Ein Unternehmen stellt sein ML-Modell derzeit auf 10 reservierten Accelerated Instances bereit und muss eine neue Modellversion auf einem Amazon SageMaker Echtzeit-Endpunkt bereitstellen. Die Bereitstellung muss weiterhin die ursprünglichen 10 Instanzen verwenden, um beide Versionen zu bedienen, eine zusätzliche reservierte Instanz während der Bereitstellung einschließen und den Übergang ohne Ausfallzeiten durchführen. Welcher Bereitstellungsansatz erfüllt diese Anforderungen?

Eine Rolling-Bereitstellung mit einer Batch-Größe von 1 erfüllt die Anforderungen, da sie eine neue Modellversion auf bestehenden Instanzen bereitstellt, indem sie jeweils eine Instanz aktualisiert. Dies ermöglicht die Nutzung der ursprünglichen 10 reservierten Instanzen und erfordert nur eine zusätzliche Instanz während des Übergangs, um die Verfügbarkeit zu gewährleisten. Der Traffic wird schrittweise auf die aktualisierten Instanzen umgeleitet, was einen unterbrechungsfreien Übergang ermöglicht. Blue/Green-Bereitstellungen erfordern in der Regel eine vollständige Duplizierung der Infrastruktur, was hier nicht gewünscht ist, da die 10 ursprünglichen Instanzen weiterhin genutzt werden sollen und nur eine zusätzliche Instanz erlaubt ist. Canary-Traffic-Shifting ist eine Methode zur Traffic-Verteilung, aber die Blue/Green-Bereitstellung selbst passt nicht zur Anforderung. Ein Shadow-Test ist eine Methode zur Leistungsüberwachung und nicht zur Bereitstellung einer neuen Modellversion für den Produktions-Traffic.