개발 중에 데이터 과학자는 업무 시간 동안 클라우드 노트북을 사용하여 간단한 특징 엔지니어링 작업을 실행합니다. 데이터 엔지니어는 동일한 노트북을 하루에 한 번 정도 사용하여 메모리 집약적인 전처리(약 2시간 소요)를 실행하며, 전처리는 GPU를 사용하지 않습니다. 현재 둘 다 범용 ml.m5.4xlarge 노트북 인스턴스에서 실행됩니다. 월별 AWS 예산이 초과되었습니다. 어떤 변경 사항이 가장 큰 비용 절감을 가져올까요?

이 옵션은 개발자의 노트북 인스턴스를 더 작은 범용 인스턴스로 변경하고 유휴 시 중지하여 비용을 절감합니다. 데이터 전처리는 GPU를 사용하지 않고 메모리 집약적이므로, 관리형 처리 작업으로 r5 메모리 최적화 인스턴스에서 실행하는 것이 비용 효율적입니다. r5 인스턴스는 메모리 집약적 워크로드에 최적화되어 있으며, 관리형 작업은 필요할 때만 리소스를 프로비저닝하여 비용을 절감합니다. 다른 옵션들은 다음과 같은 이유로 최적이 아닙니다. 첫 번째 옵션은 개발자의 노트북을 메모리 최적화 인스턴스로 변경하지만, 개발자의 특징 엔지니어링 작업은 메모리 집약적이지 않을 수 있어 불필요한 비용이 발생할 수 있습니다. 두 번째 옵션은 GPU 가속 인스턴스에서 데이터 전처리를 수행하도록 제안하지만, 전처리는 GPU를 사용하지 않으므로 비용 낭비입니다. 네 번째 옵션은 예약된 인스턴스를 제안하지만, 데이터 전처리 작업은 하루에 한 번 실행되므로 온디맨드 또는 관리형 작업이 더 비용 효율적입니다.