Un'azienda deve eseguire l'inferenza su set di dati archiviati di dimensioni pari a diversi gigabyte. I risultati non devono essere disponibili immediatamente. Quale opzione di inferenza di Amazon SageMaker si adatta a questo scenario?

Batch transform è l'opzione migliore per questo scenario perché è progettata per elaborare grandi volumi di dati (gigabyte o terabyte) in modo asincrono. Poiché i risultati non devono essere disponibili immediatamente, l'elaborazione batch è efficiente e conveniente, in quanto le risorse vengono allocate solo per la durata del processo. Real-time inference non è adatta perché è pensata per risposte a bassa latenza su singoli record o piccoli set di dati, non per grandi volumi. Serverless inference offre scalabilità automatica e costi ottimizzati per carichi di lavoro intermittenti, ma è più orientata a scenari in cui la latenza è più critica rispetto al batch. Asynchronous inference è utile per carichi di lavoro con payload di grandi dimensioni e tempi di elaborazione lunghi, ma Batch Transform è specificamente ottimizzato per l'elaborazione di interi set di dati archiviati.