AZ-104考试重点突破：虚拟机扩展集配置与管理的7个关键步骤

第一章：MCP AZ-104考试中虚拟机扩展集的核心概念

虚拟机扩展集（Virtual Machine Scale Sets, VMSS）是Microsoft Azure中用于部署和管理大量相同配置虚拟机的核心服务，广泛应用于需要高可用性、自动扩展和负载均衡的场景。在MCP AZ-104认证考试中，理解VMSS的架构与配置是掌握Azure计算资源管理的关键部分。

虚拟机扩展集的基本特性

• 支持自动横向扩展，根据CPU使用率等指标动态增减实例数量
• 所有实例基于统一的虚拟机映像和配置进行创建，确保一致性
• 与Azure负载均衡器集成，实现流量分发
• 支持区域冗余部署，提升容灾能力

创建虚拟机扩展集的命令示例

通过Azure CLI可快速创建VMSS，以下命令展示了如何部署一个包含三台Ubuntu实例的扩展集：

# 创建资源组
az group create --name myResourceGroup --location eastus

# 创建虚拟机扩展集
az vmss create \
  --resource-group myResourceGroup \
  --name myScaleSet \
  --image Ubuntu2204 \
  --vm-sku Standard_DS2_v2 \
  --instance-count 3 \
  --admin-username azureuser \
  --generate-ssh-keys

上述命令首先创建资源组，然后部署基于Ubuntu 22.04镜像的扩展集，初始实例数为3，使用Standard_DS2_v2规格，并自动生成SSH密钥用于登录。

扩展策略配置方式

自动扩展规则可通过Azure Monitor设置，常见监控指标包括：

监控指标	触发动作	推荐阈值
CPU使用率	增加实例	>75%持续5分钟
内存使用率	减少实例	<30%持续10分钟

graph TD A[用户请求增加] --> B{CPU使用率 > 75%?} B -->|是| C[触发扩展] B -->|否| D[保持当前实例数] C --> E[新增实例加入负载均衡池]

第二章：虚拟机扩展集的规划与设计

2.1 理解虚拟机扩展集的架构与工作原理

虚拟机扩展集（Virtual Machine Scale Sets, VMSS）是云平台中实现应用弹性伸缩的核心组件，通过统一管理大量相同配置的虚拟机实例，支持自动化部署、横向扩展和负载均衡。

核心架构组成

扩展集由三部分构成：

• 实例模板：定义虚拟机镜像、大小、网络配置等；
• 自动缩放引擎：基于CPU、内存等指标动态增减实例；
• 负载均衡器：将流量分发至健康实例。

声明式配置示例

{
  "sku": {
    "name": "Standard_DS1_v2",
    "capacity": 3,
    "tier": "Standard"
  },
  "properties": {
    "overprovision": true,
    "upgradePolicy": { "mode": "Automatic" }
  }
}

上述配置定义了初始容量为3个实例，启用超量预配以提升部署成功率，升级策略设为自动，确保新镜像发布后实例可无缝更新。

扩展机制流程

用户请求 → 监控指标触发策略 → 实例数量调整 → 负载均衡注册 → 健康检查

2.2 基于高可用性需求的规模设置策略

在构建高可用系统时，节点规模的合理配置是保障服务连续性的关键。过多实例会增加运维成本，而过少则无法应对故障转移。

副本数量与容错能力

通常建议至少部署三个副本以实现多数派共识机制，支持单点故障容忍：

• 1个主节点处理写请求
• 2个及以上从节点同步数据
• 通过选举机制自动故障转移

资源配置示例

replicas: 3
resources:
  requests:
    memory: "4Gi"
    cpu: "2000m"
  limits:
    memory: "8Gi"
    cpu: "4000m"

该配置确保每个实例具备足够的计算资源应对突发负载，同时三副本部署可在一台宕机时由其余节点接管服务，维持系统可用性。

2.3 选择合适的映像与实例大小进行容量规划

在云环境中，合理选择操作系统映像和实例规格是容量规划的核心环节。映像决定了运行环境的基础配置，而实例大小直接影响计算性能、内存带宽和网络吞吐能力。

映像选择策略

优先选择轻量级、经过安全加固的官方映像，例如 Amazon Linux 2 或 Ubuntu Server LTS 版本，避免使用包含冗余软件的自定义镜像，以减少启动时间和安全风险。

实例类型匹配工作负载

根据应用特征选择实例族：计算密集型任务适用 C 系列，内存密集型推荐 R 系列。以下为常见实例规格对比：

实例类型	vCPU	内存 (GiB)	适用场景
t3.medium	2	4	开发测试、低负载服务
c6i.xlarge	4	8	高性能Web服务器
r6i.2xlarge	8	64	数据库、缓存集群

自动化选型建议

结合监控数据使用脚本辅助决策：

# 查询当前实例类型元数据
curl http://169.254.169.254/latest/meta-data/instance-type

该命令可获取运行中实例的类型信息，便于在自动伸缩策略中动态调整资源配置，提升资源利用率。

2.4 配置负载均衡器与网络接口以支持自动扩展

在构建高可用云架构时，负载均衡器是流量分发的核心组件。通过将请求均匀分配至后端实例，确保系统在自动扩展过程中保持稳定响应。

负载均衡器类型选择

根据应用场景可选择应用层（如ALB）或网络层（如NLB）负载均衡器。ALB适用于HTTP/HTTPS流量，支持基于路径的路由；NLB则适用于TCP/UDP协议，具备低延迟和高吞吐特性。

