非同步操作的相依性管理

Amazon ML 中的批次操作需依賴其他操作，才能成功完成。為了管理這些相依性，Amazon ML 會識別具有相依性的請求，並確認操作已完成。如果操作尚未完成，Amazon ML 會將初始請求放在一旁，直到其依賴的操作已完成。

批次操作之間有一些相依性。例如，在您可以建立 ML 模型之前，您必須先建立資料來源，以便用來訓練 ML 模型。如果沒有可用的資料來源，Amazon ML 無法訓練 ML 模型。

不過，Amazon ML 支援非同步操作的相依性管理。例如，您不需要等待資料統計資料已計算，才能傳送根據資料來源訓練 ML 模型的請求。反之，只要資料來源建立好，您就可以傳送使用資料來源訓練 ML 模型的請求。在資料來源統計資料已計算完成前，Amazon ML 不會實際開始訓練操作。createMLModel 請求會放入佇列中，直到統計資料計算完成；一旦完成後，Amazon ML 就會立即嘗試執行 createMLModel 操作。同樣地，您可以傳送尚未完成訓練的 ML 模型的批次預測和評估請求。

下表顯示繼續不同 AmazonML 動作的要求

為了...	您必須有...
建立 ML 模型 (createMLModel)	已計算資料統計資料的資料來源
建立批次預測 (createBatchPrediction)	資料來源 機器學習 (ML) 模型
建立批次評估 (createBatchEvaluation)	資料來源 機器學習 (ML) 模型