Una empresa desea reducir los costos de las cargas de trabajo de ML en contenedores que se ejecutan en instancias EC2, Lambda y un clúster de ECS. EC2 y ECS utilizan volúmenes de EBS para almacenar predicciones y artefactos. El ingeniero de ML debe identificar los recursos infrautilizados y obtener recomendaciones para reducir los costos con un esfuerzo de desarrollo mínimo. ¿Qué opción debería elegir?

AWS Compute Optimizer es la solución más eficiente para este escenario porque analiza automáticamente las métricas de utilización de recursos de EC2, Lambda y ECS, e identifica recursos infrautilizados. Proporciona recomendaciones específicas para optimizar el tamaño de los recursos, lo que conduce a una reducción de costos con un esfuerzo de desarrollo mínimo. Escribir código personalizado para analizar la utilización de memoria y CPU es un esfuerzo de desarrollo significativo. Las etiquetas de asignación de costos ayudan a rastrear los gastos, pero no identifican recursos infrautilizados ni ofrecen recomendaciones de optimización. El historial de eventos de CloudTrail muestra cuándo se crearon los recursos, pero no proporciona información sobre su utilización o recomendaciones de ahorro de costos.