Ein Unternehmen möchte die Kosten für containerisierte ML-Workloads senken, die auf EC2-Instances, Lambda und einem ECS-Cluster ausgeführt werden. EC2 und ECS verwenden EBS-Volumes, um Vorhersagen und Artefakte zu speichern. Der ML-Ingenieur muss nicht ausgelastete Ressourcen identifizieren und Empfehlungen zur Kostensenkung mit minimalem Entwicklungsaufwand erhalten. Welche Option sollte er wählen?

AWS Compute Optimizer ist die effektivste Lösung, da es automatisch ungenutzte oder unterausgelastete Ressourcen in AWS identifiziert und konkrete Empfehlungen zur Kostensenkung gibt, einschließlich für EC2-Instances, Lambda-Funktionen und EBS-Volumes, was den Entwicklungsaufwand minimiert. Das Schreiben von benutzerdefiniertem Code wäre zeitaufwändig und fehleranfällig. Kosten-Allokations-Tags helfen bei der Zuordnung von Kosten, identifizieren aber nicht direkt ineffiziente Ressourcen oder geben Optimierungsempfehlungen. Die Überprüfung der CloudTrail-Historie zeigt lediglich, wann Ressourcen erstellt wurden, liefert aber keine Informationen zur Auslastung oder Optimierung.