AWS 推出跨账户 SageMaker Pipelines 监控方案：用 CloudWatch 自定义仪表盘统一管理
AWS 发布新方案，通过 CloudWatch 自定义仪表盘集中监控跨账户、跨区域的 SageMaker Pipelines。采用无服务器事件驱动架构，支持实时查看管道执行状态，降低运维复杂度。本文详解架构、部署步骤及对中文圈用户的实际意义。
一句话看懂
AWS 发布跨账户 SageMaker Pipelines 监控方案，用 CloudWatch 自定义仪表盘统一查看多账户、多区域的管道执行状态。
详细发生了什么
AWS 官方博客发布了一篇新文章，介绍如何利用 Amazon CloudWatch 自定义仪表盘，集中监控分布在多个 AWS 账户和区域的 SageMaker Pipelines。该方案采用无服务器、事件驱动的 hub-and-spoke 架构：主账户部署 Dashboard 堆栈，包含 CloudWatch 仪表盘、DynamoDB 存储表和 Lambda 处理函数；被监控账户部署轻量级 Forwarder 堆栈，通过 Amazon EventBridge 实时捕获 SageMaker Pipeline 事件并转发到主账户。
事件流如下：当 SageMaker Pipeline 步骤状态变化时，Amazon SageMaker AI 生成事件，EventBridge 规则捕获后触发 Lambda 函数处理、丰富元数据，再通过跨账户 EventBridge 总线发送至主账户。主账户的 Lambda 将数据存入 DynamoDB，CloudWatch 仪表盘通过自定义 widget 读取并展示，支持按管道名称过滤、查看步骤详情。此外，CloudWatch 告警可监控异常活动，并通过 SNS 发送通知。
该方案已在 GitHub 上提供 AWS CDK 示例代码，部署需两个 AWS 账户、Python 3.14+、AWS CDK 2.1100.1+ 等前提条件。
中文圈视角
对国内 AWS 用户来说，这套方案直接解决了多账户 MLOps 监控的痛点。许多出海企业或跨国业务使用多个 AWS 账户隔离环境，但手动切换查看管道状态效率极低。该方案无需额外付费（仅需 CloudWatch 和 Lambda 等基础服务费用），且完全在 AWS 生态内完成，数据不出 AWS。
不过，国内用户需注意两点：一是 AWS 中国区（北京、宁夏）与全球区的服务差异，EventBridge 跨账户功能在中国区可能受限或需额外配置；二是如果使用国产云厂商（如阿里云、腾讯云）的 ML 平台，暂无类似原生方案，需自行用函数计算加日志服务搭建。对于已深度绑定 AWS 的团队，这套方案是成本最低的跨账户监控选择。
另外，方案中使用了 DynamoDB 存储执行数据，对于数据合规要求高的场景（如金融、医疗），需确认数据存储区域是否满足本地化要求。
几条值得记住的细节
- 采用 hub-and-spoke 架构，主账户部署 Dashboard 堆栈，被监控账户部署 Forwarder 堆栈。
- 事件驱动，无需轮询，实时响应 SageMaker Pipeline 状态变化。
- 仪表盘支持按管道名称过滤，并可查看单个执行的步骤详情（名称、类型、起止时间、状态）。
- 内置 CloudWatch 告警，当 Lambda 调用超阈值时通过 SNS 发送通知。
- GitHub 仓库提供完整 AWS CDK 代码，需 Python 3.14+、AWS CDK 2.1100.1+。
一句话总结
如果你用多个 AWS 账户跑 SageMaker Pipelines，这个方案能让你在一个仪表盘上看到所有执行状态，省去来回切换的麻烦。