AIFAIとMLの基礎
大手ECサイトが毎晩、全1,000万人の顧客に対してパーソナライズされた商品レコメンデーションを生成する必要があります。レコメンデーションはリアルタイムで提供する必要はなく、夜間に一括計算してデータベースに保存し、翌日の画面表示に使います。常時稼働エンドポイントのコストを避けたい場合、最もコスト効率が高いAmazon SageMakerの機能はどれですか?
ASageMaker リアルタイム推論:常時稼働エンドポイントでミリ秒単位の低レイテンシー推論をリクエストごとに提供する
リアルタイム推論エンドポイントは24時間稼働し続けるためサーバーコストが継続発生する。夜間バッチ処理にのみ使う場合は大幅なコスト超過となり、バッチ変換と比べて割高になる。
BSageMaker バッチ変換:大量データをジョブとして一括処理し、完了後にインフラを自動解放してコストを最小化する
✓ 正解
バッチ変換はジョブ実行中のみリソースを消費し、処理完了後にインフラを自動解放する。1,000万件の大量データを夜間に一括処理する要件に最も適しており、常時稼働コストが発生しない最適な選択肢。
CSageMaker 非同期推論:大きなペイロードのリクエストをキューに積んでエンドポイントで非同期処理する推論オプション
SageMaker非同期推論はスケール0対応でアイドル費用を抑えられるが、個別リクエストをキューで処理する設計であり1,000万件の一括バッチ処理には適していない。大規模バッチ処理にはジョブ完了後にインフラを自動解放するバッチ変換が最適。
DSageMaker サーバーレス推論:アイドル時のコストをゼロにしリクエスト到着時に自動スケールする推論オプション
サーバーレス推論はリクエスト到着時のみ起動しアイドル費用を抑えられるが、1,000万件の大規模一括処理ではスループットや並列性の制約がある。大量バッチ処理にはバッチ変換が適切な選択肢となる。
解説
SageMaker バッチ変換(Batch Transform)は、S3に保存した大量の入力データに対してまとめて推論を実行するジョブ型の機能です。処理完了後にインフラが自動的に解放されるため、常時稼働のエンドポイントコストが発生しません。1,000万件の夜間一括処理のような「リアルタイム不要・大量一括処理」のユースケースに最適です。
選択肢Aのリアルタイム推論は常時稼働エンドポイントを維持するため継続的なコストが発生し、夜間バッチのみの処理には過剰で不経済です。
選択肢Cの非同期推論はスケール0対応でアイドル費用を抑えられますが、個別リクエストをキューで処理する設計のため、1,000万件を一括処理する大規模バッチジョブにはバッチ変換が適しています。
選択肢Dのサーバーレス推論はアイドル時のコストを抑えられますが、1,000万件の大規模一括処理にはスループットが追いつかない場合があり、大量バッチ処理にはバッチ変換が適切です。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →