Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Creación y ejecución de canalizaciones del procesador de características del almacén de características
<a name="feature-store-feature-processor-create-execute-pipeline"></a>

El SDK para procesadores de funciones proporciona API para convertir sus definiciones de procesadores de funciones en una cartera de SageMaker IA totalmente gestionada. Para obtener más información acerca de Canalizaciones, consulte [Información general de canalizaciones](pipelines-overview.md). Para convertir tus definiciones de procesadores de funciones en una canalización de SageMaker IA, usa la `to_pipeline` API con tu definición de procesador de funciones. Puede programar las ejecuciones de su procesador de funciones, puede programarlas, monitorizarlas desde el punto de vista operativo con CloudWatch métricas e integrarlas EventBridge para que actúen como fuentes de eventos o suscriptores. Para obtener más información sobre la supervisión de canalizaciones creadas con Canalizaciones, consulte [Supervise las canalizaciones SageMaker de los procesadores de funciones de Amazon Feature Store](feature-store-feature-processor-monitor-pipeline.md).

Para ver las canalizaciones del procesador de características, consulte [Visualización de las ejecuciones de canalizaciones desde la consola](feature-store-use-with-studio.md#feature-store-view-feature-processor-pipeline-executions-studio).

Si su función también está decorada con el decorador `@remote`, sus configuraciones se transfieren a la canalización del procesador de características. Puede especificar configuraciones avanzadas, como tipo y recuento de instancias de computación, dependencias del tiempo de ejecución y configuraciones de red y seguridad, mediante el decorador `@remote`.

El siguiente ejemplo utiliza las API `to_pipeline` y `execute`.

```
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
)
```

La API `to_pipeline` es semánticamente una operación upsert. Actualiza la canalización si ya existe; de no ser así, crea una canalización.

La `to_pipeline` API acepta opcionalmente un URI de Amazon S3 que hace referencia a un archivo que contiene la definición del procesador de características para asociarlo a la canalización del procesador de características y realizar un seguimiento de la función de transformación y sus versiones en su linaje de aprendizaje automático de SageMaker IA.

Para recuperar una lista de todas las canalizaciones del procesador de características de su cuenta, puede utilizar la API `list_pipelines`. Una solicitud posterior a la API `describe` devuelve detalles relacionados con la canalización del procesador de características, incluidos, entre otros, detalles de Canalizaciones y la programación.

El siguiente ejemplo utiliza las API `list_pipelines` y `describe`.

```
from sagemaker.feature_store.feature_processor import list_pipelines, describe

feature_processor_pipelines = list_pipelines()

pipeline_description = describe(
    pipeline_name = feature_processor_pipelines[0]
)
```