Cloud-init 服务状态异常问题分析与解决方案

问题背景

在 Ubuntu 22.04 LTS 系统中使用 cloud-init 23.4.4 版本时，发现一个异常现象：即使所有 cloud-init 任务都已执行完成，cloud-init status 命令仍然报告状态为"Running"。这个问题在批量创建虚拟机时尤为明显，部分虚拟机会出现此异常。

问题现象分析

通过检查系统日志和 cloud-init 状态输出，可以观察到以下关键现象：

1. cloud-init status --long 命令持续显示状态为"running"
2. 系统日志显示 cloud-init 的 config 和 final 阶段已成功执行
3. 但 cloud-init.service 和 cloud-init-local.service 并未正常启动
4. 系统日志中存在关键错误信息："Found ordering cycle on cloud-init.service/start"

根本原因

深入分析后发现，问题的根源在于 systemd 服务间的依赖关系出现了循环依赖：

1. cloud-init.service 依赖于 systemd-networkd-wait-online.service
2. systemd-networkd-wait-online.service 又依赖于 systemd-networkd.service
3. 这条依赖链最终形成了一个闭环，导致 systemd 自动删除了 cloud-init.service 和 cloud-init-local.service 的启动任务

具体依赖循环路径如下：

cloud-init.service → systemd-networkd-wait-online.service → systemd-networkd.service → network-pre.target → cloud-init-local.service → open-vm-tools.service → dbus.service → basic.target → sockets.target → uuidd.socket → sysinit.target

解决方案

临时解决方案

对于已经出现问题的系统，可以手动执行以下命令完成 cloud-init 的初始化：

cloud-init init --local
cloud-init init

长期解决方案

该问题已在 cloud-init 的后续版本中得到修复。新版本中：

1. cloud-init 不再错误地报告 RUNNING 状态，而是会正确显示 DONE
2. 改进了状态检测逻辑，确保在所有阶段完成后准确反映状态

配置优化建议

为避免类似问题，建议检查并优化以下配置：

1. 确保 /etc/cloud/cloud.cfg 配置合理
2. 检查 systemd 服务单元文件的依赖关系
3. 验证 cloud-init 各阶段的执行顺序是否正确

技术启示

这个问题揭示了在复杂初始化系统中几个重要的设计考量：

1. 服务依赖管理：系统初始化阶段的服务依赖需要精心设计，避免循环依赖
2. 状态报告机制：初始化工具的状态报告应该能够准确反映实际完成情况
3. 错误恢复能力：系统应该能够检测到初始化异常并提供明确的错误信息

通过这个案例，我们可以更好地理解 Linux 系统初始化过程中服务间复杂的交互关系，以及如何诊断和解决类似的初始化问题。