Nano Hash - криптовалюты, майнинг, программирование

Как отключить откат подстека из шаблона cloudformation?

Есть ли способ указать, что подстек не должен откатываться в случае сбоя при вызове других CFT из CFT?

Т.е., master CFT вызван (при вызове вы можете использовать --disable-rollback или предоставить опцию CFN) -> подстек 1 успешно создан -> подстек 2 не работает.

Теперь подстек 2 откатывается назад, и я теряю запись о том, что произошло, а мастер CFT просто сидит там со сбоем.

Есть ли место, где можно указать, разрешать ли откат внутри CFT, либо в вызывающем шаблоне (мастер), либо в дочернем шаблоне (подстек)?


Ответы:


1

Да, вы можете отключить откат при сбое для стеков Cloud Formation. В меню Параметры при создании стека вы можете найти раздел Дополнительно.

Меню параметров

В расширенном меню Дополнительно вы можете найти параметр Откат при сбое.

введите здесь описание изображения

Теперь CFT не будет выполнять откат при сбоях. Даже если дочерний стек выйдет из строя, он не инициирует откат.

26.04.2017
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..