Система сохраняет новые документы в S3 каждые 3 секунды. Существуют три версии модели SageMaker для классификации каждого документа, и компания хочет развернуть все три для классификации каждого входящего документа, сохраняя при этом минимальные операционные издержки. Какой подход к развертыванию соответствует этому требованию с наименьшими усилиями по управлению?

Развертывание трех моделей как production variants на одной конечной точке SageMaker позволяет эффективно использовать ресурсы и минимизировать операционные издержки. SageMaker автоматически управляет масштабированием и распределением трафика между вариантами, что снижает административную нагрузку. Использование события S3 для запуска функции Lambda обеспечивает бессерверный подход к обработке новых документов, а Lambda может легко вызывать конечную точку SageMaker и получать предсказания от всех трех моделей. Создание отдельных конечных точек для каждой модели (варианты 3 и 4) увеличивает накладные расходы на управление и потенциально приводит к избыточному выделению ресурсов. Использование заданий SageMaker batch transform (вариант 1) не подходит для обработки документов в режиме реального времени с задержкой в 3 секунды, так как batch transform предназначен для асинхронной обработки больших объемов данных.