Ein Unternehmen nutzt AWS CodePipeline, um eine Anwendung in einer Amazon EC2 Auto Scaling-Gruppe bereitzustellen. Alle Ressourcen sind in CloudFormation-Templates definiert. Anwendungsartefakte werden in Amazon S3 gespeichert und mithilfe von Instance-Benutzerdatenskripten bereitgestellt. Mit dem Wachstum der Anwendung führten jüngste Änderungen an den CloudFormation-Templates zu unerwarteten Ausfallzeiten. Wie sollte der Lösungsarchitekt die CI/CD-Pipeline verbessern, um die Wahrscheinlichkeit zu verringern, dass Template-Änderungen zu Ausfällen führen?

Diese Option verbessert die Pipeline umfassend. Automatisierte Tests mit CodeBuild in einer Testumgebung fangen Probleme frühzeitig ab. CloudFormation Change Sets ermöglichen eine Vorschau der Auswirkungen von Template-Änderungen, bevor sie angewendet werden, was unerwartete Ausfälle verhindert. Die Integration von AWS CodeDeploy mit Blue/Green-Bereitstellungsmustern minimiert Ausfallzeiten bei der Bereitstellung, da der alte Stack aktiv bleibt, bis der neue vollständig verifiziert ist. Dies ermöglicht auch ein schnelles Rollback bei Problemen. Die anderen Optionen sind weniger umfassend: Das Erkennen von Fehlern während der Bereitstellung ist reaktiv; präventive Maßnahmen sind besser. Manuelle Tests sind zeitaufwändig und fehleranfällig. IDE-Plugins und CLI-Prüfungen sind nützlich, aber nur für Syntaxfehler; sie testen nicht die logische Korrektheit oder die Auswirkungen auf die Anwendung. Manuelle Tests sind ineffizient. Das Ersetzen von User-Data durch CodeDeploy ist gut, aber das manuelle Anmelden bei Instanzen für Tests ist ineffizient und skaliert nicht. Es fehlen präventive Schritte wie Change Sets und automatisierte Tests.