AIP基盤モデルの統合、データ管理、コンプライアンス
大規模保険会社が Amazon Bedrock を使用して月次バッチ処理を計画しています。毎月末に 50 万件の保険契約書を処理し、各契約からリスク要因・重要条項・更新推奨事項を抽出します。処理は月 1 回でリアルタイム性は不要です。コストを最優先とした場合、最もコスト効率の高いアーキテクチャはどれですか？
ABedrock Provisioned Throughput を購入してバッチ処理を実行する。大量リクエストに対してスループット保証と割引が適用されるため
Provisioned Throughputは月1回のバッチ処理では常に一定のスループット予約が必要となり、使用しない期間も費用が発生するため非効率です。月次バッチには不向きです。
BAmazon Bedrock Batch Inference（バッチ推論）を使用する。非同期処理によりオンデマンド推論と比較して最大 50% のコスト削減が可能なため
✓ 正解
Amazon Bedrock Batch Inferenceは非同期の大規模バッチ処理向けに設計され、オンデマンド推論と比較して最大50%のコスト削減が可能です。月次バッチにはこの上ない最適なサービスです。
CLambda と Amazon SQS を組み合わせ、オンデマンド推論を並列実行してスループットを最大化する
Lambda+SQS による並列実行は、スロットリングリスクがあり、大規模バッチでのトラブルシューティングが複雑になります。またこれらのオンデマンド料金の合計は Batch Inference より割高になります。
DAmazon EMR クラスターで並列処理を実行し、Bedrock API を各ノードから呼び出してスケールアウトする
Amazon EMRクラスターで並列処理することもできますが、クラスターの起動・管理・停止のコストが発生し、Bedrock Batch Inferenceよりコスト効率と運用負荷の面で劣ります。
解説
Bedrock Batch Inference は非同期の大規模バッチ処理向けに設計され、オンデマンドのリアルタイム推論と比較して最大 50% のコスト削減が可能です。入力ファイルを S3 にアップロードして処理を開始し、完了後に結果を S3 から取得するため、月次バッチ処理に最適です。
選択肢Aは、Provisioned Throughput はリアルタイムの継続的な高スループット処理向けに設計されており、月 1 回の処理のために常時稼働コストを支払い続けるのは非効率です。
選択肢Cは、Lambda と SQS を使用したオンデマンド並列実行はリアルタイム処理向きですが、50 万件の大量リクエスト時にはスロットリングリスクがあり、Batch Inference と比較してコストも高くなります。
選択肢Dは、Amazon EMR は Spark や Hadoop などのデータ処理フレームワーク向けのサービスであり、Bedrock API を各ノードから呼び出す構成は過剰なアーキテクチャです。月次バッチ推論の用途にはコスト効率の観点からも不適切です。
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AIP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 →