本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 将 Amazon Batch 服务作业状态映射到 SageMaker AI 状态
<a name="service-job-status"></a>

使用向 SageMaker 作业队列提交作业时 [SubmitServiceJob](https://docs.amazonaws.cn/batch/latest/APIReference/API_SubmitServiceJob.html)，会 Amazon Batch 管理作业生命周期并将 Amazon Batch [作业状态](job_states.md)映射到等效的 SageMaker 训练作业状态。服务作业（例如 SageMaker 训练作业）遵循的状态生命周期与传统的容器作业不同。服务作业的大多数状态与容器作业相同，不过服务作业引入了 `SCHEDULED` 状态并具有不同的重试行为，尤其是在处理目标服务容量不足错误时。

下表显示了 Amazon Batch 作业状态和相应的 SageMaker状态/SecondaryStatus：


| Batch 状态 | SageMaker AI 主要状态 | SageMaker AI 二级状态 | 说明 | 
| --- | --- | --- | --- | 
| SUBMITTED | 不适用 | 不适用 | 作业已提交到队列，等待调度器评估。 | 
| RUNNABLE | 不适用 | 不适用 | 作业已排队，可以进行调度。一旦服务环境中有足够的资源可用，处于此状态的作业就会立即启动。如果没有足够的资源可用，作业会无限期地保持此状态。 | 
| SCHEDULED | InProgress | Pending | 服务作业已成功提交给 SageMaker AI | 
| STARTING | InProgress | Downloading | SageMaker 下载数据和图像的训练作业。已取得训练作业容量，并且已开始作业初始化。 | 
| RUNNING | InProgress | Training | SageMaker 训练作业执行算法  | 
| RUNNING | InProgress | Uploading | SageMaker 训练作业在训练完成后上传输出工件 | 
| SUCCEEDED | Completed | Completed | SageMaker 训练作业成功完成。已完成输出构件上传。 | 
| FAILED | Failed | Failed | SageMaker 训练作业遇到了一个不可恢复的错误。 | 
| FAILED | Stopped | Stopped | SageMaker 已使用手动停止训练作业StopTrainingJob。 |