Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Exécution à distance de l'intégrateur de fonctionnalités Feature Store
<a name="feature-store-feature-processor-execute-remotely"></a>

Pour exécuter vos Feature Processors sur de grands ensembles de données qui nécessitent un matériel plus puissant que celui disponible localement, vous pouvez décorer votre code avec le `@remote` décorateur pour exécuter votre code Python local sous forme de tâche d' SageMaker entraînement distribuée à un ou plusieurs nœuds. Pour plus d'informations sur l'exécution de votre code en tant que tâche de SageMaker formation, consultez[Exécutez votre code local comme tâche SageMaker de formation](train-remote-decorator.md). 

Voici un exemple d'utilisation du décorateur `@remote` avec le décorateur `@feature_processor`.

```
from sagemaker.remote_function.spark_config import SparkConfig
from sagemaker.remote_function import remote
from sagemaker.feature_store.feature_processor import CSVDataSource, feature_processor

CSV_DATA_SOURCE = CSVDataSource('s3://bucket/prefix-to-csv/')
OUTPUT_FG = 'arn:aws:sagemaker:us-east-1:123456789012:feature-group/feature-group'

@remote(
    spark_config=SparkConfig(), 
    instance_type="ml.m5.2xlarge",
    dependencies="/local/requirements.txt"
)
@feature_processor(
    inputs=[CSV_DATA_SOURCE], 
    output=OUTPUT_FG,
)
def transform(csv_input_df):
   return csv_input_df
   
transform()
```

Le paramètre `spark_config` indique que la tâche distante s'exécute en tant qu'application Spark. L'`SparkConfig`instance peut être utilisée pour configurer la configuration Spark et fournir des dépendances supplémentaires à l'application Spark JARs, telles que des fichiers Python et des fichiers.

Pour accélérer les itérations lors du développement de votre code de fonctionnalisation, vous pouvez spécifier l'argument `keep_alive_period_in_seconds` dans le décorateur `@remote` afin de retenir les ressources configurées dans un groupe d'instances pré-initialisées pour les tâches d'entraînement suivantes. Pour plus d'informations sur les groupes d'instances pré-initialisées, consultez `[KeepAlivePeriodInSeconds](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ResourceConfig.html#sagemaker-Type-ResourceConfig-KeepAlivePeriodInSeconds)` dans le Guide de référence des API.

Le code suivant est un exemple de fichier `requirements.txt:` local :

```
sagemaker>=2.167.0
```

Cela installera la version du SageMaker SDK correspondante dans une tâche distante requise pour exécuter la méthode annotée par. `@feature-processor`