Ein Unternehmen führt ML-Workflows auf einem lokalen Kubernetes-Cluster aus. Jeder ML-Dienst ist als eigenständiges Docker-Image verpackt. Das Unternehmen muss mit dem geringsten Betriebsaufwand auf einen Amazon EKS-Cluster migrieren (Lift and Shift). Welche Lösung erfüllt diese Anforderung?

Die Übertragung der Docker-Images in Amazon ECR und die Konfiguration einer Deployment-Pipeline ist die effizienteste Methode für eine Lift-and-Shift-Migration. Da die ML-Dienste bereits als eigenständige Docker-Images verpackt sind, können diese direkt in ECR gespeichert und dann über eine Deployment-Pipeline auf dem EKS-Cluster bereitgestellt werden. Dies minimiert den Betriebsaufwand, da die bestehende Containerisierung beibehalten wird. Die Neugestaltung für Kubeflow oder das erneute Training der Modelle mit Amazon Redshift ML oder Amazon SageMaker würde eine erhebliche Umstrukturierung der Workflows erfordern und wäre kein Lift-and-Shift.