Automated debugging

Notes de Cours : Utilisation de Cloud Code pour le Déploiement et la Maintenance

Concept Principal :

• Cloud Code ne sert pas uniquement à l'écriture de code ; il peut aussi être utilisé pour la surveillance (monitoring) et la correction automatique des erreurs après le déploiement.

Scénario de Problème :

• Un chatbot fonctionne parfaitement en environnement local (ex: localhost 3000).
• Après déploiement en production (ex: AWS Amplify), l'application présente des erreurs spécifiques (ex: données manquantes dans un tableau, message d'erreur : "le modèle identifiant fourni est invalide").
• Le problème est reproductible en production mais non en développement.

Workflow de Correction Automatique avec Cloud Code :

• Détection : Utilisation de CloudWatch Logs pour identifier les erreurs sur l'application en production.
• Automatisation : Mise en place d'une action GitHub (GitHub Action) qui s'exécute automatiquement (ex: quotidiennement).
• Processus de l'Action GitHub :
• Cloner le dépôt (repository).
• Installer les dépendances et Cloud Code.
• Installer l'AWS CLI pour accéder aux logs de CloudWatch.
• Donner des instructions à Cloud Code :
• Rechercher les erreurs sur CloudWatch sur une période donnée (ex: 24 heures).
• Filtrer et réduire les erreurs dupliquées pour optimiser la fenêtre de contexte de Cloud Code.
• Itérer sur les erreurs trouvées et tenter de les corriger.
• Valider les changements : Cloud Code committe les corrections et ouvre automatiquement une Pull Request (PR).
• Résultat : L'ingénieur peut examiner la PR, qui contient une explication détaillée de l'erreur et de la correction proposée par Cloud Code.

Points Clés à Retenir :

• Cloud Code est flexible et peut être intégré dans des workflows personnalisés pour l'aide au débogage.
• L'objectif est de passer d'une détection manuelle des erreurs dans les logs à une correction automatisée et révisable via des Pull Requests.

Takeaways

• Cloud Code est utilisé au-delà de l'écriture de code pour la surveillance (monitoring) et la correction automatique des erreurs après le déploiement.
• Le problème typique est que les erreurs apparaissent en production (ex: AWS Amplify) mais sont reproductibles uniquement en environnement local.
• Le workflow de correction utilise CloudWatch Logs pour la détection des erreurs, puis GitHub Actions pour automatiser l'exécution de Cloud Code.
• Cloud Code analyse les logs, propose des corrections, et valide les changements en ouvrant automatiquement une Pull Request (PR) pour révision.