Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Esecuzioni pianificate e basate su eventi per le pipeline del Processore di funzionalità
<a name="feature-store-feature-processor-schedule-pipeline"></a>

Le esecuzioni della pipeline di Amazon SageMaker Feature Store Feature Processing possono essere configurate per l'avvio automatico e asincrono in base a una pianificazione preconfigurata o in seguito a un altro evento di servizio. AWS Ad esempio, è possibile pianificare l'esecuzione delle pipeline di elaborazione delle funzionalità il primo giorno di ogni mese o concatenare due pipeline in modo che una pipeline di destinazione venga eseguita automaticamente dopo il completamento dell'esecuzione di una pipeline di origine.

**Topics**
+ [Esecuzioni basate sulla pianificazione](#feature-store-feature-processor-schedule-pipeline-schedule-based)
+ [Esecuzioni basate su eventi](#feature-store-feature-processor-schedule-pipeline-event-based)

## Esecuzioni basate sulla pianificazione
<a name="feature-store-feature-processor-schedule-pipeline-schedule-based"></a>

Il Feature Processor SDK fornisce un'[https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule)API per eseguire le pipeline di Feature Processor su base ricorrente con l'integrazione di Amazon Scheduler. EventBridge La pianificazione può essere specificata con un'`cron`espressione `at``rate`, o utilizzando il [https://docs.aws.amazon.com/scheduler/latest/APIReference/API_CreateSchedule.html#scheduler-CreateSchedule-request-ScheduleExpression](https://docs.aws.amazon.com/scheduler/latest/APIReference/API_CreateSchedule.html#scheduler-CreateSchedule-request-ScheduleExpression)parametro con le stesse espressioni supportate da Amazon EventBridge. L'API di pianificazione è semanticamente un'operazione di upsert in quanto aggiorna la pianificazione se esiste già; in caso contrario, la crea. Per ulteriori informazioni sulle EventBridge espressioni e sugli esempi, consulta [Schedule types on EventBridge Scheduler nella EventBridge Scheduler](https://docs.aws.amazon.com/scheduler/latest/UserGuide/schedule-types.html) User Guide.

Gli esempi seguenti utilizzano l'API [https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule) del Processore di funzionalità, utilizzando le espressioni `at`, `rate` e `cron`.

```
from sagemaker.feature_store.feature_processor import schedule
pipeline_name='feature-processor-pipeline'

event_bridge_schedule_arn = schedule(
    pipeline_name=pipeline_name, 
    schedule_expression="at(2020-11-30T00:00:00)"
)

event_bridge_schedule_arn = schedule(
    pipeline_name=pipeline_name, 
    schedule_expression="rate(24 hours)"
)

event_bridge_schedule_arn = schedule(
    pipeline_name=pipeline_name, 
    schedule_expression="cron(0 0-23/1 ? * * 2023-2024)"
)
```

Il fuso orario predefinito per gli input di data e ora nell'API `schedule` è UTC. Per ulteriori informazioni sulle espressioni di EventBridge pianificazione di Scheduler, consulta la documentazione di riferimento dell'[https://docs.aws.amazon.com/scheduler/latest/APIReference/API_CreateSchedule.html#scheduler-CreateSchedule-request-ScheduleExpression](https://docs.aws.amazon.com/scheduler/latest/APIReference/API_CreateSchedule.html#scheduler-CreateSchedule-request-ScheduleExpression)API EventBridge Scheduler.

Le esecuzioni di pipeline pianificate del Processore di funzionalità forniscono alla funzione di trasformazione il tempo di esecuzione pianificato, da utilizzare come token di idempotenza o punto di riferimento fisso per gli input basati su intervalli di date. Per disabilitare (ad esempio mettere in pausa) o riattivare una pianificazione, utilizza il parametro `state` dell'API [https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.schedule) con `‘DISABLED’` o `‘ENABLED’`, rispettivamente.

