Een bedrijf gebruikt AWS CodePipeline om een applicatie te implementeren naar een Amazon EC2 Auto Scaling-groep. Alle resources zijn gedefinieerd in CloudFormation-templates. Applicatie-artefacten worden opgeslagen in Amazon S3 en geïmplementeerd met behulp van instance user data-scripts. Naarmate de applicatie groeide, veroorzaakten recente wijzigingen in CloudFormation-templates onverwachte downtime. Hoe moet de solutions architect de CI/CD-pipeline verbeteren om de kans te verkleinen dat templatewijzigingen storingen veroorzaken?

De correcte optie pakt meerdere pijnpunten aan. Geautomatiseerd testen met CodeBuild in een testomgeving vangt problemen vroegtijdig op. CloudFormation Change Sets bieden een overzicht van de impact van templatewijzigingen voordat ze worden toegepast, wat onverwachte downtime helpt voorkomen. AWS CodeDeploy met blauw/groen-implementaties maakt verificatie van de nieuwe versie mogelijk naast de oude en biedt een snelle rollback-optie bij problemen, wat cruciaal is voor het minimaliseren van downtime. De andere opties zijn minder effectief: Het detecteren van foutcondities tijdens implementatie is reactief, niet proactief, en handmatige QA-tests zijn tijdrovend en foutgevoelig. IDE-plug-ins en CLI-validatie controleren alleen de syntaxis, niet de logische correctheid of de impact van wijzigingen. Handmatige tests blijven inefficiënt. Het vervangen van user-data scripts door CodeDeploy is een goede stap, maar het vertrouwen op handmatige tests door operators is niet schaalbaar en verhoogt het risico op fouten.