某公司使用 SageMaker 執行即時推論。支援端點的 EC2 執行個體自動擴展，會在先前的橫向擴展執行個體完全準備好之前就啟動新的執行個體，導致效率低下和延遲。哪項變更可以在保持回應時間效能的同時，改善擴展行為？

當 SageMaker 端點在先前的擴展實例完全準備好之前就啟動新的實例，會導致效率低下和延遲。增加橫向擴展活動後的冷卻時間，可以確保在啟動新實例之前，有足夠的時間讓現有實例完成初始化並處理請求。這能有效防止過度擴展，並允許端點在穩定狀態下處理增加的負載，從而改善擴展行為並保持回應時間效能。 其他選項： 變更為多模型端點配置雖然能提高資源利用率，但不能直接解決實例啟動過快的問題。 整合 API Gateway 和 Lambda 主要用於管理調用和流量路由，而非優化 SageMaker 內部擴展邏輯。 縮短橫向縮減冷卻時間會導致實例過早移除，可能影響效能；增加最大實例數量本身並不能解決擴展行為效率低下的問題，反而可能加劇成本。