Sagen Sie uns, wie wir helfen können
Vertrieb & Preise
Speak to a rep about your business needs
Hilfe & Support
See our product support options
Allgemeine Anfragen und Standorte
Kontakt
Control-M + Amazon Bedrock AgentCore
Der Amazon Bedrock AgentCore-Workflow beginnt, bevor Control-M überhaupt einen Agenten auslöst – und er kann ausfallen, wenn etwas im Upstream kaputtgeht. Ein Amazon S3-Datensatz kommt unvollständig an. Eine AWS Glue-Transformation wird zwei Stunden verspätet. Control-M orchestriert die gesamte Kette: Amazon S3-Dateneingang, AWS Glue-Transformation, Amazon Bedrock AgentCore-Ausführung und Downstream-Lieferung.
Häufige Workflow-Probleme
Klingt das nach deiner Woche?
Das sind keine Randfälle. Das sind die normalen Betriebsbedingungen für Teams, die Amazon Bedrock AgentCore-Agenten-Workflows über mehrere Tools hinweg ausführen. So handhabt Control-M jedes einzelne Verfahren.
UPSTREAM-DATENVERZÖGERUNGEN
Dein S3-Datensatz ist um 02:00 Uhr angekommen. AgentCore wartet auf vollständige Eingaben.
Control-M verwendet Dateiankunftsbedingungen und Upstream-Abhängigkeiten, um die Agentenausführung mit der erforderlichen Datenvorbereitung zu koordinieren. Wenn die erwartete Amazon S3-Lieferung fehlt oder sich verspätet, bleiben abhängige Jobs auf Eis gelegt, was eine vorzeitige Ausführung mit unvollständigen Eingaben verhindert.
KLEBERVERSAGEN
AWS Glue ist über Nacht ausgefallen. Dein AgentCore-Workflow benötigt weiterhin aktualisierte Kundendaten.
Control-M bewertet den Abschlussstatus des AWS Glue-Jobs, bevor der abhängige AgentCore-Aufruf freigegeben wird. Eine fehlgeschlagene Transformation blockiert die nachgelagerte Ausführung, löst konfigurierte Alarme aus und unterstützt kontrollierte Wiederherstellung, wodurch veraltete Daten in den Agenten-Workflow gelangen.
API-THROTTLING-RISIKO
AgentCore gibt ThrottlingException zurück. Ihre geplante Meldeübergabe ist jetzt gefährdet.
Control-M kann konfigurierte Wiederholungsintervalle und Versuchslimits auf fehlgeschlagene Agenten-Trigger-Jobs anwenden, unabhängig vom eigenen Throttling-Verhalten von AgentCore. Persistente API-Fehler lösen eine Eskalation aus, während nachgelagerte Abhängigkeiten bis zum erfolgreichen Abschluss blockiert bleiben, was manuelle Eingriffe reduziert und unkontrollierte Wiederholungsanfragen vermeidet.
NACHGELAGERTER LIEFERFEHLER
Dein AgentCore-Aufruf war erfolgreich. Die Redshift-Meldelast hat nie begonnen.
Control-M verfolgt den Aufrufauftrag und die nachgelagerten Lieferabhängigkeiten innerhalb eines Workflows. Konfigurierte Erfolgsbedingungen geben die Redshift-Last frei, während Fehler die abhängige Verarbeitung stoppen und Warnungen erzeugen, sodass Teams den Geschäftsprozess abschließen und nicht nur den API-Aufruf abschließen.
SLA-FRISTENRISIKO
Dein AgentCore-Output um 06:00 Uhr ist verspätet. Die Analytics-Deadline rückt näher.
Control-M überwacht den gesamten Arbeitsablauf hinsichtlich definierter Service-Fristen und gibt Warnungen aus, wenn die Fertigstellung gefährdet ist. Teams können verzögerte Abhängigkeiten identifizieren, die Wiederherstellung priorisieren und die nachgelagerte Verarbeitung koordinieren, bevor verpasste Lieferfenster den Geschäftsbetrieb beeinträchtigen.
Control-M + Amazon Bedrock AgentCore
Control-M + Amazon Bedrock AgentCore
|
workload.types |
AgentCore-Agentenaufrufe · agentengesteuerte Datenanreicherung · Agentische Workflows für Dokumentklassifikation, Zusammenfassung und Berichtserstellung (ausgeführt vom Agenten, orchestriert von Control-M) |
||
|
trigger.type |
Ankunft der Amazon S3-Datei · AWS Glue-Jobabschluss · Status des vorgelagerten Jobs-Verlassens · Zeitbasierter Zeitplan · Control-M-Ereignisbedingung · API-initiierter Workflow |
||
|
cross_tool.deps |
AWS Glue ETL · Amazon S3 Auslieferung · AWS Lambda-Ausführung · Apache Airflow DAG-Fertigstellung · AWS Step Functions Ausführung · Amazon Redshift-Last · Nachgelagerte Dateizustellung |
||
|
cloud.platforms |
Amazon Web Services · Control-M SaaS · selbstgehostete Control-M · hybride Unternehmensumgebungen |
||
|
error_handling |
Konfigurierbare Job-Wiederholungen · Wiederholungsintervalle · Upstream-Fehler-Halten · Downstream-Kaskadenverhinderung · Control-M-Behandlung von AgentCore-API-Fehlern · SLA-Warnungen · Job-Eskalierung |
||
|
Durchsatz |
Geplanter Batch-Aufruf · parallele Control-M-Jobs · abhängigkeitsgesteuerte Ausführung · Control-M Workload-Nebenläufigkeitsmanagement · Control-M-Wiederholungskonfiguration für gedrosselte Aufrufe |
||
|
Beobachtbarkeit |
Control-M-Jobstatus · Abhängigkeitsvisualisierung · Job-Ausführungshistorie · SLA-Tracking · AgentCore CloudWatch-Metriken · AgentCore-Laufzeitprotokolle · OpenTelemetrie-Nachverfolgung |
End-to-End-Orchestrierung
Ein Produktionsworkflow. Jedes Tool im Stack.
