开启步骤缓存

要开启步骤缓存，必须在步骤定义中添加 CacheConfig 属性。管道定义文件中的 CacheConfig 属性使用以下格式：

{
    "CacheConfig": {
        "Enabled": false,
        "ExpireAfter": "<time>"
    }
}

Enabled 字段指示是否为特定步骤开启了缓存。您可以将该字段设置为true，这会让 SageMaker AI 尝试查找具有相同属性的该步骤的上一次运行。或者，您可以将该字段设置为false，这会让 SageMaker AI 在每次管道运行时运行该步骤。 ExpireAfter是 ISO8601 持续时间格式的字符串，用于定义超时时间。ExpireAfter 持续时间可以是年、月、周、日、小时或分钟值。每个值都由一个数字和一个表示持续时间单位的字母组成。例如：

以下讨论描述了使用 Amaz SageMaker on Python SDK 为新的或预先存在的管道开启缓存的过程。

为新管道开启缓存

对于新管道，请通过 enable_caching=True 初始化 CacheConfig 实例，并将其作为管道步骤的输入。以下示例为训练步骤开启缓存，并设置 1 小时的超时时间：

from sagemaker.workflow.pipeline_context import PipelineSession
from sagemaker.workflow.steps import CacheConfig
      
cache_config = CacheConfig(enable_caching=True, expire_after="PT1H")
estimator = Estimator(..., sagemaker_session=PipelineSession())

step_train = TrainingStep(
    name="TrainAbaloneModel",
    step_args=estimator.fit(inputs=inputs),
    cache_config=cache_config
)

为预先存在的管道开启缓存

要为预先存在、已经定义的管道开启缓存，请打开该步骤的 enable_caching 属性，然后将 expire_after 设置为超时值。最后，使用 pipeline.upsert() 或 pipeline.update() 更新管道。再次运行后，以下代码示例将为训练步骤开启缓存，超时时间为 1 小时：

from sagemaker.workflow.pipeline_context import PipelineSession
from sagemaker.workflow.steps import CacheConfig
from sagemaker.workflow.pipeline import Pipeline

cache_config = CacheConfig(enable_caching=True, expire_after="PT1H")
estimator = Estimator(..., sagemaker_session=PipelineSession())

step_train = TrainingStep(
    name="TrainAbaloneModel",
    step_args=estimator.fit(inputs=inputs),
    cache_config=cache_config
)

# define pipeline
pipeline = Pipeline(
    steps=[step_train]
)

# additional step for existing pipelines
pipeline.update()
# or, call upsert() to update the pipeline
# pipeline.upsert()

或者，在定义（预先存在的）管道之后更新缓存配置，这样就可以连续运行一段代码。以下代码示例演示了此方法：

# turn on caching with timeout period of one hour
pipeline.steps[0].cache_config.enable_caching = True 
pipeline.steps[0].cache_config.expire_after = "PT1H" 

# additional step for existing pipelines
pipeline.update()
# or, call upsert() to update the pipeline
# pipeline.upsert()

有关更详细的代码示例以及有关 Python SDK 参数如何影响缓存的讨论，请参阅 Amaz SageMaker on Python SDK 文档中的缓存配置。