MedScan Health は、各リクエストに対して、画像の前処理コンテナ、TensorFlow モデルコンテナ、後処理コンテナを順番に実行する SageMaker エンドポイントを必要としています。クライアントには単一の HTTP エンドポイント URL を提供したいと考えています。追加のネットワークを最小限に抑え、正しいモデルライフサイクル動作でこの要件を最もよく満たす SageMaker デプロイアプローチはどれですか？

SageMaker 推論パイプラインは、複数のコンテナを順番に呼び出すことで、前処理、モデル推論、後処理のステップを単一のSageMakerエンドポイントの背後で統合する最も効率的な方法です。これにより、クライアントには単一のHTTPエンドポイントが提供され、SageMakerが内部でコンテナの連携を管理するため、追加のネットワークホップが最小限に抑えられます。個別のエンドポイントとALB/Lambdaを使用する方法は、ネットワークオーバーヘッドが増加し、管理が複雑になります。マルチモデルエンドポイントは複数のモデルをホストするために設計されており、推論パイプラインのユースケースには適していません。SageMaker Processingジョブはバッチ処理に適しており、リアルタイム推論には不向きです。