Une entreprise souhaite réduire les coûts des charges de travail ML conteneurisées exécutées sur des instances EC2, Lambda et un cluster ECS. EC2 et ECS utilisent des volumes EBS pour stocker les prédictions et les artefacts. L'ingénieur ML doit identifier les ressources sous-utilisées et obtenir des recommandations pour réduire les coûts avec un effort de développement minimal. Quelle option devrait-il choisir ?

AWS Compute Optimizer est la solution la plus efficace car il analyse automatiquement l'utilisation des ressources (CPU, mémoire, stockage) pour les instances EC2, les fonctions Lambda et les volumes EBS, et fournit des recommandations spécifiques pour optimiser les coûts et les performances. Cela inclut l'identification des ressources sous-utilisées et des suggestions de types d'instances ou de tailles de volumes plus appropriés, avec un effort de développement minimal. Écrire du code personnalisé est chronophage et moins complet. L'inspection des journaux CloudTrail ne fournit pas de recommandations d'optimisation. L'application de balises d'allocation de coûts aide à la visibilité des coûts, mais ne génère pas de recommandations d'optimisation des ressources.