ShopRight 有一个对延迟敏感的产品推荐端点，它必须在个位数毫秒内为每个传入的推理请求获取特征向量。这些特征是频繁变化的客户会话属性。哪种设置能在保持在托管 SageMaker 服务范围内的同时，为实时推理提供最可靠的低延迟检索模式？

正确答案是创建启用在线存储的 Feature Groups，并使用 GetRecord API 检索特征。SageMaker Feature Store 的在线存储专为低延迟实时检索而设计，能够满足个位数毫秒的要求。GetRecord API 允许模型容器直接按记录标识符高效地获取所需特征，且通过 IAM 权限控制访问，确保安全。 将特征存储在 S3 并使用 Athena 查询（选项 A）会导致高延迟，不适合实时需求。使用 DynamoDB（选项 C）虽然可以提供低延迟，但增加了额外的管理复杂性，且未充分利用 SageMaker Feature Store 的集成优势。异步批量推理（选项 D）不适用于实时、对延迟敏感的单个请求场景，因为它预先计算结果，无法响应频繁变化的客户会话属性。