追踪功能**：有了 Pipelines，您可以使用内置的版本控制功能来跟踪管道更新与执行的历史记录。Amazon SageMaker ML Lineage Tracking 可帮助您分析 end-to-end机器学习开发生命周期中的数据源和数据使用者。

**Topics**
+ [管道概述](pipelines-overview.md)
+ [Pipelines 操作](pipelines-build.md)