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4
ML・AI ワークフローのデプロイとオーケストレーション／リソースのプロビジョニングと構成推論エンドポイントへのトラフィックが時間帯で大きく変動します。性能を保ちつつコストを抑えるため、負荷に応じてインスタンス数を自動で増減させたいと考えています。最も適切なのはどれですか。
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想定最大負荷に合わせた固定台数を常時起動しておく
- B担当者が負荷を見て手動でインスタンス数を変更する
- Cオートスケーリングは使わず、遅くなったら諦める
- DSageMaker AI エンドポイントのオートスケーリングを構成し、インスタンスあたりの呼び出し数などのメトリクスに基づいて台数を自動調整する
正解：D
解説
SageMaker AI エンドポイントのオートスケーリングを構成すると、インスタンスあたりの呼び出し数などのメトリクスに基づいて台数を自動調整でき、性能を保ちながらコストを抑えられます。固定台数の常時起動や手動変更、無対策は、変動する負荷に効率よく対応できません。
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。最大負荷固定はアイドル時のコストが無駄になります。
- B誤り。手動変更は遅く、変動への追従が困難です。
- C誤り。オートスケーリングを使わないのは性能・コストの両面で不利です。
- D正しい。エンドポイントのオートスケーリングで、メトリクスに基づき台数を自動調整できます。