us-east-1 리전의 계정 111122223333에서 운영되는 핀테크 스타트업인 FinSight는 대용량 문서 처리를 위해 SageMaker 비동기 추론 엔드포인트를 구축했습니다. 요구 사항은 모델 컨테이너당 최대 50개의 동시 추론을 허용하고 각 비동기 추론이 완료될 때(성공 또는 실패) SNS 알림을 게시하는 것입니다. 두 가지 요구 사항을 모두 충족하기 위해 ML 엔지니어가 수행해야 하는 두 가지 구성 단계는 무엇입니까?

첫 번째 정답은 SageMaker 비동기 추론의 동시성 및 알림 요구 사항을 직접적으로 충족합니다. AsyncInferenceClientConfig.MaxConcurrentInvocationsPerInstance를 설정하여 인스턴스당 동시 호출 수를 제어하고, AsyncInferenceOutputConfig.NotificationConfig를 SNS 토픽으로 구성하여 추론 완료 시 알림을 받습니다. sagemaker.amazonaws.com에 SNS 게시 권한을 부여하는 것은 서비스가 알림을 보낼 수 있도록 하는 필수 보안 단계입니다. 두 번째 정답은 비동기 추론 결과가 저장되는 S3 버킷의 이벤트 알림을 활용하는 대체 방법입니다. AsyncInferenceOutputConfig.S3OutputPath를 구성하여 추론 결과를 S3에 저장하고, S3 이벤트 알림을 SNS 토픽으로 활성화하면 추론 결과 파일이 S3에 기록될 때마다 알림을 받을 수 있습니다. 이는 SageMaker 자체의 알림 기능 외에 S3를 통한 알림 메커니즘을 제공합니다. 오답인 "표준 실시간 엔드포인트를 생성하고..."는 비동기 추론 요구 사항을 충족하지 않으며, "EndpointConfig의 MaxConcurrentInvocationsPerModel = 50으로 설정하고..."는 MaxConcurrentInvocationsPerModel이 아닌 MaxConcurrentInvocationsPerInstance를 사용해야 하며 SNS 자동 전달은 추가 구성 없이는 불가능합니다. "SageMaker Processing을 사용하여..."는 추론이 아닌 데이터 처리 작업에 더 적합합니다.