Infrastructure-as-Code (IaC) plays a key role in cloud computing and DevOps by automating the setup and management of infrastructure using configuration files. The topic of this thesis is a comparative analysis of IaC tools for Microsoft Azure, specifically focusing on Terraform, ARM Templates, and Bicep. The problem addressed in this study is the lack of quantitative analysis comparing these widely used IaC tools. While qualitative studies exist, there is a notable gap in quantitative research that measures and compares the efficiency, scalability, and consistency of these tools based on concrete performance data. To solve this problem, we designed an experiment using the Azure Sandbox architecture, divided into five modules of increasing complexity. Each module is cumulatively built upon the previous one to ensure a comprehensive evaluation. We developed IaC scripts for these modules for each tool and testing scripts to collect performance metrics, such as deployment time, CPU utilization, memory usage, network activity, and disk activity. The experiments involved running each IaC tool five times for each module across three Azure regions. The key results of this study indicate that Bicep is the fastest tool for provisioning operations and exhibits the least resource utilization, except for CPU usage, where ARM is more efficient. For deprovisioning operations, ARM demonstrates the fastest execution times, while Terraform maintains the most consistent performance across modules. These findings suggest that Bicep is the most optimal choice for provisioning Azure infrastructure due to its speed and efficiency, whereas ARM is preferable for quick deprovisioning tasks. Based on these results, cloud practitioners can make more informed decisions when selecting IaC tools for their projects. Future work can extend this analysis to other cloud platforms, include a broader range of IaC tools, and explore additional performance aspects.

Infrastructure-as-Code (IaC) spelar en nyckelroll inom cloud computing och DevOps genom att automatisera installationen och hanteringen av infrastrukturen med hjälp av konfigurationsfiler. Ämnet för detta examensarbete är en jämförande analys av IaC-verktyg för Microsoft Azure, speciellt med fokus på Terraform, ARM Templates och Bicep. Problemet som tas upp i denna studie är bristen på kvantitativ analys som jämför dessa allmänt använda IaC-verktyg. Även om kvalitativa studier existerar, finns det en anmärkningsvärd lucka i kvantitativ forskning som mäter och jämför effektiviteten, skalbarheten och konsekvensen hos dessa verktyg baserat på konkreta prestandadata. För att lösa det här problemet designade vi ett experiment med Azure Sandbox-arkitekturen, uppdelad i fem moduler med ökande komplexitet. Varje modul bygger kumulativt på den föregående för att säkerställa en omfattande utvärdering. Vi utvecklade IaC-skript för dessa moduler för varje verktyg och testade skript för att samla in prestandamått, såsom driftsättningstid, CPU-användning, minnesanvändning, nätverksaktivitet och diskaktivitet. Experimenten innebar att varje IaC-verktyg kördes fem gånger för varje modul i tre Azure-regioner. Nyckelresultaten från denna studie indikerar att Bicep är det snabbaste verktyget för provisionering och uppvisar minst resursutnyttjande, förutom CPU-användning, där ARM är mer effektivt. För avprovisioneringsoperationer visar ARM de snabbaste körtiderna, medan Terraform upprätthåller den mest konsekventa prestandan över modulerna. Dessa fynd tyder på att Bicep är det mest optimala valet för att tillhandahålla Azure-infrastruktur på grund av dess hastighet och effektivitet, medan ARM är att föredra för snabba deprovisioneringsuppgifter. Baserat på dessa resultat kan molnutövare fatta mer välgrundade beslut när de väljer IaC-verktyg för sina projekt. Framtida arbete kan utöka denna analys till andra molnplattformar, inkludera ett bredare utbud av IaC-verktyg och utforska ytterligare prestandaaspekter.