Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com11. Oktober 2024 · Q010573

For Loops(Parallel Loop) in AWS Step Function

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel erläutert, wie Step Functions mit Map Array-Elemente parallel verarbeiten, für Lambda-Aufrufe formatieren und Ergebnisse mit `ResultSelector` umformen kann. Obwohl der Text eine Multiplikation mit 100 ankündigt, multiplizieren Code und Beispielausgabe tatsächlich mit 10.

Mittel

Der Bericht zeigt, wie AWS Step Functions mit einem Map-Zustand die Elemente eines JSON-Arrays jeweils an eine Lambda-Funktion übergeben kann. Über `$.numbers` wird das zu verarbeitende Array ausgewählt. Ein `ItemSelector` formt jeden einzelnen Wert in das von der Lambda-Funktion erwartete Objekt mit einem `number`-Feld um. Alternativ lässt sich die Payload direkt beim Lambda-Aufruf anpassen. Mit einem `ResultSelector` kann die Liste von Ergebnisobjekten anschließend in ein Objekt mit einem `numbers`-Array umgewandelt werden; für verschachtelte Arrays nennt der Artikel `$[*][*]` zum Abflachen einer Ebene.

Für mehrere Zweige empfiehlt der Autor `ItemSelector`, wenn deren erste Zustände dieselbe Eingabeform erwarten. Bei unterschiedlichen Formaten könne man jeden Aufruf einzeln anpassen. Das Beispiel zeigt für die Eingabe `[1, 23, 0.1]` die Ausgabe `[10, 230, 1]`. Dabei widerspricht die Demonstration der Ankündigung, mit 100 zu multiplizieren: Der Code multipliziert mit 10. Der Artikel zeigt ein Beispiel, enthält aber keine Laufzeit- oder Skalierungsmessungen.

Ausführlich lesen

Der Bericht erklärt anhand eines Beispiels, wie sich mit dem Map-Zustand in AWS Step Functions jedes Element eines Arrays verarbeiten lässt. Der Autor bezeichnet das als „For-Schleife“, weist aber darauf hin, dass die einzelnen Verarbeitungsschritte parallel laufen können. Als Voraussetzung nennt der Artikel grundlegende Kenntnisse zu Step Functions und zum Erstellen einfacher Workflows.

Das Beispiel nimmt eine Eingabe mit einem `numbers`-Array und ruft für jeden Wert eine Lambda-Funktion auf. Im Map-Zustand wird über den Pfad `$.numbers` festgelegt, welches Array durchlaufen wird. Da Map jeweils einen einzelnen Array-Wert weitergibt, die Lambda-Funktion aber ein Objekt mit einem `number`-Feld erwartet, beschreibt der Artikel einen `ItemSelector`: `$$.Map.Item.Value` wird dem Feld `number` zugewiesen. Als Alternative könne man die Eingabe direkt in den API-Parametern des Lambda-Aufrufs mit einer Payload-Vorgabe umformen.

Der Artikel zeigt außerdem, wie das Ergebnis gestaltet werden kann. Ohne weitere Auswahl gibt Map laut Beispiel eine Liste von Objekten zurück, etwa `{"number": 10}`. Ein `ResultSelector` mit dem Ausdruck `$[*].number` formt diese Liste in ein Objekt mit einem `numbers`-Array um. Für verschachtelte Arrays nennt der Autor `$[*][*]` als Beispiel, um eine Ebene von Arrays abzuflachen.

Bei der Wahl zwischen `ItemSelector` und einer Änderung der Lambda-Payload empfiehlt der Bericht, `ItemSelector` zu verwenden, wenn die ersten Zustände mehrerer Zweige dasselbe Eingabeformat benötigen. Brauchen Zweige unterschiedliche Formate, solle die Eingabe jeweils direkt am betreffenden Aufruf angepasst werden. Als Demonstration führt der Artikel die Eingabe `[1, 23, 0.1]` an und zeigt als Ausgabe `[10, 230, 1]`.

Eine wichtige Unstimmigkeit bleibt im Text: Zu Beginn wird angekündigt, jeder Wert solle mit 100 multipliziert werden. Der gezeigte Lambda-Code multipliziert jedoch mit 10, und die Beispielausgabe entspricht ebenfalls dieser Multiplikation. Die tatsächliche Demonstration belegt daher keine Multiplikation mit 100. Der Bericht liefert ein einzelnes Konfigurationsbeispiel und einen Beispielausgang; weitere Messungen zur Laufzeit, Skalierung oder zu möglichen Fehlerfällen enthält er nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Fragen angegeben, daher ist die Einordnung leer. Die kurze Zusammenfassung ist treu und benennt den Widerspruch zwischen angekündigter Multiplikation mit 100 und dem Code mit 10 korrekt. Die mittlere Zusammenfassung ist ebenfalls korrekt, lässt aber die Parallelität aus. Erfundene Angaben liegen in keiner der beiden Fassungen vor.

Im Bericht, aber nicht in der Zusammenfassung

  • Die parallele Verarbeitung der Array-Elemente durch den Map-Zustand, die der Artikel als Kernidee nennt, fehlt in der mittleren Zusammenfassung.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →