Een bedrijf moet inferentie uitvoeren op gearchiveerde datasets die meerdere gigabytes groot zijn. De resultaten hoeven niet onmiddellijk beschikbaar te zijn. Welke Amazon SageMaker-inferentieoptie past bij dit scenario?

Batch transform is de meest geschikte optie voor dit scenario omdat het ontworpen is voor het verwerken van grote datasets (gigabytes of terabytes) waarvoor geen onmiddellijke resultaten vereist zijn. Het verwerkt de gegevens in batches, wat kostenefficiënt is en goed schaalbaar voor offline inferentie. Real-time inference is bedoeld voor lage latentie en snelle reacties, wat niet nodig is voor gearchiveerde datasets. Serverless inference biedt ook lage latentie en is geoptimaliseerd voor variabele workloads, maar is minder geschikt voor grote, eenmalige batchverwerkingen. Asynchronous inference is bedoeld voor langlopende inferentietaken met een lage latentie, maar is doorgaans niet de meest kostenefficiënte keuze voor zeer grote, gearchiveerde datasets waarvoor geen directe respons nodig is.