本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 將 AWS Batch 服務任務狀態映射至 SageMaker AI 狀態
<a name="service-job-status"></a>

當您使用 [SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html) 將任務提交至 SageMaker 任務佇列時， 會 AWS Batch 管理任務生命週期並將 AWS Batch [任務狀態](job_states.md)映射至同等的 SageMaker Training 任務狀態。服務任務，例如 SageMaker Training 任務，遵循與傳統容器任務不同的狀態生命週期。雖然服務任務與容器任務共用大多數狀態，但它們會引入 `SCHEDULED` 狀態並展現不同的重試行為，尤其是處理來自目標服務的容量不足錯誤。

下表顯示 AWS Batch 任務狀態和對應的 SageMaker Status/SecondaryStatus：


| 批次狀態 | SageMaker AI 主要狀態 | SageMaker AI 次要狀態 | Description | 
| --- | --- | --- | --- | 
| SUBMITTED | N/A | N/A | 任務提交至佇列，等待排程器評估。 | 
| RUNNABLE | N/A | N/A | 任務已排入佇列並準備好進行排程。一旦服務環境中有足夠的資源可用，就會立即啟動處於此狀態的任務。當足夠的資源無法使用時，任務可以無限期地保持在此狀態。 | 
| SCHEDULED | InProgress | Pending | 服務任務已成功提交至 SageMaker AI | 
| STARTING | InProgress | Downloading | SageMaker Training 任務下載資料和映像。已取得訓練任務容量，並開始任務初始化。 | 
| RUNNING | InProgress | Training | SageMaker Training 任務執行演算法  | 
| RUNNING | InProgress | Uploading | 訓練完成後上傳輸出成品的 SageMaker Training 任務 | 
| SUCCEEDED | Completed | Completed | SageMaker Training 任務已成功完成。輸出成品已完成上傳。 | 
| FAILED | Failed | Failed | SageMaker Training 任務遇到無法復原的錯誤。 | 
| FAILED | Stopped | Stopped | SageMaker Training 任務已使用 手動停止StopTrainingJob。 |