ShopRight 有一個對延遲敏感的產品推薦端點，必須在個位數毫秒內為每個傳入的推論請求擷取特徵向量。這些特徵是經常變動的客戶會話屬性。哪種設定能為即時推論提供最可靠的低延遲檢索模式，同時保持在受管的 SageMaker 服務範圍內？

正確答案是建立啟用線上儲存的 Feature Groups，因為 SageMaker Feature Store 的線上儲存專為低延遲、高吞吐量的即時特徵檢索而設計，非常適合對延遲敏感的產品推薦端點。使用 BatchPutRecord 或 PutRecord 進行攝取可確保特徵資料的即時更新。模型容器透過呼叫 GetRecord API 直接從 Feature Store 檢索特徵，這是一個優化的路徑，可提供個位數毫秒的延遲。確保 IAM 權限和區域一致性是操作成功的關鍵。 選項一不正確，因為從 S3 透過 Athena 查詢特徵會引入顯著的延遲，不符合個位數毫秒的要求，即使快取也無法彌補初始查詢的延遲。選項三不正確，因為雖然 DynamoDB 可以提供低延遲，但將特徵從 Feature Store 匯出到 DynamoDB 增加了額外的管理複雜性和潛在的資料同步延遲，偏離了 SageMaker Feature Store 的內建即時檢索能力。選項四不正確，因為非同步批次推論不適用於即時推薦，且從 S3 讀取推薦項目通常無法保證個位數毫秒的延遲。