Ein Unternehmen entwickelt ein internes Kostenkalkulations-Tool, das ein SageMaker-Modell verwendet. Benutzer laden hochauflösende Bilder hoch; das Modell muss jedes Bild verarbeiten, die Kosten des Objekts vorhersagen und den Benutzer benachrichtigen, wenn die Verarbeitung abgeschlossen ist. Welches Design erfüllt diese Anforderungen?

Die korrekte Lösung ist, Bilder in Amazon S3 zu speichern, das Modell auf SageMaker bereitzustellen, asynchrone Inferenz zu verwenden und Benutzer über ein Amazon SNS-Thema zu benachrichtigen. Amazon S3 ist der ideale Speicherort für hochauflösende Bilder aufgrund seiner Skalierbarkeit und Kosteneffizienz. SageMaker Asynchrone Inferenz ist für die Verarbeitung großer Bilder und die Benachrichtigung nach Abschluss der Inferenz konzipiert, was perfekt zu den Anforderungen passt. Amazon SNS ist ein geeigneter Dienst für die Benachrichtigung mehrerer Benutzer über den Abschluss der Verarbeitung. Batch-Transformation ist weniger geeignet, da sie für die Verarbeitung großer Datensätze in einem einzigen Batch gedacht ist und nicht für die individuelle Benachrichtigung nach jeder Bildverarbeitung. Amazon EFS ist ein Dateisystem, das für den gemeinsamen Zugriff auf Daten in einer EC2-Umgebung optimiert ist, aber für die Speicherung von Objekten wie Bildern ist S3 die bessere Wahl. Eine SQS-Warteschlange ist für die Entkopplung von Diensten gedacht und würde eine zusätzliche Komponente erfordern, um Benutzer aktiv zu benachrichtigen, während SNS direkt Benachrichtigungen versenden kann.