ご要望またはご協力できることがございましたらお気軽にお問い合わせください

セールス & お見積り

お客様のビジネスニーズについて担当者と話す

セールス部門へお問い合わせ

ヘルプ & サポート

製品サポートオプションを見る

お問い合わせ サポート

一般的なお問い合わせと所在地情報

お問い合わせ

人気の目的地

当社では、AI ツールを使用してコンテンツを複数の言語で提供しています。これらの翻訳は自動生成のため、英語版と翻訳版の内容に差異が生じる場合があります。本コンテンツの正式版は英語版です。ご不明な点がございましたら、専門スタッフにお問い合わせください。

一般的なワークフローの問題

これがあなたの週のように聞こえますか？

これらはエッジケースではありません。複数のツールでAWS DataSync転送を実行しているチームの通常の運用条件です。Control-Mがそれぞれをどのように処理するかを見てみましょう。

UPSTREAM DATA

あなたのS3トレーニングデータが遅れています。SageMakerは開始してはなりません。

Control-M holds the SageMaker pipeline behind the required upstream dependencies and releases execution only when those conditions are satisfied. The ML workflow stays coordinated with the data pipeline instead of starting from an independent schedule.

PIPELINE FAILURE

あなたのSageMakerパイプラインが失敗しました。ダウンストリームワークフローはまだ待機しています。

Control-M monitors SageMaker pipeline status, results, and output, then applies workflow logic when execution fails. Downstream dependencies remain controlled while operators get the execution context needed to recover the pipeline without blindly advancing the workflow.

RETRY CONTROL

SageMakerパイプラインが停止しました。制御された再試行が必要です。

Control-M can retry a previous SageMaker pipeline execution using its Pipeline Execution ARN, with configurable status polling and failure tolerance. Recovery stays inside the orchestrated workflow instead of depending on an operator manually restarting execution in AWS.

CROSS-TOOL DEPENDENCIES

あなたのAWS Glueジョブが完了しました。次にSageMakerを実行する必要があります。

Control-M places AWS Glue processing and SageMaker execution in the same end-to-end workflow, using dependencies to coordinate the handoff. Teams can manage the sequence across services without maintaining separate schedules or custom cross-platform trigger logic.

SLA RISK

トレーニングはまだ実行中です。午前7時の分析ハンドオフが危険にさらされています。

Control-M attaches SLA management to the SageMaker job and tracks it within the broader production workflow. Teams gain visibility into timing risk before the downstream delivery window is missed, rather than discovering the delay after consumers are already waiting.

Control-M + Amazon SageMaker

Control-M + Amazon SageMaker

workload.types

SageMaker Pipelines · pipeline execution · parameterized pipeline runs · pipeline execution retry · ML training workflows · model processing workflows

trigger.type

time schedule · upstream job completion · file arrival · API-driven execution · Control-M dependency · business calendar · resource availability

cross_tool.deps

Amazon S3 data arrival · AWS Glue job · Apache Airflow DAG · AWS Step Functions workflow · file transfer completion · database job · downstream analytics handoff

cloud.platforms

AWS · Amazon SageMaker regional endpoints · Control-M SaaS · Control-M self-managed

error_handling

pipeline execution retry · Pipeline Execution ARN · status polling frequency · failure tolerance · dependency-based cascade prevention · job status monitoring · workflow recovery

throughput

Up to 50 SageMaker jobs simultaneously per Agent (recommended guideline) · parallel pipeline execution · resource pools · scheduling controls · scalable enterprise workflow coordination

observability

job status · pipeline results · job output · SLA jobs · end-to-end workflow monitoring · dependency visibility · execution history

エンドツーエンドのオーケストレーション

1つのプロダクションワークフロー。スタック内のすべてのツール。

Control-Mは、Amazon SageMaker、Amazon S3、AWS Glue、Airflow、AWS Step Functions、ファイル転送、および分析サービスを単一のジョブフロー内でオーケストレーションします - 依存関係の追跡、SLAの可視性、すべてにわたる自動回復を備えています。

  • ツール間の依存関係: AWS Glue → Amazon SageMakerパイプライン → モデル出力 → 分析ハンドオフ
  • データ認識トリガー: S3ファイルの到着、APIイベント、上流ジョブの完了、パイプラインの結果
すべての統合を表示

Amazon SageMaker

execute pipelines · pass pipeline parameters · retry pipeline execution · monitor status and output · attach SLA jobs

Amazon S3 

coordinate data arrival · gate downstream processing · sequence training-data dependencies

AWS Glue

orchestrate data preparation · monitor job completion · trigger downstream ML workflows

Apache Airflow → trigger DAGs · monitor execution · coordinate DAG dependencies with enterprise workflows

AWS Step Functions

execute workflows · monitor status · coordinate application and ML dependencies

File Transfer 

coordinate file delivery · gate pipeline execution · connect external data sources

Analytics Services 

coordinate downstream delivery · sequence model outputs · protect reporting dependencies

AIRFLOW共存

Control-MはあなたのAirflow DAGを置き換えません。それらの上にレイヤーを実行します。

一般的な異議があります: "すでにAirflowを使用しています。" 問題はAirflowが何をするかではなく、Airflowが実行される前後に何が起こるかです。それがパイプラインが実際に失敗する場所です。

AirflowはそのDAGを管理します。Control-Mはその周囲のすべてを管理します。

AIRFLOW HANDLES

データパイプライン内のDAGレベルのオーケストレーション

  • DAG-level task orchestration within data pipelines
  • Python operators, sensors, and task dependencies
  • Execution graph for jobs that run inside your pipeline
  • Manages retries within a single DAG context

CONTROL-M ADDS

DAGの周囲にある調整レイヤー

  • Coordination layer around DAGs — triggers Airflow based on upstream conditions: file arrivals, API events, other tool completions
  • Tracks each DAG’s SLA contribution across the full end-to-end workflow, not just its own routine
  • Manages failure recovery when upstream dependencies fail before Airflow even starts
  • Existing DAGs don’t need to be rewritten or migrated
tbd

パイプラインを監視する

SageMakerの実行をフルデータパイプラインで監視する

SageMakerはあなたのML環境内で何が起こっているかを示します。プロダクションの依存関係はそれを超えて広がることがよくあります。Control-MはSageMakerの状態、結果、および出力を、データを供給し消費するジョブとともに監視し、チームに次のものの1つの運用ビューを提供します：

  • SageMakerパイプライン実行状況

  • ジョブの結果と出力

  • 上流および下流の依存関係

  • エンドツーエンドのワークフロー状況

TBD

SLA保証

SageMakerパイプラインを配信SLAに合わせて維持する

成功したSageMakerの実行でも、それに依存するビジネスプロセスに遅れが生じる可能性があります。Control-MはSageMakerジョブにSLA管理を追加し、周囲のワークフロー全体のタイミングを調整することで、チームが配信リスクを特定し管理するのを助けます:

  • エンドツーエンドのSLA追跡

  • クロスプラットフォーム依存関係のタイミング

  • パイプラインのステータスと結果

  • ダウンストリーム配信の調整

Documentation
Integrating Amazon SageMaker and Control-M

複雑なワークフローに秩序をもたらす

Control-Mがチームに、より高い可視性、調整、制御を持って複雑なプロセスをオーケストレーションするのを助ける方法を学びます。

コンサルテーションをスケジュールする セルフガイドデモを始める