ある企業がオンプレミスのKubernetesクラスターでMLワークフローを実行しています。各MLサービスはスタンドアロンのDockerイメージとしてパッケージ化されています。運用上のオーバーヘッドを最小限に抑えながら、Amazon EKSクラスターにリフトアンドシフトする必要があります。この要件を満たすソリューションはどれですか？

正解は、既存のDockerイメージをAmazon ECRにプッシュし、それらをAmazon EKSクラスターにデプロイするパイプラインを設定することです。これは「リフトアンドシフト」の要件に最も合致し、運用上のオーバーヘッドを最小限に抑えます。既存のDockerイメージを再利用できるため、コードの変更やサービスの再設計が不要です。 Kubeflowでの再設計は、大幅なコード変更と追加の運用オーバーヘッドを伴うため、リフトアンドシフトの目的には合いません。Amazon Redshift MLやAmazon SageMakerノートブックを使用する方法は、モデルの再トレーニングやプラットフォームの変更が必要となり、既存のDockerイメージをそのままEKSに移行するという要件から逸脱します。