一家公司希望降低在EC2实例、Lambda和ECS集群上运行的容器化ML工作负载的成本。EC2和ECS使用EBS卷存储预测和工件。ML工程师必须识别未充分利用的资源，并获得建议以在最小开发工作量的情况下降低成本。他们应该选择哪个选项？

AWS Compute Optimizer 是一种免费服务，它使用机器学习分析您的 AWS 资源（包括 EC2 实例、Lambda 函数和 ECS 服务）的配置和利用率指标。它可以识别未充分利用的资源，并提供具体的建议，例如更改实例类型或调整配置，以优化性能并降低成本，且开发工作量最小。 编写自定义代码来分析利用率需要大量开发工作，并且可能无法提供可操作的成本节约建议。成本分配标签主要用于成本跟踪和分配，而不是识别未充分利用的资源或提供优化建议。检查 CloudTrail 事件历史记录可以查看资源创建时间，但这并不能直接帮助识别未充分利用的资源或提供成本节约建议。