기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 모범 사례
<a name="shadow-tests-best-practices"></a>

 추론 실험을 만들 때 다음 정보를 염두에 두세요.
+  **트래픽 샘플링 비율** - 추론 요청을 100% 샘플링하면 섀도우 변형이 프로모션되었을 때 프로덕션 트래픽을 처리할 수 있는지 검증할 수 있습니다. 먼저 트래픽 샘플링 비율을 낮춘 상태에서 시작했다가 변형에 대한 확신이 생기면 더 높게 올릴 수 있지만 프로모션하기 전에 트래픽을 100% 까지 늘리는 것이 가장 좋습니다.
+  **인스턴스 유형** - 섀도우 변형을 사용하여 대체 인스턴스 유형이나 크기를 평가하는 경우가 아니라면, 동일한 인스턴스 유형, 크기 및 수를 사용하여 섀도우 변형을 프로모션한 후 대량의 추론 요청을 처리할 수 있도록 하는 것이 좋습니다.
+  **오토 스케일링** - 섀도우 변형이 추론 요청 수의 급증이나 추론 요청 패턴의 변화에 응답할 수 있도록 하려면 섀도우 변형에 오토 스케일링을 구성하는 것이 좋습니다. 오토 스케일링을 구성하는 방법에 대한 자세한 내용은 [Amazon SageMaker AI 모델의 자동 규모 조정](endpoint-auto-scaling.md)을 참고하세요. 오토 스케일링을 구성한 경우 사용자에게 영향을 주지 않으면서 오토 스케일링 정책의 변경 내용을 검증할 수도 있습니다.
+  **지표 모니터링** - 섀도우 실험을 시작하고 충분한 호출을 확보한 후에는 지표 대시보드를 모니터링하여 지연 시간 및 오류율과 같은 지표가 허용 범위 내에 있는지 확인하세요. 이를 통해 구성 오류를 조기에 파악하고 수정 조치를 취할 수 있습니다. 진행 중인 추론 실험의 지표를 모니터링하는 방법에 대한 자세한 내용은 [섀도우 테스트 보기, 모니터링 및 편집](shadow-tests-view-monitor-edit.md)을 참고하세요.