Un fornitore consegna dati di training puliti e pronti all'uso nel bucket Amazon S3 dell'azienda ogni 3-4 giorni. L'azienda dispone di una pipeline SageMaker per il retraining del modello. L'ingegnere ML ha bisogno che la pipeline venga eseguita automaticamente quando arrivano nuovi dati in S3 con il minimo overhead operativo. Quale soluzione dovrebbe implementare?

La soluzione corretta è creare una regola Amazon EventBridge che corrisponda agli eventi di creazione di oggetti S3 e configurare la pipeline SageMaker come target. EventBridge è un servizio serverless che consente di creare regole per reagire a eventi da vari servizi AWS, inclusi gli eventi di creazione di oggetti S3. Questo approccio è efficiente e a basso overhead operativo poiché EventBridge gestisce automaticamente il monitoraggio e l'attivazione della pipeline senza la necessità di infrastrutture aggiuntive. Le altre opzioni sono meno adatte: Una regola del ciclo di vita di S3 è progettata per la gestione dello storage degli oggetti (spostamento, eliminazione), non per l'attivazione di workflow di training. Una funzione AWS Lambda che esegue la scansione del bucket S3 introdurrebbe un overhead operativo maggiore e potrebbe essere inefficiente, specialmente se la scansione è periodica e non basata su eventi. Amazon MWAA (Managed Workflows for Apache Airflow) è una soluzione di orchestrazione potente ma più complessa e con un overhead maggiore rispetto a EventBridge per questo specifico caso d'uso di attivazione basata su eventi S3.