Control-M orchestriert Workflows über Amazon Bedrock AgentCore, AWS Glue, Amazon S3, AWS Lambda, Apache Airflow und Cloud-Dienste in einem einzigen Job-Flow – mit Abhängigkeitsverfolgung, SLA-Transparenz und automatisierter Wiederherstellung über alle hinweg.
- Cross-Tool-Abhängigkeit: Amazon S3 → AWS Glue → Amazon Bedrock AgentCore → Amazon Redshift
- Datenbewusste Trigger: Ankunft der S3-Datei, API-Ereignis, AWS Glue-Abschluss, Ergebnis eines Upstream-Auftrags
|
Amazon Bedrock AgentCore |
Agent-Laufzeitaufruf · Jobabhängigkeiten · Ausführung des Status-Umgangs · Retry-Orchestrierung |
|
Amazon S3 |
Dateiankunftserkennung · Koordination der Eingabeabhängigkeit · Datenübertragung |
|
AWS Glue |
ETL-Jobausführung · Abschlussverfolgung · Downstream-Freigabe |
|
AWS Lambda |
Funktionsaufruf · Ausführungsüberwachung · Workflow-Koordination |
|
Apache-Luftstrom |
DAG-Auslösung · Statusverfolgung · plattformübergreifendes Abhängigkeitsmanagement |
|
AWS Step Functions |
Ausführung von Zustandsautomaten · Erledigungsverfolgung · nachgelagerte Workflow-Koordination |
|
Amazon-Rotverschiebung |
Orchestrierung von Datenlasten · SQL-Jobabhängigkeiten · Meldung von Übergaben |
Koexistenz des Luftstroms
Control-M ersetzt deine Airflow DAGs nicht. Es verläuft die darüberliegende Schicht.
Der Einwand ist häufig: "Wir sind bereits auf Airflow." Das Problem ist nicht, was Airflow macht – sondern was vor und nach Airflow passiert. Genau hier versagen Pipelines tatsächlich.
Der Luftstrom steuert seinen DAG. Control-M verwaltet alles Umliegende.
Luftstromregler
Orchestrierung auf DAG-Ebene innerhalb der Datenpipeline
- DAG-Level-Aufgabenorchestrierung innerhalb von Datenpipelines
- Python-Operatoren, Sensoren und Aufgabenabhängigkeiten
- Ausführungsgraph für Jobs, die in deiner Pipeline laufen
- Verwaltet erneute Versuche innerhalb eines einzigen DAG-Kontexts
Control-M fügt hinzu
Die Koordinationsschicht um deine DAGs herum
- Koordinationsschicht rund um DAGs – löst den Airflow basierend auf upstream-Bedingungen aus: Dateiankünfte, API-Ereignisse, andere Werkzeugabschlüsse
- Verfolgt den SLA-Beitrag jedes DAG über den gesamten End-to-End-Workflow, nicht nur über die eigene Routine
- Verwaltet die Fehlerwiederherstellung, wenn upstream-Abhängigkeiten ausfallen, bevor der Luftstrom überhaupt startet.
- Bestehende DAGs müssen nicht umgeschrieben oder migriert werden
ÜBERWACHEN SIE KI-WORKFLOWS
Überwachen Sie die Workflows des Amazon Bedrock AgentCore von Anfang bis Ende
Amazon Bedrock AgentCore bietet Laufzeit-Observabilität, aber einzelne Agentenmetriken zeigen nicht an, ob upstream-Datensätze eingetroffen oder downstream-Prozesse abgeschlossen wurden. Control-M bietet eine einheitliche Übersicht der Ausführung über die gesamte Datenpipeline hinweg und hilft Teams, Fehler und Verzögerungen durch:
-
Status und Geschichte der Agentenausführung
-
Upstream- und Downstream-Jobabhängigkeiten
-
Plattformübergreifende Sichtbarkeit der Workflow-Ausführung
-
Konfigurierbare Fehlerwarnungen und -benachrichtigungen
-
Jobdauer und Laufzeittrends
SLA-SICHERUNG
Halte die AgentCore-Arbeitsabläufe auf kritische Lieferfristen ausgerichtet
Die Laufzeit-Telemetrie von AgentCore verfolgt keine Geschäftsfristen über mehrere Plattformen hinweg. Control-M überwacht den gesamten Arbeitsablauf anhand definierter Serviceniveaus und hilft Teams, verzögerte Abhängigkeiten zu identifizieren, verpasste Fristen vorherzusehen und die Wiederherstellung zu koordinieren, bevor nachgelagerte Analysen und operative Verpflichtungen durch folgende Verpflichtungen betroffen sind:
-
End-to-End-Workflow-SLA-Überwachung
-
Prädiktive SLA-Verletzungswarnungen
-
Sichtbarkeit der kritischen Pfadabhängigkeit
-
Konfigurierbare Eskalation und Benachrichtigungen
-
Automatisierte Downstream-Jobfreigabe
Dokumentation
Bring Ordnung in komplexe Arbeitsabläufe
Erfahren Sie, wie Control-M Teams hilft, komplexe Prozesse mit größerer Transparenz, Koordination und Kontrolle zu orchestrieren.
