Terraform部署GCP Slurm集群报错：无法找到镜像或镜像家族

核心参数优先级规则 #

GCP实例创建时，镜像参数的优先级为：source_image（具体镜像） > source_image_family（镜像家族）。即如果指定了source_image，source_image_family会被忽略；若source_image设为null，则会从source_image_project中拉取source_image_family对应的最新镜像。

正确配置方式 #

所有块（controller_instance_config、login_nodes、partition）的配置逻辑一致，根据需求选择以下方式之一：

场景1：使用镜像家族（推荐，自动获取最新镜像） #

controller_instance_config = {
  source_image_family      = "slurm-centos-7"  # 替换为真实存在的镜像家族名称
  source_image_project     = "your-gcp-project-id"  # 替换为镜像家族所在的GCP项目ID
  source_image             = null
}

注意：必须确保source_image_project项目中确实存在你指定的source_image_family，可以是GCP官方维护的Slurm镜像家族，也可以是你自己项目中创建的自定义镜像家族。

场景2：使用特定镜像（固定版本，不自动更新） #

controller_instance_config = {
  source_image_family      = null
  source_image_project     = "your-gcp-project-id"
  source_image             = "projects/your-gcp-project-id/global/images/my-custom-slurm-image"  # 完整镜像路径或同一项目内的镜像名称
}

报错排查要点 #

1. 验证镜像资源存在性：用gcloud命令检查
   • 检查镜像家族：gcloud compute images list --project=你的项目ID --filter="family:你的镜像家族名"
   • 检查具体镜像：gcloud compute images list --project=你的项目ID --filter="name:你的镜像名"
2. 权限检查：确保Terraform使用的GCP服务账号有访问目标项目镜像资源的权限
3. 修正tfvars语法：原配置中用{}包裹值是错误的，tfvars文件中直接赋值字符串即可，无需额外包裹符号

内容的提问来源于stack exchange，提问作者bnj xn