一个基于遗传算法的已部署模型可能需要几分钟才能生成预测，并且必须处理包含高达 100 MB 数据的请求。哪种部署方案可以在满足这些要求的同时最大限度地减少运维开销？

Amazon SageMaker Asynchronous Inference 端点是处理大型请求负载（高达 100 MB）和需要较长处理时间（几分钟）的模型的理想选择，因为它将请求排队并异步处理，从而避免了超时问题并提高了吞吐量。 将模型部署到 Application Load Balancer 后面的 Auto Scaling 组中的 Amazon EC2 实例虽然可以处理负载，但管理起来运维开销较大，且可能难以有效处理长时间运行的请求。Amazon SageMaker 实时端点适用于低延迟、小负载的请求，不适合本场景中长达几分钟的预测时间。将模型打包为容器并部署到 Amazon ECS 实例同样会增加运维开销，并且在处理异步、长时间运行的请求方面不如 SageMaker Asynchronous Inference 端点优化。