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.

# Ejecuciones programadas y basadas en eventos para las canalizaciones del procesador de características
<a name="feature-store-feature-processor-schedule-pipeline"></a>

Las ejecuciones del proceso de procesamiento de funciones de Amazon SageMaker Feature Store se pueden configurar para que se inicien de forma automática y asíncrona en función de una programación preconfigurada o como resultado de otro evento de servicio. AWS Por ejemplo, puede programar las canalizaciones de procesamiento de características para que se ejecuten el primer día de cada mes o encadenar dos canalizaciones para que una canalización objetiva se ejecute automáticamente una vez finalizada la ejecución de la canalización de origen.

**Topics**
+ [Ejecuciones basadas en una programación](#feature-store-feature-processor-schedule-pipeline-schedule-based)
+ [Ejecuciones basadas en eventos](#feature-store-feature-processor-schedule-pipeline-event-based)

## Ejecuciones basadas en una programación
<a name="feature-store-feature-processor-schedule-pipeline-schedule-based"></a>

El SDK de Feature Processor proporciona una [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 para ejecutar las canalizaciones de Feature Processor de forma recurrente con la integración de Amazon EventBridge Scheduler. La programación se puede especificar con una `cron` expresión `at``rate`, o utilizando el [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)parámetro con las mismas expresiones admitidas por Amazon EventBridge. La API de programación es semánticamente una operación upsert, ya que actualiza la programación si ya existe; de no ser así, la crea. Para obtener más información sobre EventBridge las expresiones y los ejemplos, consulte los [tipos de programación en el EventBridge Scheduler](https://docs.aws.amazon.com/scheduler/latest/UserGuide/schedule-types.html) en la Guía del usuario del EventBridge Scheduler.

Los siguientes ejemplos utilizan la 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 procesador de características, con las expresiones `at`, `rate` y `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)"
)
```

La zona horaria predeterminada para las entradas de fecha y hora en la API `schedule` está en UTC. Para obtener más información sobre las expresiones de programación de EventBridge Scheduler, consulte la documentación de referencia de la [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 de EventBridge Scheduler.

Las ejecuciones planificadas de la canalización del procesador de características proporcionan a la función de transformación el tiempo de ejecución programado, que se utilizará como un token de idempotencia o un punto de referencia fijo para las entradas basadas en un intervalo de fechas. Para deshabilitar (es decir, pausar) o volver a habilitar una programación, usa el parámetro `state` de la 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’`, respectivamente.

Para obtener información sobre el procesador de características, consulte [Orígenes de datos del SDK del procesador de características](feature-store-feature-processor-data-sources-sdk.md). 

## Ejecuciones basadas en eventos
<a name="feature-store-feature-processor-schedule-pipeline-event-based"></a>

Es posible configurar una canalización de procesamiento de características para que se ejecute automáticamente cuando se produzca un evento AWS . El SDK de procesamiento de características proporciona una función [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) que acepta una lista de eventos de origen y una canalización objetivo. Los eventos de origen deben ser instancias de [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), que especifica una canalización y eventos de [estado de ejecución](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribePipelineExecution.html#sagemaker-DescribePipelineExecution-response-PipelineExecutionStatus). 

La `put_trigger` función configura una EventBridge regla y un objetivo de Amazon para enrutar los eventos y te permite especificar un patrón de EventBridge eventos para responder a cualquier AWS evento. Para obtener información sobre estos conceptos, consulta EventBridge [las reglas](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-rules.html), [los objetivos](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-targets.html) y los [patrones de eventos](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-event-patterns.html) de Amazon.

Los activadores se pueden activar o desactivar. EventBridge iniciará la ejecución de una canalización objetivo utilizando la función proporcionada en el `role_arn` parámetro de la `put_trigger` API. La función de ejecución se utiliza de forma predeterminada si el SDK se utiliza en un entorno Amazon SageMaker Studio Classic o Notebook. Para obtener información sobre cómo obtener el rol de ejecución, consulte [Obtención del rol de ejecución](sagemaker-roles.md#sagemaker-roles-get-execution-role).

En el siguiente ejemplo se establece:
+ Una canalización de SageMaker IA que utiliza la `to_pipeline` API y que incluye el nombre de la canalización de destino (`target-pipeline`) y la función de transformación (`transform`). Para obtener información sobre el procesador de características y su función de transformación, consulte [Orígenes de datos del SDK del procesador de características](feature-store-feature-processor-data-sources-sdk.md).
+ Un desencadenador que utiliza la API `put_trigger` y que toma `FeatureProcessorPipelineEvent` para el evento y su nombre de la canalización objetivo (`target-pipeline`). 

  El `FeatureProcessorPipelineEvent` define el desencadenador para cuando el estado de la canalización de origen (`source-pipeline`) pase a ser `Succeeded`. Para obtener información sobre la función de eventos de canalización del procesador de características, consulte [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) en Read the Docs del almacén de características. 

```
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"
)
```

Para ver un ejemplo del uso de desencadenadores basados en eventos para crear ejecuciones continuas y reintentos automáticos para su canalización del procesador de características, consulte [Ejecuciones continuas y reintentos automáticos mediante desencadenadores basados en eventos](feature-store-feature-processor-examples.md#feature-store-feature-processor-examples-continuous-execution-automatic-retries).

Para ver un ejemplo del uso de desencadenadores basados en eventos para crear *transmisiones* continuas y reintentos automáticos mediante desencadenadores basados en eventos, consulte [Ejemplos de orígenes de datos personalizados de transmisión](feature-store-feature-processor-data-sources-custom-examples.md#feature-store-feature-processor-data-sources-custom-examples-streaming).