Un site de commerce électronique héberge un modèle de recommandation de produits TensorFlow sur un endpoint SageMaker, en utilisant trois instances optimisées pour le calcul afin de gérer le pic de trafic attendu. Au début de chaque mois, les temps de réponse augmentent et certains utilisateurs rencontrent des erreurs. La majeure partie du trafic se produit en semaine de 8h00 à 18h00 dans un seul fuseau horaire. Quelles sont les deux actions qui résolvent le plus efficacement le problème tout en minimisant les coûts ? (Choisissez-en deux.)

L'activation des accélérateurs Amazon Elastic Inference (EI) est efficace car ils fournissent une accélération GPU rentable pour l'inférence de modèles TensorFlow, réduisant les temps de réponse et améliorant les performances sans avoir besoin d'instances GPU complètes coûteuses. La configuration de l'autoscaling basée sur la métrique InvocationsPerInstance permet au endpoint d'ajuster dynamiquement le nombre d'instances en fonction de la charge de travail réelle. Cela garantit une capacité suffisante pendant les pics de trafic (début de mois, heures de pointe en semaine) et réduit les coûts en diminuant le nombre d'instances pendant les périodes de faible trafic. Créer deux variantes de production ou un deuxième pool d'instances pour le déploiement bleu/vert n'adresse pas directement les problèmes de performance ou de coût liés à la capacité. Les types d'instances burstable ne sont généralement pas adaptés aux charges de travail d'inférence ML soutenues et peuvent entraîner des performances incohérentes.