Terraform AzureRM Provider 数据磁盘附加问题分析与解决方案

问题背景

在使用Terraform AzureRM Provider管理Azure虚拟机时，用户遇到了一个关于数据磁盘附加的异常问题。当尝试为虚拟机附加第二个数据磁盘时，系统返回错误提示："Property 'dataDisk.diskIOPSReadWrite' can be enabled only on VMs in a Virtual Machine Scale Set"。这个问题最初出现在UK South区域，影响了多个用户的生产环境部署。

问题现象

用户通过Terraform配置尝试为Azure虚拟机附加两个数据磁盘时，第一个磁盘能够成功附加，但在附加第二个磁盘时会遇到以下错误：

Error: updating Virtual Machine with Disk "data-disk2": performing CreateOrUpdate: unexpected status 400 (400 Bad Request) with error: InvalidParameter: Property 'dataDisk.diskIOPSReadWrite' can be enabled only on VMs in a Virtual Machine Scale Set.

值得注意的是，用户并未在配置中显式设置dataDisk.diskIOPSReadWrite属性，这表明问题可能源于Azure平台内部的默认行为或配置。

技术分析

问题本质

这个问题实际上是由Azure平台后端的一个bug引起的。微软支持团队确认，该问题是在为磁盘添加对diskIops和DiskMBps属性支持的过程中引入的。当磁盘资源提供者(Disk RP)返回这些属性时，系统错误地尝试在非虚拟机规模集(VMSS)的虚拟机上启用这些属性。

影响范围

该问题主要影响以下配置场景：

• 使用azurerm_virtual_machine_data_disk_attachment资源附加多个数据磁盘
• 使用PremiumV2_LRS等高性能磁盘类型
• 特定区域（最初报告为UK South区域）

临时解决方案

在微软修复该问题前，用户可以采用以下临时解决方案：

1. 通过Azure门户手动附加额外数据磁盘
2. 使用terraform import命令将手动附加的磁盘导入Terraform状态管理
3. 等待平台修复后，恢复正常的Terraform自动化部署流程

微软的解决方案

微软支持团队确认已通过以下方式解决了该问题：

1. 识别出导致问题的代码变更（与磁盘IOPS和吞吐量属性处理相关）
2. 回滚了错误的代码变更
3. 逐步将修复部署到受影响区域

修复首先在UK South区域完成，随后扩展到其他可能受影响的区域。整个修复过程耗时数天。

最佳实践建议

为避免类似问题影响生产环境，建议采取以下措施：

1. 环境隔离：在生产环境部署前，先在测试环境验证关键变更
2. 变更监控：密切关注Azure服务健康状况和更新公告
3. 版本控制：考虑固定Terraform Provider版本，避免自动升级引入未知问题
4. 多区域部署：对于关键业务系统，考虑多区域部署以提高容错能力
5. 问题响应计划：建立明确的问题上报和应急响应流程

总结

这次事件展示了云平台服务可能出现的意外行为，即使在使用基础设施即代码工具如Terraform时也不例外。通过社区协作和及时的问题报告，微软能够快速识别并修复了这个影响多个用户的平台级问题。作为用户，理解这类问题的本质和临时解决方案，能够帮助我们在遇到类似情况时快速响应，最小化对业务的影响。

对于持续使用Azure和Terraform的团队，建议定期检查官方更新，参与社区讨论，并建立完善的基础设施变更管理流程，以确保云资源的稳定性和可靠性。