기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 특성 저장소 특성 프로세서 파이프라인 생성 및 실행
<a name="feature-store-feature-processor-create-execute-pipeline"></a>

특성 프로세서 SDK는 특성 프로세서 정의를 완전관리형 SageMaker AI Pipelines으로 승격시키는 API를 제공합니다. Pipelines에 대한 자세한 내용은 [Pipelines 개요](pipelines-overview.md) 섹션을 참조하세요. 특성 프로세서 정의를 SageMaker AI Pipelines으로 변환하려면 특성 프로세서 정의와 함께 `to_pipeline` API를 사용합니다. 특성 프로세서 정의의 실행을 예약하고 CloudWatch 지표로 운영을 모니터링하며 EventBridge와 통합하여 이벤트 소스 또는 구독자 역할을 할 수 있습니다. Pipelines으로 만든 파이프라인 모니터링에 대한 자세한 내용은 [Amazon SageMaker 특성 저장소 특성 프로세서 파이프라인 모니터링](feature-store-feature-processor-monitor-pipeline.md) 섹션을 참조하세요.

특성 프로세서 파이프라인을 보려면 [콘솔에서 파이프라인 실행 보기](feature-store-use-with-studio.md#feature-store-view-feature-processor-pipeline-executions-studio)섹션을 참조하세요.

함수도 `@remote`데코레이터로 장식되어 있으면 해당 구성이 특성 프로세서 파이프라인으로 전달됩니다. `@remote` 데코레이터를 사용하여 컴퓨팅 인스턴스 유형 및 개수, 런타임 종속성, 네트워크 및 보안 구성과 같은 고급 구성을 지정할 수 있습니다.

다음 예에서는 `to_pipeline`및 `execute`API를 사용합니다.

```
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
)
```

`to_pipeline` API는 의미상 업데이트/삽입 작업을 뜻합니다. 파이프라인이 이미 있으면 업데이트하고 그렇지 않으면 파이프라인을 생성합니다.

`to_pipeline` API는 선택적으로 특성 프로세서 정의가 포함된 파일을 참조하는 Amazon S3 URI를 수락하여 이를 특성 프로세서 파이프라인과 연결하여 SageMaker AI 기계 학습 계보에서 변환 함수 및 해당 버전을 추적합니다.

계정의 모든 특성 프로세서 파이프라인 목록을 검색하려면 `list_pipelines`API를 사용하면 됩니다. `describe` API에 대한 후속 요청은 Pipelines 및 일정 세부 정보를 포함하되 이에 국한되지 않는 특성 프로세서 파이프라인과 관련된 세부 정보를 반환합니다.

다음 예에서는 `list_pipelines`및 `describe`API를 사용합니다.

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

feature_processor_pipelines = list_pipelines()

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