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。

# 中的服务职位 AWS Batch
<a name="service-jobs"></a>

AWS Batch 服务作业允许您通过 AWS Batch 任务队列向 AWS 服务提交请求。目前， AWS Batch 支持将 SageMaker 训练作业作为服务作业。与 AWS Batch 管理底层容器执行的容器化作业不同，服务作业 AWS Batch 允许提供作业调度和排队功能，而目标 AWS 服务（例如 SageMaker AI）则处理实际的任务执行。

AWS Batch fo SageMaker r Training 作业允许数据科学家将具有优先级的训练作业提交到可配置队列，从而确保工作负载在资源可用时立即在没有干预的情况下运行。此功能可解决资源协调、防止意外超支、满足预算约束、使用预留实例优化成本等常见挑战，以及无需在团队成员之间进行手动协调。

服务作业与容器化作业有多个关键的区别：
+ **任务提交**：必须使用 [SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html)API 提交服务作业。无法通过 AWS Batch 控制台提交服务作业。
+ **任务执行**： AWS Batch 计划和排队服务作业，但目标 AWS 服务运行实际的作业工作负载。
+ **资源标识符**：服务作业使用包含“service-job”而不是“job”的 ARN 来与容器化作业区分。

要开始使用 SageMaker 培训 AWS Batch 服务作业，请参阅[SageMaker 人工智能 AWS Batch 入门](getting-started-sagemaker.md)。

**Topics**
+ [中的服务任务有效负载 AWS Batch](service-job-payload.md)
+ [在中提交服务任务 AWS Batch](service-job-submit.md)
+ [Mapping AWS Batch 将服务任务状态转换为 SageMaker AI 状态](service-job-status.md)
+ [中的服务作业重试策略 AWS Batch](service-job-retries.md)
+ [监控中的服务作业 AWS Batch 队列](monitor-sagemaker-job-queue.md)
+ [终止服务作业](terminate-service-jobs.md)