在运行 ansible playbook 时面临不同虚拟机中的 SSH 超时 - 通过 terraform 和 tf 模块创建的虚拟机，使用自定义映像

Question

我正在尝试通过 terraform 代码创建 7 个虚拟机的环境 - 创建 NIC 和虚拟机（已创建 NSG、RG、子网），并且我使用了自定义 RHEL8 映像。

创建虚拟机后，我通过 jenkins 使用 ansible playbook“配置”它们。问题出现在这个配置阶段。每次运行 12-13 分钟后，1-3 个虚拟机会因以下错误而断开连接

fatal: FAILED! => {"changed": false, "elapsed": 641, "msg": "timed out waiting for ping module test: Failed to connect to the host via ssh: ssh: connect to host 10.22.136.194 port 22: Connection timed out"}

或

UNREACHABLE! => {"changed": false, "msg": "Failed to connect to the host via ssh: mux_client_request_session: read from master failed: Broken pipe\r\nssh: connect to host 10.22.136.195 port 22: Connection timed out", "unreachable": true}

我联系了一位微软支持工程师，他说网卡没有正确连接，但无法详细说明这一点

注意 - 相同的基础设施和管道在自定义 CENTOS7 映像上运行良好，发生了 ssh 超时，但它不像这次那样成为阻止者

我尝试销毁并重新创建，更改ansible.cfg中的ssh超时限制（不起作用），并与MS支持工程师联系，但尚未解决

以上设置应该

1. 配置虚拟机、磁盘、网卡 - 关联网卡
2. 配置虚拟机 - 设置 yum、oracle python 等，无需断开连接

这是我的 main.tf，我在其中创建虚拟机和网卡

`resource "azurerm_network_interface" "nw_interface" {
  count = var.vm_count
  name                = "nic-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}00${count.index + 1}-01"
  location            = var.rg.location
  resource_group_name = var.rg.name

  ip_configuration {
    name                          = "vm-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}0${count.index + 1}-network-configuration"
    subnet_id                     = var.subnet_id
    private_ip_address_allocation = var.pvt_ip_allocation
  }

  tags = merge(var.tags, tomap({"Name" = "vm-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}00${count.index + 1}", "Role" = var.role}))

}

resource "azurerm_virtual_machine" "azure_vm" {
  count = var.vm_count
  name                  = "vm-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}00${count.index + 1}"
  location              = var.rg.location
  resource_group_name   = var.rg.name
  vm_size                = var.vm_size
  network_interface_ids = [element(azurerm_network_interface.nw_interface.*.id, count.index)]

  # Uncomment this line to delete the OS disk automatically when deleting the VM
  delete_os_disk_on_termination = var.del_disk_on_termination

  # Uncomment this line to delete the data disks automatically when deleting the VM
  delete_data_disks_on_termination = var.del_disk_on_termination

  storage_image_reference {
  id = var.vm_image_id
  }

  storage_os_disk {
    name              = "disk-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}0${count.index + 1}-disk"
    caching           = var.disk_opts.caching
    create_option     = var.disk_opts.create_option
    managed_disk_type = var.disk_opts.managed_disk_type
    disk_size_gb      = var.os_disk_size
    os_type           = var.disk_opts.os_type
  }

  os_profile {
    computer_name  = "${var.vm_name}0${count.index + 1}"
    admin_username = var.admin_username
    admin_password = var.admin_password
  }

  os_profile_linux_config {
    disable_password_authentication = var.disable_password_authentication
  }

  tags = merge(var.tags, tomap({"Name" = "vm-${var.customer_acronym}-${var.env_acronym}-${var.vm_name}00${count.index + 1}", "Role" = var.role}))

}`

这是我的变量.tf 提到图像

variable "image_name" { default = "rhlel8-base-image-2024-09-16" description = "Image name from which Dev VM would be created" }

注意 - 插入支持工程师所说的内容

“已采取的故障排除：正如显示许多 VMware 参考的日志所示，该问题似乎与网络未启动有关。怀疑基础映像可能未为 Azure 做好准备。” (https://i.sstatic.net/XIw4DbLc.png)

Answer 1

在不同虚拟机中面临 SSH 超时

拦截器带有未设置为azure的自定义图像。一般检查图像网络代理和网络设置。

您可以尝试在 ansible 中使用更多超时，以便机器有足够的时间来设置连接，此外尝试添加重试，然后使用 测试对有问题的虚拟机的直接 SSH 访问

ssh -v <vm_user>@<vm_ip_address> 根据

SO线程尝试上述提到的以下方法

尝试启用 ansible_user 而不是 ansible_ssh_user 并且与密码相同

ansible 192.168.15.29 -i your_hosts_file -m ping -e "ansible_ssh_user=remote ansible_ssh_pass=password" 或

ansible 192.168.15.29 -i your_hosts_file -m ping -e "ansible_user=remote ansible_password=password" 此更改应在您的 ansible 文件中进行，并使用 -c paramiko 选项 ping 我的主机。

参考：

Ansible 无法与 SSH 连接（横幅交换） - Stack Overflow by Ripper Tops