あるEコマースサイトでは、予想されるピークトラフィックを処理するために、3つのコンピューティング最適化インスタンスを使用してSageMakerエンドポイントでTensorFlow製品レコメンデーションモデルをホストしています。毎月初めにレスポンスタイムが急増し、一部のユーザーにエラーが表示されます。ほとんどのトラフィックは、単一のタイムゾーンで平日の午前8時から午後6時の間に発生します。コストを最小限に抑えながら、この問題を最も効果的に解決する2つのアクションはどれですか？（2つ選択してください。）

Amazon Elastic Inference (EI) アクセラレータを有効にすると、GPUインスタンス全体をプロビジョニングすることなく、推論コストを削減し、パフォーマンスを向上させることができます。これにより、ピーク時のレスポンスタイムの急増を軽減できます。InvocationsPerInstanceメトリクスに基づいてエンドポイントをオートスケールするように設定すると、トラフィックの需要に応じてインスタンス数を動的に調整し、コストを最小限に抑えながらパフォーマンスを維持できます。 2つの本番バリアントを持つ新しいエンドポイント設定を作成しても、パフォーマンスの問題は解決されず、コストが増加する可能性があります。ブルー/グリーンデプロイメントはデプロイ時のリスクを軽減しますが、パフォーマンスの問題を直接解決するものではありません。バースト可能なインスタンスタイプは、予測可能なピークトラフィックには適していません。