Un sistema salva nuovi documenti su S3 ogni 3 secondi. Esistono tre versioni del modello SageMaker per classificare ogni documento e l'azienda desidera distribuirle tutte e tre per classificare ogni documento in arrivo, mantenendo al minimo l'overhead operativo. Quale approccio di deployment soddisfa questo requisito con il minimo sforzo di gestione?

L'opzione corretta minimizza l'overhead operativo distribuendo tutti e tre i modelli come varianti di produzione su un singolo endpoint SageMaker. Questo approccio consolidato riduce la gestione dell'infrastruttura rispetto alla creazione di endpoint separati per ogni modello. Una singola funzione Lambda, attivata da un evento S3, può quindi richiamare l'unico endpoint e specificare la variante di produzione desiderata per ogni inferenza, gestendo in modo efficiente le chiamate a tutti e tre i modelli. Le altre opzioni aumentano l'overhead: I job di trasformazione batch sono meno adatti per inferenze quasi in tempo reale su singoli documenti e introducono latenza e complessità. La distribuzione di ogni modello sul proprio endpoint SageMaker aumenta i costi operativi e la complessità di gestione, richiedendo più risorse e configurazioni. La creazione di endpoint separati e funzioni Lambda separate per ogni modello moltiplica l'overhead di gestione e i costi, rendendo la soluzione meno efficiente.