Uma empresa usa o AWS CodePipeline para implantar um aplicativo em um grupo do Amazon EC2 Auto Scaling. Todos os recursos são definidos em modelos do CloudFormation. Os artefatos do aplicativo são armazenados no Amazon S3 e implantados usando scripts de dados de usuário da instância. À medida que o aplicativo cresceu, as alterações recentes nos modelos do CloudFormation causaram tempo de inatividade inesperado. Como o arquiteto de soluções deve melhorar o pipeline de CI/CD para reduzir a chance de que as alterações de modelo causem interrupções?

A opção correta aborda a causa raiz do problema (alterações de modelo do CloudFormation causando tempo de inatividade) e oferece uma solução robusta e automatizada. Testes automatizados com o CodeBuild em um ambiente de teste garantem que as alterações do modelo funcionem conforme o esperado antes da implantação em produção. Os conjuntos de alterações do CloudFormation permitem uma revisão cuidadosa das modificações antes da execução, prevenindo surpresas. O AWS CodeDeploy com implantações azul/verde é crucial, pois permite a validação do novo ambiente antes de direcionar o tráfego, minimizando o risco de tempo de inatividade e facilitando o rollback rápido em caso de problemas. As outras opções são menos eficazes. A primeira foca em relatar erros pós-implantação e testes manuais, que não previnem o tempo de inatividade. A terceira sugere validação sintática e testes manuais, que são insuficientes para capturar problemas lógicos ou de integração. A quarta substitui scripts, mas ainda depende de testes manuais em instâncias de produção, o que é arriscado e ineficiente.