ShopEZ ejecuta SageMaker Model Monitor todas las noches. El monitoreo genera resultados JSON en s3://shopez-monitoring/results/`<model-package-id>`/run-YYYYMMDD.json e incluye un campo constraint_violations_count. El equipo quiere un flujo automatizado que inicie un SageMaker Pipeline existente llamado 'retrain-pipeline' cuando constraint_violations_count > 0. ¿Qué arquitectura implementa de forma más directa y fiable ese disparador de reentrenamiento automatizado?

Esta opción es la más directa y fiable porque EventBridge puede detectar la creación de nuevos objetos JSON en S3 de forma asíncrona y en tiempo real. La función Lambda proporciona la flexibilidad necesaria para analizar el contenido del archivo JSON, extraer el valor de constraintviolationscount y aplicar la lógica condicional para iniciar el SageMaker Pipeline solo cuando la condición 0 se cumple, utilizando StartPipelineExecution. Las otras opciones son menos adecuadas: Las métricas incorporadas de SageMaker Model Monitor no incluyen directamente constraintviolationscount como una métrica granular para alarmas de CloudWatch que puedan iniciar un pipeline directamente. Un trabajo de CodePipeline para sondear S3 es menos eficiente y más complejo que un evento de S3 en EventBridge. Además, iniciar un SageMaker TrainingJob directamente no aprovecha la orquestación y las capacidades de un SageMaker Pipeline existente. No existe una opción StartSageMakerPipelineOnViolation integrada en la configuración de Model Monitor que inicie un pipeline directamente.