As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Executar o Processador de atributos do Feature Store remotamente


Para executar seus processadores de recursos em grandes conjuntos de dados que exigem hardware mais poderoso do que o disponível localmente, você pode decorar seu código com o `@remote` decorador para executar seu código Python local como um trabalho de treinamento distribuído de um ou vários nós SageMaker . Para obter mais informações sobre como executar seu código como um trabalho de SageMaker treinamento, consulte[Execute seu código local como um trabalho SageMaker de treinamento](train-remote-decorator.md). 

Veja a seguir um exemplo de uso do decorador `@remote` junto com o decorador `@feature_processor`.

```
from sagemaker.remote_function.spark_config import SparkConfig
from sagemaker.remote_function import remote
from sagemaker.feature_store.feature_processor import CSVDataSource, feature_processor

CSV_DATA_SOURCE = CSVDataSource('s3://bucket/prefix-to-csv/')
OUTPUT_FG = 'arn:aws:sagemaker:us-east-1:123456789012:feature-group/feature-group'

@remote(
    spark_config=SparkConfig(), 
    instance_type="ml.m5.2xlarge",
    dependencies="/local/requirements.txt"
)
@feature_processor(
    inputs=[CSV_DATA_SOURCE], 
    output=OUTPUT_FG,
)
def transform(csv_input_df):
   return csv_input_df
   
transform()
```

O parâmetro `spark_config` indica que o trabalho remoto é executado como uma aplicação do Spark. A `SparkConfig` instância pode ser usada para configurar a configuração do Spark e fornecer dependências adicionais ao aplicativo Spark, como arquivos Python e arquivos. JARs

Para iterações mais rápidas ao desenvolver seu código de processamento de atributos, você pode especificar o argumento `keep_alive_period_in_seconds` no decorador `@remote` para reter os atributos configurados em um grupo de aquecimento para trabalhos de treinamento subsequentes. Para obter mais informações sobre grupos de aquecimento, consulte `[KeepAlivePeriodInSeconds](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ResourceConfig.html#sagemaker-Type-ResourceConfig-KeepAlivePeriodInSeconds)` no Guia de referência da API.

O código a seguir é um exemplo do local `requirements.txt:`.

```
sagemaker>=2.167.0
```

Isso instalará a versão correspondente do SageMaker SDK na tarefa remota, necessária para executar o método anotado por. `@feature-processor`