Terraform实例模板模块MIG虚拟机启动脚本执行异常问题

我创建了包含3台VM的托管实例组（MIG），同时部署了一台同子网的独立VM，两者使用完全相同的启动脚本（安装Docker并运行监听80端口的服务）。独立VM上sudo docker ps能正常返回运行中的容器，但MIG内的VM执行相同命令时提示docker命令未找到，已确认instance_template模块使用的是startup_script属性而非metadata_startup_script。

核心排查步骤 #

首先登录MIG内的VM，查看启动脚本执行日志定位问题：

# 查看cloud-init启动脚本输出日志
cat /var/log/cloud-init-output.log

# 过滤snap安装相关日志
grep "snap install docker" /var/log/syslog

日志会直接显示snap安装Docker是否成功、是否有报错（如网络超时、权限问题等）。

针对性解决办法 #

1. 环境变量PATH未包含Docker路径 #

snap安装的Docker默认路径为/snap/bin/docker，启动脚本执行时的系统PATH可能未包含该路径，导致后续命令找不到docker。

解决：
修改脚本，使用Docker的绝对路径调用：

#!/bin/bash
sudo snap install docker
sudo /snap/bin/docker version > docker_version.txt
sleep 10
sudo /snap/bin/docker run -d --rm -p ${var.server_port}:${var.server_port} \
busybox sh -c "while true; do { echo -e 'HTTP/1.1 200 OK\r\n'; \
echo 'yo'; } | nc -l -p ${var.server_port}; done"

或在脚本开头手动添加PATH：

#!/bin/bash
export PATH=$PATH:/snap/bin
sudo snap install docker
sudo docker version > docker_version.txt
# 后续命令不变

2. Docker安装未完成就执行后续命令 #

抢占式VM（preemptible）资源有限，snap install docker的耗时可能超过脚本中设置的5秒，导致后续命令执行时Docker还未安装完成。

解决：
替换固定sleep为循环等待Docker可用：

#!/bin/bash
sudo snap install docker

# 最多等待60秒，直到Docker命令可用
timeout=60
while [ $timeout -gt 0 ]; do
  if sudo /snap/bin/docker --version >/dev/null 2>&1; then
    break
  fi
  sleep 2
  timeout=$((timeout-2))
done

# 超时则记录错误并退出
if [ $timeout -le 0 ]; then
  echo "Docker installation timed out" >> /var/log/docker_install_error.log
  exit 1
fi

sudo /snap/bin/docker version > docker_version.txt
sudo /snap/bin/docker run -d --rm -p ${var.server_port}:${var.server_port} \
busybox sh -c "while true; do { echo -e 'HTTP/1.1 200 OK\r\n'; \
echo 'yo'; } | nc -l -p ${var.server_port}; done"

3. 启动脚本缩进/语法错误 #

instance_template中的脚本缩进与独立VM不一致，可能导致脚本被截断或语法错误（<<-EOF仅忽略开头制表符，空格缩进会引发问题）。

解决：
确保脚本内容与EOF顶格书写：

startup_script = <<-EOF
#!/bin/bash
sudo snap install docker
sudo /snap/bin/docker version > docker_version.txt
sleep 10
sudo /snap/bin/docker run -d --rm -p ${var.server_port}:${var.server_port} \
busybox sh -c "while true; do { echo -e 'HTTP/1.1 200 OK\r\n'; \
echo 'yo'; } | nc -l -p ${var.server_port}; done"
EOF

4. 服务账号权限限制 #

MIG的VM使用自定义服务账号，可能存在本地操作权限限制（虽然snap安装Docker为本地操作，但极端情况下权限配置会影响）。

解决：
临时切换为默认服务账号测试，若问题消失，再排查自定义服务账号的权限配置是否遗漏必要的本地操作权限。

内容的提问来源于stack exchange，提问作者SkogensKonung