如何为区域型托管实例组的Compute Engine VM实现延迟顺序重启？

问题背景 #

我有一个基于容器优化操作系统（Container-Optimized OS）、采用容器部署模板的Google Compute Engine区域型托管实例组（MIG，跨多可用区）。已推送更新后的容器镜像，希望逐个重启MIG内所有VM以加载新镜像，同时在每个VM重启间隔设置60秒延迟，确保仅1-2台VM不可用。

尝试执行滚动重启命令时触发错误：

gcloud beta compute instance-groups managed rolling-action restart MIG_NAME \
    --project="..." --region="..." \
    --max-unavailable=1 --min-ready=60

错误输出：

ERROR: (gcloud.beta.compute.instance-groups.managed.rolling-action.restart) Could not fetch resource:
 - Invalid value for field 'resource.updatePolicy.maxUnavailable.fixed': '1'. Fixed updatePolicy.maxUnavailable for regional managed instance group has to be either 0 or at least equal to the number of zones.

错误原因 #

区域型MIG的max-unavailable固定值有特殊限制：要么设为0，要么至少等于MIG覆盖的可用区数量。这是因为区域MIG默认在每个可用区分配实例，Google为保障高可用，不允许设置的不可用数量小于可用区数，避免出现某个可用区实例全部不可用的情况。

可行解决方案 #

1. 使用百分比配置max-unavailable #

如果MIG在每个可用区的实例数量较多，可以用百分比替代固定数值，实现近似逐个重启的效果，同时符合区域MIG的规则：

gcloud beta compute instance-groups managed rolling-action restart MIG_NAME \
    --project="你的项目ID" --region="你的区域" \
    --max-unavailable=10% --min-ready=60

例如每个可用区有10台实例时，10%的比例对应每次仅重启1台，刚好满足逐个重启的需求。

2. 脚本化手动逐个重启实例 #

若需要严格控制每次仅重启一台实例，可通过脚本遍历MIG内的实例，逐个执行重启并添加延迟：

• 第一步：获取MIG内所有实例名称

INSTANCE_NAMES=$(gcloud compute instance-groups managed list-instances MIG_NAME \
    --project="你的项目ID" --region="你的区域" \
    --format="value(name)")

• 第二步：遍历实例逐个重启，每次重启后等待60秒

for INSTANCE in $INSTANCE_NAMES; do
    echo "正在重启实例: $INSTANCE"
    # 自动获取实例所在可用区
    INSTANCE_ZONE=$(gcloud compute instances describe $INSTANCE \
        --project="你的项目ID" --format="value(zone)")
    gcloud compute instances restart $INSTANCE \
        --project="你的项目ID" --zone="$INSTANCE_ZONE"
    sleep 60
done

该方法完全可控，适合实例数量较少的场景。

3. 更新实例模板触发滚动更新（更优的容器刷新方式） #

实际上无需手动重启VM，直接更新MIG的实例模板指向新容器镜像，触发滚动更新即可让MIG自动替换旧实例为加载新镜像的新实例，同时可控制更新节奏：

• 第一步：基于原模板创建包含新镜像的实例模板

gcloud compute instance-templates create NEW_TEMPLATE_NAME \
    --project="你的项目ID" \
    --source-instance-template="原模板名称" \
    --container-image="你的新容器镜像地址"

• 第二步：触发MIG滚动更新，配置合适的参数

gcloud compute instance-groups managed rolling-action start-update MIG_NAME \
    --project="你的项目ID" --region="你的区域" \
    --template="NEW_TEMPLATE_NAME" \
    --max-unavailable=10% --min-ready=60

这种方式符合GCP最佳实践，容器优化OS实例启动时会自动拉取最新镜像，替换实例比单纯重启更可靠，还能避免镜像缓存问题。

内容的提问来源于stack exchange，提问作者Nick