Een aanbevelingsmodel voor een e-commerce site moet alle interactiegegevens van klanten als input gebruiken. Het verkeersvolume varieert gedurende de dag. Welk type SageMaker inference endpoint is het meest kosteneffectief voor dit gebruikspatroon?

Een Serverless inference endpoint is het meest kosteneffectief voor dit scenario omdat het automatisch schaalt op basis van het verkeersvolume en u alleen betaalt voor de daadwerkelijke inferentietijd en de hoeveelheid verwerkte gegevens. Dit is ideaal voor variabele workloads zoals die van een e-commerce site. Een Batch transform inference endpoint is niet geschikt omdat het bedoeld is voor offline, grote datasets en niet voor real-time aanbevelingen. Een Asynchronous inference endpoint is beter voor lange verwerkingstijden of grote payloads, maar kan nog steeds onnodige kosten met zich meebrengen bij lage verkeersvolumes. Een Real-time inference endpoint vereist dat u constant capaciteit provisioneert, wat duur kan zijn tijdens periodes met weinig verkeer.