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 permite APIs convertir sus definiciones de procesadores de funciones en una canalización de SageMaker IA totalmente gestionada. Para obtener más información acerca de Canalizaciones, consulte [Información general de canalizaciones](pipelines-overview.md). Para convertir sus definiciones de procesadores de funciones en una canalización de SageMaker IA, utilice la `to_pipeline` API con su 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`.

En el siguiente ejemplo, se utilizan las letras `to_pipeline` y. `execute` APIs

```
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.

En el siguiente ejemplo, se utilizan las letras `list_pipelines` y. `describe` APIs

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

feature_processor_pipelines = list_pipelines()

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