Eコマース企業がリアルタイムレコメンデーションシステムを構築しています。ユーザーの最新行動（直近30分のクリック履歴）から生成した特徴量を、以下の要件で使用したいと考えています。 (1) リアルタイム推論時に数ミリ秒で取得する (2) 週次のモデル再訓練バッチジョブでも使用する SageMaker Feature Store を用いた最も適切なアーキテクチャはどれか？
SageMaker Feature Store のフィーチャーグループはオンラインストア（低レイテンシのGetRecord/PutRecord）とオフラインストア（S3への自動同期）を同時有効化できる。PutRecordで書き込んだ特徴量は両ストアに自動反映され、推論は数ミリ秒のオンライン、再訓練はS3のオフラインデータを活用できる。特徴量管理を単一基盤に統一でき、ElastiCache+DynamoDB構成より運用負荷が低い。 選択肢Bの「オンラインストアのみ有効にしたフィーチャーグループ」はバッチ訓練時のレイテンシが高くなり、スケーラビリティがありません。 選択肢Cの「オフラインストアのみ有効にしたフィーチャーグループ」はリアルタイム推論時のレイテンシが高くなり、数ミリ秒の取得要件を満たせません。 選択肢Dの「Amazon ElastiCache に特徴量をキャッシュ」は自動同期機能がなく、運用負荷が高くなります。