Bir satıcı, şirketin Amazon S3 bucket'ına her 3-4 günde bir temizlenmiş, kullanıma hazır eğitim verileri teslim eder. Şirketin modeli yeniden eğitmek için bir SageMaker pipeline'ı vardır. ML mühendisinin, S3'e yeni veriler geldiğinde pipeline'ın en az operasyonel yük ile otomatik olarak çalışmasını sağlaması gerekmektedir. Hangi çözümü uygulamalıdırlar?

Doğru cevap, S3'e yeni veriler yüklendiğinde bir SageMaker pipeline'ını otomatik olarak başlatmak için en operasyonel yükü en aza indiren ve en doğrudan çözümü sunan Amazon EventBridge kuralıdır. EventBridge, S3 nesne oluşturma olaylarını doğrudan dinleyebilir ve bu olayları tetikleyici olarak kullanarak SageMaker pipeline'ını hedef olarak yapılandırabilir. Bu, manuel müdahaleye gerek kalmadan tamamen otomatik bir iş akışı sağlar. Diğer seçenekler neden yanlış: S3 Lifecycle kuralı, nesnelerin depolama sınıfını değiştirmek veya silmek içindir, bir SageMaker pipeline'ını tetiklemek için değildir. Bir AWS Lambda dağıtmak mümkün olsa da, EventBridge'in yerleşik S3 entegrasyonu ve SageMaker pipeline'larını doğrudan hedefleme yeteneği göz önüne alındığında daha fazla geliştirme ve bakım yükü getirir. Amazon MWAA (Managed Workflows for Apache Airflow) güçlü bir orkestrasyon aracıdır ancak bu senaryo için aşırı karmaşık ve gereksiz bir çözümdür; EventBridge daha basit ve amaca yönelik bir entegrasyon sunar.