ShopEZ uruchamia SageMaker Model Monitor każdej nocy. Wyniki monitorowania są zapisywane w formacie JSON do s3://shopez-monitoring/results/`<model-package-id>`/run-YYYYMMDD.json i zawierają pole constraint_violations_count. Zespół chce zautomatyzowanego przepływu, który uruchamia istniejący SageMaker Pipeline o nazwie 'retrain-pipeline', gdy constraint_violations_count > 0. Która architektura w najbardziej bezpośredni i niezawodny sposób implementuje ten zautomatyzowany wyzwalacz ponownego trenowania?

Poprawna odpowiedź wykorzystuje EventBridge do reagowania na tworzenie nowych plików wyników monitorowania w S3. EventBridge jest idealny do bezserwerowego, opartego na zdarzeniach wyzwalania. Funkcja Lambda jest następnie używana do analizy zawartości pliku JSON, co pozwala na sprawdzenie warunku constraintviolationscount 0. Jeśli warunek jest spełniony, Lambda wywołuje StartPipelineExecution, uruchamiając potok SageMaker. To podejście jest bezpośrednie, niezawodne i zgodne z najlepszymi praktykami AWS dla automatyzacji opartej na zdarzeniach. Pozostałe opcje są mniej odpowiednie: Opcja z alarmem CloudWatch jest nieprawidłowa, ponieważ SageMaker Model Monitor nie emituje wbudowanej metryki 'ConstraintViolations', którą można by bezpośrednio monitorować za pomocą CloudWatch. Opcja z CodePipeline jest zbyt złożona i nieefektywna, ponieważ wymagałaby okresowego odpytywania S3, zamiast reagowania na zdarzenia. Ponadto, wyzwalanie nowego TrainingJob zamiast istniejącego potoku jest mniej optymalne. Opcja z 'StartSageMakerPipelineOnViolation' jest nieprawidłowa, ponieważ SageMaker Model Monitor nie oferuje wbudowanej opcji bezpośredniego wyzwalania potoków SageMaker w przypadku naruszeń.