12 Workflows
Les workflows d'Oracle AI Data Platform Workbench fournissent un moyen puissant et flexible d'automatiser les tâches de traitement des données. Grâce aux workflows, les utilisateurs peuvent définir et orchestrer des pipelines de données complexes qui peuvent être exécutés à la demande et selon un planning prédéfini. Les workflows peuvent être composés de plusieurs tâches, chacune effectuant une action spécifique, et peuvent inclure des fonctionnalités avancées telles que les dépendances, les déclencheurs et la gestion des erreurs.
Principales fonctionnalités des workflows de la plate-forme de données d'IA
- Automatisation : Automatisez les tâches et les processus de données complexes.
- Orchestration : définissez la séquence et les dépendances des tâches d'un pipeline.
- Planification : exécutez des workflows sur une planification ou un déclencheur en fonction d'événements spécifiques.
- Surveillance : Suivre le statut des workflows, les journaux et l'historique des exécutions.
- Paramétrisation : Transmettez des paramètres pour personnaliser le comportement des workflows et des tâches.
Concepts de base
- Travail : ensemble de tâches exécutées en séquence ou en parallèle pour terminer un travail de traitement de données.
- Tâche : étapes individuelles qui constituent un workflow. Les tâches peuvent inclure des actions telles que l'exécution de code Python, l'exécution d'un bloc-notes, une tâche if-else ou l'exécution d'une autre tâche de travail.
- Job Run : instance d'une exécution de travail. Un travail peut être déclenché plusieurs fois, chaque fois qu'un nouveau travail est exécuté.
- Déclencheur : définit les conditions dans lesquelles un workflow est exécuté, par exemple sur une planification, ou s'il est déclenché manuellement.
- Dépendances : définissez l'ordre d'exécution des tâches ou indiquez les conditions d'exécution de certaines tâches.
- Paramètres : valeurs transmises aux workflows ou aux tâches pour personnaliser leur exécution. Les paramètres peuvent être définis au niveau du travail, de la tâche ou de l'exécution.
Avantages/cas d'utilisation des workflows
- Automatisation rationalisée - Simplifiez l'exécution des tâches de données récurrentes en les automatisant via des workflows.
- Traitement parallèle : accélère le traitement des données en exécutant des tâches en parallèle.
- Exécution personnalisable - Modifier les workflows à l'exécution avec des paramètres pour répondre à des besoins spécifiques.
- Efficacité améliorée - Réduire les interventions manuelles et les erreurs, permettant des opérations plus fluides.
Les workflows d'un workbench de plate-forme de données d'IA permettent un large éventail de cas d'utilisation, notamment des pipelines ETL automatisés, l'intégration de données à partir de plusieurs sources et des analyses avancées. Les utilisateurs peuvent automatiser la surveillance de la qualité des données, l'entraînement des modèles de machine learning et le déploiement. Ces fonctionnalités améliorent l'efficacité et l'évolutivité des workflows modernes basés sur les données.
Meilleures pratiques
- Modularisation des tâches - Répartissez les workflows en tâches réutilisables pour simplifier la gestion et améliorer la maintenabilité.
- Allocation efficace des ressources - Optimisez les workflows pour de meilleures performances en exécutant des tâches en parallèle, le cas échéant.
- Gestion des erreurs : utilisez les nouvelles tentatives, les notifications d'erreur et les mécanismes de restauration pour garantir l'exécution fiable des workflows.
- Affectation de calcul - Affectez des ressources de calcul spécifiques à chaque tâche en fonction de la taille de la charge globale, en optimisant les performances et les coûts.
En suivant ces meilleures pratiques, vous pouvez concevoir des workflows évolutifs, fiables et efficaces, garantissant des performances optimales et une gestion plus facile dans Oracle AI Data Platform.