Ein Unternehmen muss Inferenzen für archivierte Datensätze ausführen, die mehrere Gigabyte groß sind. Die Ergebnisse müssen nicht sofort verfügbar sein. Welche Amazon SageMaker-Inferenzoption passt zu diesem Szenario?

Batch Transform ist die beste Option für dieses Szenario, da es für die Verarbeitung großer Mengen archivierter Daten konzipiert ist, bei denen die Ergebnisse nicht sofort benötigt werden. Es kann Inferenzvorgänge für Datensätze im Gigabyte-Bereich oder größer effizient durchführen und die Ergebnisse speichern. Echtzeit-Inferenz ist für Anwendungen gedacht, die eine sofortige Antwort erfordern (z. B. Online-Empfehlungen), was hier nicht der Fall ist. Serverlose Inferenz ist zwar flexibel und kostengünstig für sporadische Workloads, aber für große, archivierte Datensätze, die nicht sofort verarbeitet werden müssen, ist Batch Transform oft effizienter. Asynchrone Inferenz ist für Anfragen mit langer Laufzeit gedacht, die nicht sofort beantwortet werden müssen, aber Batch Transform ist speziell für die Verarbeitung großer Datensätze optimiert und bietet in diesem Fall eine bessere Skalierbarkeit und Kostenkontrolle.