Per informazioni sul Processore di funzionalità, consulta [Origini dati per SDK del Processore di funzionalità](feature-store-feature-processor-data-sources-sdk.md). 

## Esecuzioni basate su eventi
<a name="feature-store-feature-processor-schedule-pipeline-event-based"></a>

Una pipeline di elaborazione delle funzionalità può essere configurata per l'esecuzione automatica quando si verifica un evento AWS . L'SDK di elaborazione delle funzionalità fornisce una funzione [https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.put_trigger](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.put_trigger) che accetta un elenco di eventi di origine e una pipeline di destinazione. Gli eventi di origine devono essere istanze di [https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.FeatureProcessorPipelineEvent](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.FeatureProcessorPipelineEvent), che specifica una pipeline ed eventi di [stato di esecuzione](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribePipelineExecution.html#sagemaker-DescribePipelineExecution-response-PipelineExecutionStatus). 

La `put_trigger` funzione configura una EventBridge regola e un target Amazon per instradare gli eventi e consente di specificare un modello di EventBridge evento per rispondere a qualsiasi AWS evento. Per informazioni su questi concetti, consulta Amazon EventBridge [rules](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-rules.html), [targets](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-targets.html) and [event patterns](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-event-patterns.html).

I trigger possono essere abilitati o disabilitati. EventBridge avvierà l'esecuzione di una pipeline di destinazione utilizzando il ruolo fornito nel `role_arn` parametro dell'`put_trigger`API. Il ruolo di esecuzione viene utilizzato per impostazione predefinita se l'SDK viene utilizzato in un ambiente Amazon SageMaker Studio Classic o Notebook. Per informazioni su come ottenere il ruolo di esecuzione, consulta [Acquisizione del ruolo di esecuzione](sagemaker-roles.md#sagemaker-roles-get-execution-role).

L'esempio seguente configura:
+ Una pipeline SageMaker AI che utilizza l'`to_pipeline`API, che include il nome della pipeline di destinazione (`target-pipeline`) e la funzione di trasformazione (). `transform` Per informazioni sul Processore di funzionalità e sulla funzione di trasformazione, consulta [Origini dati per SDK del Processore di funzionalità](feature-store-feature-processor-data-sources-sdk.md).
+ Un trigger che utilizza l'API `put_trigger`, che riceve `FeatureProcessorPipelineEvent` per l'evento e il nome della pipeline di destinazione (`target-pipeline`). 

  `FeatureProcessorPipelineEvent` definisce il trigger per quando lo stato della pipeline di origine (`source-pipeline`) diventa `Succeeded`. Per informazioni sulla funzione evento della pipeline del Processore di funzionalità, consulta [https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.FeatureProcessorPipelineEvent](https://sagemaker.readthedocs.io/en/stable/api/prep_data/feature_store.html#sagemaker.feature_store.feature_processor.FeatureProcessorPipelineEvent) in Leggi i documenti del Processore di funzionalità. 

```
from sagemaker.feature_store.feature_processor import put_trigger, to_pipeline, FeatureProcessorPipelineEvent

to_pipeline(pipeline_name="target-pipeline", step=transform)

put_trigger(
    source_pipeline_events=[
        FeatureProcessorPipelineEvent(
            pipeline_name="source-pipeline",
            status=["Succeeded"]
        )
    ],
    target_pipeline="target-pipeline"
)
```

Per un esempio di utilizzo di trigger basati su eventi per creare esecuzioni continue e tentativi automatici per la pipeline del Processore di funzionalità, consulta [Esecuzioni continue e tentativi automatici utilizzando trigger basati su eventi](feature-store-feature-processor-examples.md#feature-store-feature-processor-examples-continuous-execution-automatic-retries).

Per un esempio di utilizzo di trigger basati su eventi per creare *streaming* continuo e tentativi automatici utilizzando trigger basati su eventi, consulta [Esempi di origini dati personalizzate di streaming](feature-store-feature-processor-data-sources-custom-examples.md#feature-store-feature-processor-data-sources-custom-examples-streaming).