Uma empresa atualmente serve seu modelo de ML em 10 instâncias aceleradas Reservadas e deve implantar uma nova versão do modelo em um endpoint em tempo real do Amazon SageMaker. A implantação deve continuar a usar as 10 instâncias originais para servir ambas as versões, incluir uma instância Reservada extra para usar durante a implantação e realizar a transição sem tempo de inatividade. Qual abordagem de implantação satisfaz essas restrições?

A implantação rolling (atualização contínua) com tamanho de lote 1 é a única opção que atende a todos os requisitos. Ela permite substituir gradualmente as instâncias do modelo antigo pelas do novo, uma por uma, garantindo que o número total de instâncias em serviço (10) seja mantido e que a 11ª instância reservada seja usada para a transição sem tempo de inatividade. As implantações blue/green com mudança de tráfego (all-at-once ou canary) exigiriam um conjunto duplicado de instâncias (10 para blue e 10 para green), o que não se alinha com o uso da 11ª instância extra. O shadow test (teste de sombra) não substitui o modelo em produção, apenas envia uma cópia do tráfego para ele para avaliação, o que não atende ao requisito de implantação.