一个电子商务网站使用三个计算优化实例在 SageMaker 端点上托管 TensorFlow 产品推荐模型，以处理预期的流量高峰。每个月初，响应时间都会飙升，一些用户会看到错误。大多数流量发生在单个时区的周一至周五上午 8 点到下午 6 点。哪两项措施能最有效地解决问题，同时最大限度地降低成本？（选择两项）

正确答案是为端点启用 Amazon Elastic Inference (EI) 加速器和将端点配置为根据 InvocationsPerInstance 指标进行自动扩缩。 启用 EI 加速器可以显著提高推理性能，尤其适用于深度学习模型，从而在不增加实例数量的情况下处理更多请求，降低成本。自动扩缩根据 InvocationsPerInstance 指标（即每个实例的调用次数）调整实例数量，能有效应对流量高峰，确保响应时间，并在流量低谷时缩减实例以节省成本。 创建具有两个生产变体的新端点配置不能直接解决性能问题，只会增加复杂性。部署第二个实例池用于蓝/绿模型部署主要用于无缝模型更新，而非解决流量高峰时的性能瓶颈。重新配置端点以使用可突增实例类型（如 T 系列）不适合持续高负载的生产环境，因为它们在突增信用耗尽后性能会下降，反而可能加剧问题。