不中断运行服务前提下为Compute Engine VM增加资源的方案咨询

适配场景说明 #

常规Compute Engine VM的资源规格调整，默认要求VM处于TERMINATED停机状态才可执行，这类操作对运行着数据库、Web类不允许中断业务的场景适配性极差，需要通过针对性的操作路径，在不中断现有服务的前提下完成资源升配，最终落地全链路自动化运维能力，无需人工持续监控即可匹配动态资源需求、保障服务质量。

无中断调整VM资源规格的可执行方案 #

• 优先使用实时资源调整能力完成在线升配：主流的N1、N2、N2D、E2、M1系列通用计算、内存优化机型，支持在VM处于RUNNING运行状态下直接修改同系列下的vCPU核心数、内存容量配置，调整过程不中断现有业务进程，配置参数即时生效，不需要停机重启。注意该操作不支持跨实例系列变更机型，仅支持同系列的资源参数调整。
• 对不支持实时调整的老旧机型/特殊定制配置机型，采用滚动迁移方案完成配置升级：先基于原VM的启动盘镜像创建临时备用节点，逐次将业务流量从原VM切流到备用节点——切流时先把原节点从负载均衡池的权重设为0，等待存量用户连接自然耗尽后，再对原VM执行停机调整目标资源规格，调整完成后将节点重新加回流量池，全程通过单节点滚动切流保障整体服务可用性，无整体中断窗口。
• 执行调整前的前置校验：提前确认目标可用区的资源配额余量，通过gcloud compute instances describe [VM名称] --zone [所在可用区]指令查询VM的当前挂载依赖、磁盘配置，避免调整过程中出现配额不足、磁盘挂载不兼容导致的操作失败。

全自动化运维的落地配置 #

• 配置基于业务指标的自动触发规则：关联业务侧的核心运行指标（CPU利用率、数据库活跃连接数、Web请求响应延迟）设定资源升级阈值，当指标持续触发阈值要求时，系统自动调用VM实时调整接口完成规格提升，动态匹配业务的资源需求。
• 搭建自动化操作的容错闭环：自动监控所有调整操作的执行结果，当遇到不支持实时调整、接口调用失败的场景时，自动切换到滚动迁移的备用操作流程，不需要人工持续监控介入。
• 固化零中断的操作优先级：所有自动化运维任务默认优先采用无中断操作路径，从流程层面规避因调整操作触发的业务中断，保障服务运行质量。

内容的提问来源于stack exchange，提问作者Orisa