为了实现低延迟查询，机器学习模型预测缓存的最佳方式是什么？

【以下的问题经过翻译处理】 我想提高AWS在机器学习模型预测缓存方面的处理方式。假设我们想在REST API的上游提供一个查找表，其中包含过去的预测，并在每个预测中查找它，以避免在计算给定的输入输出对时重新运行模型。在缓存更新之间等待几分钟是可以的，典型的TTL可能在几分钟到几天之间。在AWS中，最好的方法是什么？

1. 使用API GW的缓存功能？
2. 使用一个预热的Lambda@Edge，它在本地具有过去预测的查找文件？
3. 在模型调用的上游使用DAX或Elasticache？有没有一种让DAX或Elasticache在边缘生效的方法？