Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Kirim pekerjaan layanan di AWS Batch
<a name="service-job-submit"></a>

Untuk mengirimkan pekerjaan layanan AWS Batch, Anda menggunakan [SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html)API. Anda dapat mengirimkan pekerjaan menggunakan AWS CLI atau SDK.

Jika Anda belum memiliki peran eksekusi maka Anda harus membuatnya sebelum Anda dapat mengirimkan pekerjaan layanan Anda. Untuk membuat peran eksekusi SageMaker AI, lihat [Cara menggunakan peran eksekusi SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-roles.html) dalam *[panduan Pengembang SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html)*.

## Alur kerja penyerahan pekerjaan layanan
<a name="service-job-submit-workflow"></a>

Saat Anda mengirimkan pekerjaan layanan, AWS Batch ikuti alur kerja ini:

1. AWS Batch menerima `[SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html)` permintaan Anda dan memvalidasi parameter AWS Batch-spesifik. `serviceRequestPayload`Itu dilewatkan tanpa validasi.

1. Pekerjaan memasuki `SUBMITTED` negara bagian dan ditempatkan dalam antrian pekerjaan yang ditentukan

1. AWS Batch mengevaluasi apakah ada kapasitas yang tersedia di lingkungan layanan untuk `RUNNABLE` pekerjaan di depan antrian

1. Jika kapasitas tersedia, pekerjaan pindah ke `SCHEDULED` dan pekerjaan telah diteruskan ke SageMaker AI

1. Ketika kapasitas telah diperoleh dan SageMaker AI telah mengunduh data pekerjaan layanan, pekerjaan layanan akan memulai inisialisasi dan pekerjaan diubah menjadi`STARTING`. 

1. Ketika SageMaker AI mulai menjalankan pekerjaan, statusnya diubah menjadi`RUNNING`.

1. Sementara SageMaker AI menjalankan pekerjaan, AWS Batch memantau kemajuannya dan memetakan status layanan ke status AWS Batch pekerjaan. Untuk detail tentang bagaimana status pekerjaan layanan dipetakan, lihat [Memetakan status pekerjaan AWS Batch layanan ke status SageMaker AI](service-job-status.md)

1. Ketika pekerjaan layanan selesai, ia pindah ke `SUCCEEDED` dan output apa pun siap untuk diunduh.

## Prasyarat
<a name="service-job-submit-prerequisites"></a>

Sebelum mengirimkan pekerjaan layanan, pastikan Anda memiliki:
+ **Lingkungan layanan** — Lingkungan layanan yang mendefinisikan batas kapasitas. Untuk informasi selengkapnya, lihat [Menciptakan lingkungan layanan di AWS Batch](create-service-environments.md).
+ **SageMaker antrian pekerjaan — Antrian** SageMaker pekerjaan untuk menyediakan penjadwalan pekerjaan. Untuk informasi selengkapnya, lihat [Buat antrian pekerjaan SageMaker Pelatihan di AWS Batch](create-sagemaker-job-queue.md).
+ **Izin IAM** — Izin untuk membuat dan mengelola antrian AWS Batch pekerjaan dan lingkungan layanan. Untuk informasi selengkapnya, lihat [AWS Batch Kebijakan, peran, dan izin IAM](IAM_policies.md).

## Kirim pekerjaan layanan dengan AWS CLI
<a name="service-job-submit-example"></a>

Berikut ini menunjukkan cara mengirimkan pekerjaan layanan menggunakan AWS CLI:

```
aws batch submit-service-job \
    --job-name "my-sagemaker-training-job" \
    --job-queue "my-sagemaker-job-queue" \
    --service-job-type "SAGEMAKER_TRAINING" \
    --service-request-payload '{\"TrainingJobName\": \"sagemaker-training-job-example\", \"AlgorithmSpecification\": {\"TrainingImage\": \"123456789012.dkr.ecr.us-east-1.amazonaws.com/pytorch-inference:1.8.0-cpu-py3\", \"TrainingInputMode\": \"File\", \"ContainerEntrypoint\":  [\"sleep\", \"1\"]}, \"RoleArn\":\"arn:aws:iam::123456789012:role/SageMakerExecutionRole\", \"OutputDataConfig\": {\"S3OutputPath\": \"s3://example-bucket/model-output/\"}, \"ResourceConfig\": {\"InstanceType\": \"ml.m5.large\", \"InstanceCount\": 1, \"VolumeSizeInGB\": 1}}'
    --client-token "unique-token-12345"
```

Untuk informasi selengkapnya tentang `serviceRequestPayload` parameter, lihat[Muatan pekerjaan layanan di AWS Batch](service-job-payload.md).