Een bedrijf wil de kosten verlagen voor gecontaineriseerde ML-workloads die draaien op EC2-instances, Lambda en een ECS-cluster. EC2 en ECS gebruiken EBS-volumes om voorspellingen en artefacten op te slaan. De ML-engineer moet onderbenutte resources identificeren en aanbevelingen krijgen om de kosten te verlagen met minimale ontwikkelingsinspanning. Welke optie moeten ze kiezen?

AWS Compute Optimizer is de meest geschikte optie omdat het specifiek is ontworpen om onderbenutte of overgeprovisioneerde AWS-resources te identificeren en aanbevelingen te doen voor optimale configuraties, inclusief EC2-instances, EBS-volumes en AWS Lambda-functies. Dit sluit direct aan bij de behoefte om kosten te verlagen met minimale ontwikkelingsinspanning. Aangepaste code schrijven is tijdrovend en vereist onderhoud. Kostenallocatie-tags helpen bij het toewijzen van kosten, maar identificeren geen onderbenutte resources of geven geen optimalisatieaanbevelingen. Het inspecteren van CloudTrail-gebeurtenissen toont wanneer resources zijn aangemaakt, maar geeft geen inzicht in hun huidige gebruik of optimalisatiemogelijkheden.