批处理预测作业非阻塞化

对于批处理预测作业，如果使用传统的同步方式进行提交和等待，则会阻塞程序运行，导致整个程序无法进行其他操作。为了解决这个问题，可以使用异步方式进行提交和等待。

以Python代码为例：

import boto3

def start_batch_job(job_name, s3_input_location, s3_output_location):
    sagemaker_client = boto3.client('sagemaker')
    response = sagemaker_client.create_transform_job(
        TransformJobName=job_name,
        ModelName='my-model',
        TransformInput={
            'DataSource': {
                'S3DataSource': {
                    'S3DataType': 'S3Prefix',
                    'S3Uri': s3_input_location
                }
            },
            'ContentType': 'text/csv',
            'SplitType': 'Line',
            'CompressionType': 'None'
        },
        TransformOutput={
            'S3OutputPath': s3_output_location,
            'AssembleWith': 'Line',
            'ContentType': 'text/csv',
            'SplitType': 'Line'
        },
        TransformResources={
            'InstanceType': 'ml.m4.xlarge',
            'InstanceCount': 1
        }
    )
    return response['TransformJobArn']

job_arn = start_batch_job('my-job', 's3://my-bucket/my-input-path', 's3://my-bucket/my-output-path')
print("Started job arn = {}".format(job_arn))

使用异步方式进行提交，可以在任务开始后立刻返回任务的ARN，程序可以继续运行其他操作。等待任务完成时，可以使用AWS SDK中提供的waiter方法来等待作业完成：

import boto3

def wait_for_transform_job(job_name):
    sagemaker_client = boto3.client('sagemaker')
    waiter = sagemaker_client.get_waiter('transform_job_completed_or_stopped')
    waiter.wait(TransformJobName=job_name)
    response = sagemaker_client