MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI ワークフローのデプロイとオーケストレーション 問16
ML・AI ワークフローのデプロイとオーケストレーション／MLOps の自動オーケストレーションと CI/CD新しいモデルを本番エンドポイントへデプロイする際、まず一部のトラフィックに段階的に移し、エラー率などの CloudWatch アラームが発報したら自動で旧モデルへ切り戻したいと考えています。SageMaker AI で最も適した仕組みはどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI ワークフローのデプロイとオーケストレーション」に対応。実際の試験問題ではありません）
- A手動でエンドポイントを削除して作り直す
- B新モデルをいきなり全トラフィックへ一括切り替えする
- C本番と無関係な開発環境にだけデプロイする
- Dデプロイガードレール（Blue/Green やカナリアと、アラーム連動の自動ロールバック）を用いる
正解：D
解説
SageMaker のデプロイガードレールは、Blue/Green やカナリア方式で新モデルへ段階的にトラフィックを移行し、CloudWatch アラームが発報した場合に自動で旧モデルへロールバックできます。手動の作り直しや一括切り替えはリスクが高く、開発環境のみへのデプロイは本番の安全な切り替えになりません。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。手動削除・作り直しは可用性を損ない、安全な段階移行・自動切り戻しになりません。
- B誤り。いきなり全トラフィックへ一括切り替えすると、問題発生時の影響が大きくなります。
- C誤り。開発環境のみへのデプロイでは、本番での安全な切り替えの要件を満たしません。
- D正しい。デプロイガードレールは段階移行とアラーム連動の自動ロールバックを提供します。