借助 Amazon SageMaker，成千上万的客户能够轻松地构建、训练和部署其 Machine Learning (ML) 模型。如今，使用 Auto Scaling for Amazon SageMaker，我们可以更轻松地管理生产 ML 模型。现在，您可以让 SageMaker 根据 AWS Auto Scaling 策略自动扩展实例数，而不必通过手动管理实例数来匹配推理所需的规模。

对于许多客户来说，SageMaker 简化了 ML 的管理过程。我们发现，客户采用托管的 Jupyter notebook 和托管的分布式训练。我们还发现，客户在将 Machine Learning 与应用程序进行集成的过程中，要将其模型部署到 SageMaker 推理主机上。SageMaker 可以使此操作变得轻松 – 您不必考虑对推理主机上的操作系统 (OS) 或框架进行修补，也不必跨可用区配置推理主机。只需将模型部署到 SageMaker，剩下的操作交给 SageMaker 即可。

到目前为止，您需要为每个终端节点 (或生产变体) 指定实例数量和类型才能提供推理所需的规模。如果推理容量发生变化，您可以更改为每个终端节点提供支持的实例的数量和/或类型，以适应相关变化，而不会引发停机。除了可以轻松更改配置，客户还询问我们怎样才能更轻松地管理 SageMaker 的容量。

借助 Auto Scaling for Amazon SageMaker，在 SageMaker 控制台、AWS Auto Scaling API 和 AWS SDK 中执行此操作要容易得多。如今，客户可以配置 AWS Auto Scaling 要使用的扩展策略，而不必密切监控推理容量以及通过更改终端节点配置做出响应。作为响应，Auto Scaling 会根据实际工作负载上调或下调实例数量，这使用策略中定义的 Amazon CloudWatch 指标和目标值来确定。这样，客户便可自动调整其推理容量，从而以较低的成本来维持可预测的性能。您只需指定每个实例的目标推理吞吐量，并为每个生产变体提供实例数上限和下限。之后，SageMaker 将利用 Amazon CloudWatch 警报来监控每个实例的吞吐量，并根据需要上调或下调预置容量。

使用 Auto Scaling 配置终端节点后，SageMaker 将继续监控您部署的模型以便自动调整实例数量。SageMaker 会将吞吐量保持在所需的级别内，从而响应应用程序流量的更改。如此一来，可以在生产中更轻松地管理模型，并且帮助降低已部署模型的成本，因为您不再需要预置足够的容量便可管理峰值负载。您只需配置满足最小预期流量和最大峰值需求的限值，Amazon SageMaker 将在这两个限值范围内工作，从而将成本降到最低。

如何开始使用？打开 SageMaker 控制台。对于现有终端节点，首先访问相应终端节点以修改设置。

然后，滚动到 Endpoint runtime settings (终端节点运行时设置) 部分，选择变体，然后选择 Configure auto scaling (配置 Auto scaling)。