Un'azienda utilizza AWS CodePipeline per distribuire un'applicazione a un gruppo Amazon EC2 Auto Scaling. Tutte le risorse sono definite in template CloudFormation. Gli artefatti dell'applicazione sono archiviati in Amazon S3 e distribuiti utilizzando script di user data delle istanze. Con la crescita dell'applicazione, recenti modifiche ai template CloudFormation hanno causato tempi di inattività imprevisti. In che modo l'architetto di soluzioni dovrebbe migliorare la pipeline CI/CD per ridurre la possibilità che le modifiche ai template causino interruzioni?

L'opzione corretta migliora la pipeline CI/CD introducendo test automatizzati con CodeBuild in un ambiente di test, che identifica i problemi prima della distribuzione in produzione. L'uso dei change set di CloudFormation consente di rivedere le modifiche ai template e prevederne l'impatto, riducendo il rischio di interruzioni. L'implementazione di AWS CodeDeploy con pattern blue/green è cruciale perché permette di testare la nuova versione in un ambiente di produzione isolato prima di reindirizzare il traffico, e offre un rollback rapido e automatico in caso di problemi. Le altre opzioni sono meno efficaci: La prima opzione propone test manuali e rilevamento degli errori solo durante la distribuzione, non prevenendoli. La terza opzione si concentra sulla validazione della sintassi e test manuali, che sono insufficienti per prevenire interruzioni complesse. La quarta opzione introduce CodeDeploy blue/green ma si affida ancora a test manuali da parte degli operatori, che è meno efficiente e propenso a errori rispetto ai test automatizzati.