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.

# Execuções programadas e baseadas em eventos para pipelines do Processador de atributos
<a name="feature-store-feature-processor-schedule-pipeline"></a>

As execuções do pipeline de processamento de recursos do Amazon SageMaker Feature Store podem ser configuradas para serem iniciadas de forma automática e assíncrona com base em uma programação pré-configurada ou como resultado de outro evento de serviço. AWS Por exemplo, você pode programar pipelines de processamento de atributos para serem executados no primeiro dia de cada mês ou encadear dois pipelines juntos para que um pipeline de destino seja executado automaticamente após a conclusão da execução do pipeline de origem.

**Topics**
+ [Execuções baseadas em programação](#feature-store-feature-processor-schedule-pipeline-schedule-based)
+ [Execuções baseadas em eventos](#feature-store-feature-processor-schedule-pipeline-event-based)

## Execuções baseadas em programação
<a name="feature-store-feature-processor-schedule-pipeline-schedule-based"></a>

O Feature Processor SDK fornece uma [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 executar pipelines do Feature Processor de forma recorrente com a integração com o Amazon EventBridge Scheduler. A programação pode ser especificada com uma `cron` expressão `at``rate`,, ou usando o [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)parâmetro com as mesmas expressões suportadas pela Amazon EventBridge. A API de programação é semanticamente uma operação de inserção, pois atualiza a programação, se ele já existir; caso contrário, ela o cria. Para obter mais informações sobre EventBridge expressões e exemplos, consulte [Tipos de EventBridge agendamento no Scheduler no Guia](https://docs.aws.amazon.com/scheduler/latest/UserGuide/schedule-types.html) do usuário do EventBridge Scheduler.

Os exemplos a seguir usam a 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) do Processador de atributos, usando as expressões `at`, `rate` e `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)"
)
```

O fuso horário padrão para entradas de data e hora na API `schedule` é o UTC. Para obter mais informações sobre expressões de EventBridge agendamento do Scheduler, consulte a [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)documentação de referência da API EventBridge Scheduler.

As execuções programadas do pipeline do Processador de atributos fornecem à sua função de transformação o runtime programado, para ser usado como um token de idempotência ou um ponto de referência fixo para entradas baseadas em intervalos de datas. Para desativar (ou seja, pausar) ou reativar uma programação, use o parâmetro `state` da 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) com `‘DISABLED’` ou`‘ENABLED’`, respectivamente.

Para obter mais informações sobre o Processador de atributos, consulte [Fontes de dados do SDK do Processador de atributos](feature-store-feature-processor-data-sources-sdk.md). 

## Execuções baseadas em eventos
<a name="feature-store-feature-processor-schedule-pipeline-event-based"></a>

Um pipeline de processamento de atributos pode ser configurado para ser executado automaticamente quando um evento AWS ocorrer. O SDK de Processamento de atributos fornece uma função [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 aceita uma lista de eventos de origem e um pipeline de destino. Os eventos de origem devem ser instâncias 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 especificam um pipeline e eventos de [status de execução](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribePipelineExecution.html#sagemaker-DescribePipelineExecution-response-PipelineExecutionStatus). 

A `put_trigger` função configura uma EventBridge regra e uma meta da Amazon para rotear eventos e permite que você especifique um padrão de EventBridge evento para responder a qualquer AWS evento. Para obter informações sobre esses conceitos, consulte EventBridge [as regras](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-rules.html), [metas](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-targets.html) e [padrões de eventos](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-event-patterns.html) da Amazon.

Os gatilhos podem ser ativados ou desativados. EventBridge iniciará a execução de um pipeline de destino usando a função fornecida no `role_arn` parâmetro da `put_trigger` API. A função de execução é usada por padrão se o SDK for usado em um ambiente Amazon SageMaker Studio Classic ou Notebook. Para obter informações sobre como obter sua função de execução, consulte[Obtenha um perfil de execução](sagemaker-roles.md#sagemaker-roles-get-execution-role).

O seguinte exemplo define:
+ Um pipeline de SageMaker IA usando a `to_pipeline` API, que inclui o nome do pipeline de destino (`target-pipeline`) e sua função de transformação (`transform`). Para obter informações sobre seu Processador de atributos e a função de transformação, consulte [Fontes de dados do SDK do Processador de atributos](feature-store-feature-processor-data-sources-sdk.md).
+ Um gatilho usando a API `put_trigger`, que absorve o `FeatureProcessorPipelineEvent` para o evento e o nome do seu pipeline de destino (`target-pipeline`). 

  O `FeatureProcessorPipelineEvent` define o gatilho para quando o status do seu pipeline de origem (`source-pipeline`) se torna `Succeeded`. Para obter informações sobre a função de evento do Pipeline do Processador de atributos, 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) na seção Ler os documentos do Feature Store. 

```
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 obter um exemplo do uso de gatilhos baseados em eventos para criar execuções contínuas e novas tentativas automáticas para seu pipeline do Processador de atributos, consulte [Execuções contínuas e novas tentativas automáticas usando gatilhos baseados em eventos](feature-store-feature-processor-examples.md#feature-store-feature-processor-examples-continuous-execution-automatic-retries).

Para obter um exemplo do uso de gatilhos baseados em eventos para criar *streaming* contínuo e novas tentativas automáticas usando gatilhos baseados em eventos, consulte [Exemplos de fontes de dados personalizadas de streaming](feature-store-feature-processor-data-sources-custom-examples.md#feature-store-feature-processor-data-sources-custom-examples-streaming).