한 전자상거래 사이트에서 예상되는 최대 트래픽을 처리하기 위해 3개의 컴퓨팅 최적화 인스턴스를 사용하여 SageMaker 엔드포인트에 TensorFlow 제품 추천 모델을 호스팅하고 있습니다. 매월 초에 응답 시간이 급증하고 일부 사용자에게 오류가 발생합니다. 대부분의 트래픽은 단일 시간대의 주중 오전 8시부터 오후 6시 사이에 발생합니다. 비용을 최소화하면서 문제를 가장 효과적으로 해결하는 두 가지 조치는 무엇입니까? (두 가지 선택)

Amazon Elastic Inference(EI) 가속기를 활성화하면 GPU 인스턴스 전체를 프로비저닝할 필요 없이 추론 비용을 절감하면서 모델 성능을 향상할 수 있습니다. 이는 비용 효율적으로 응답 시간을 개선하는 데 도움이 됩니다. InvocationsPerInstance 지표를 기반으로 자동 확장을 구성하면 트래픽 급증 시 엔드포인트가 자동으로 인스턴스를 추가하여 응답 시간을 유지하고 오류를 방지할 수 있습니다. 이는 비용을 최소화하면서 최대 트래픽을 처리하는 데 효과적입니다. 두 개의 프로덕션 변형을 생성하는 것은 A/B 테스트에 더 적합하며, 블루/그린 배포는 무중단 배포에 유용하지만 트래픽 급증 문제 해결에는 직접적이지 않습니다. 버스터블 인스턴스는 예측 불가능한 트래픽에 적합하지 않으며, 컴퓨팅 최적화 인스턴스에 EI 가속기를 추가하는 것이 더 효율적입니다.