供应商每 3-4 天将清理好的、可直接使用的训练数据传送到公司的 Amazon S3 存储桶。公司有一个 SageMaker 管道用于重新训练模型。机器学习工程师需要当新数据到达 S3 时，管道能自动运行，并且操作开销最小。他们应该实施哪种解决方案？

正确答案是创建一个 Amazon EventBridge 规则，匹配 S3 对象创建事件，并将 SageMaker 管道配置为规则目标。当新数据上传到 S3 存储桶时，S3 会发出一个事件。EventBridge 可以捕获这个事件，并将其作为触发器来启动 SageMaker 管道，从而实现自动化模型再训练。这种方法操作开销最小，因为它利用了 AWS 无服务器服务之间的集成。 其他选项： 创建 S3 生命周期规则不适用于触发训练，它主要用于管理对象存储生命周期（例如，从一个存储类移动到另一个存储类或删除对象）。 部署 AWS Lambda 函数可以实现此功能，但相比直接使用 EventBridge 规则触发 SageMaker 管道，它增加了额外的代码开发和维护开销。 使用 Amazon MWAA（Amazon Managed Workflows for Apache Airflow）可以编排复杂的管道，但对于简单的 S3 对象创建触发 SageMaker 管道的场景来说，它引入了不必要的复杂性和管理开销。