如何在一段时间后终止Azure虚拟机规模集的代理实例

核心思路：实例级指标采集+触发式自动化操作 #

Azure本身没有直接的“终止超时作业实例”一键功能，但可以通过组合以下组件实现需求：

1. 开启VMSS实例级指标采集 #

先解决单实例指标可见性问题：

• 在VMSS的诊断设置中，开启实例级指标收集，将单个VM实例的系统指标（或自定义指标）发送到Log Analytics工作区。
• 如果代理作业无法自动上报运行时长，可在实例内部署脚本（PowerShell/Bash均可），定期采集作业进程的运行时间，通过Azure Monitor Agent推送到Log Analytics作为自定义指标（比如命名为JobElapsedHours）。

2. 基于日志查询创建警报触发Azure Function #

• 编写Log Analytics Kusto查询，筛选出作业运行时长超过1小时的实例：

  // 假设自定义指标为JobElapsedHours，筛选值大于1的实例
  CustomMetrics
  | where MetricName == "JobElapsedHours"
  | where Value > 1
  | project InstanceId = tostring(split(ResourceId, '/')[-1]), ResourceId
  

• 基于该查询创建日志警报，触发条件设为“返回结果数大于0”，并将警报动作组关联到Azure Function。
• 在Azure Function中，解析警报推送的实例ID和资源ID，调用Azure Compute REST API（或Azure SDK）执行实例删除操作。注意给Function的托管标识分配Virtual Machine Contributor或更精细的权限，确保能操作VMSS实例。

3. 替代方案：Azure Automation Runbook定期检查 #

如果不需要实时响应，可采用定期扫描的方式：

• 创建Azure Automation Runbook，定期执行Log Analytics查询获取超时实例列表。
• 在Runbook中调用Azure Compute API删除符合条件的实例，同样需要给Runbook的托管标识配置对应权限。

关键注意事项 #

• 作业状态准确性：建议在作业启动/结束时记录时间戳到本地日志或直接上报到Azure Monitor，避免依赖进程运行时间的误判。
• 安全终止验证：在执行删除前，可在Function/Runbook中再次验证实例的作业状态，确认确实超时后再操作，防止误删正在运行的正常作业。
• 权限最小化：遵循权限最小化原则，给自动化组件（Function/Runbook）分配仅能删除VMSS实例的权限，避免过度授权。

内容的提问来源于stack exchange，提问作者mr_bean