网络接口配置策略

为支持弹性扩展，需为每个实例配置多网卡绑定不同子网，并启用自动IP分配：

{
  "NetworkInterfaces": [
    {
      "DeviceIndex": 0,
      "SubnetId": "subnet-1a2b3c4d",
      "AssociatePublicIpAddress": true,
      "Groups": ["sg-0ab1c2d3e4f5g6h7"]
    }
  ]
}

上述配置中，DeviceIndex指定主网卡，SubnetId定义所属子网，AssociatePublicIpAddress控制公网IP分配，安全组确保访问控制。

健康检查与自动伸缩集成

• 设置健康检查路径（如 /healthz），间隔30秒
• 阈值设为连续3次失败触发替换实例
• 与Auto Scaling Group绑定，实现动态注册/注销

2.5 实践：通过Azure门户创建首个虚拟机扩展集

在Azure中，虚拟机扩展集（Virtual Machine Scale Sets, VMSS）支持自动扩展和高可用性部署。通过Azure门户可快速完成配置。

创建流程概览

登录Azure门户后，进入“创建资源” > 搜索“虚拟机扩展集” > 填写基本信息如名称、区域、映像与实例大小。

网络与负载均衡配置

系统自动配置关联的虚拟网络和公共负载均衡器。建议启用自动缩放规则，基于CPU使用率动态调整实例数量。

{
  "sku": {
    "name": "Standard_DS1_v2",
    "tier": "Standard",
    "capacity": 2
  },
  "overprovision": true,
  "upgradePolicy": {
    "mode": "Automatic"
  }
}

上述JSON片段表示扩展集的SKU配置：capacity定义初始实例数，overprovision启用额外预配以提升部署成功率，upgradePolicy设为自动模式确保无缝更新。

第三章：自动化扩展策略配置

3.1 基于指标的自动扩展规则设计与实现

在现代云原生架构中，基于指标的自动扩展是保障服务弹性与资源效率的核心机制。通过监控CPU、内存、请求延迟等关键性能指标，系统可动态调整实例数量以应对负载变化。

核心扩展策略配置

常见的自动扩展规则依赖于预设阈值触发扩容或缩容操作。以下为Kubernetes HPA（Horizontal Pod Autoscaler）基于CPU使用率的配置示例：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-deployment
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

上述配置中，当Pod平均CPU利用率超过70%时，HPA将自动增加副本数，最多扩展至10个实例；若负载下降，则缩减至最少2个，确保资源高效利用。

多维度指标融合扩展

除CPU外，还可引入自定义指标（如QPS、队列长度）进行复合判断，提升扩展决策的精准性。

3.2 使用定时策略和动态条件优化资源利用率

在高并发系统中，合理调度资源是提升性能的关键。通过引入定时策略与动态条件判断，可有效避免资源空转与过度分配。

定时任务调度机制

利用 Cron 表达式配置定时任务，实现非高峰时段的低优先级任务执行：

schedule: "0 2 * * *"  # 每日凌晨2点执行数据归档
resources:
  requests:
    memory: "512Mi"
    cpu: "200m"
condition: "scaleDownIfIdle=true"

上述配置表示仅在系统空闲时触发缩容操作，防止资源浪费。

基于负载的动态伸缩

结合 CPU 和内存使用率设置弹性阈值：

• 当 CPU 使用率持续 5 分钟超过 80%，自动扩容实例数
• 若所有实例平均负载低于 30%，触发 scale-in 策略
• 动态条件支持自定义指标，如请求延迟、队列长度等

该策略显著提升了资源利用率，同时保障服务稳定性。

3.3 实践：通过Azure CLI配置自动扩展规则

在Azure环境中，可通过Azure CLI精确配置自动扩展规则，实现资源的动态伸缩。首先需登录并指定目标资源组与虚拟机规模集。

配置步骤

使用以下命令创建基于CPU使用率的自动扩展规则：

az monitor autoscale create \
  --resource-group myResourceGroup \
  --resource-name myVMSS \
  --resource-type Microsoft.Compute/virtualMachineScaleSets \
  --min-count 2 \
  --max-count 10 \
  --count 2

上述命令初始化自动扩展配置，设定最小实例数为2，最大为10，默认启动2个实例。

添加度量条件

接着添加触发扩容的度量条件：

az monitor autoscale rule create \
  --resource-group myResourceGroup \
  --autoscale-name myVMSS \
  --condition "Percentage CPU > 75 avg 5m" \
  --scale out 2

该规则表示：当CPU平均使用率在5分钟内超过75%时，增加2个实例。通过组合多条规则，可实现精细化的弹性管理。

第四章：虚拟机扩展集的运维与监控

4.1 更新域与维护窗口管理的最佳实践

在企业级系统运维中，合理规划更新域与维护窗口是保障服务可用性的关键环节。通过将系统划分为多个逻辑或物理的更新域，可实现分批滚动更新，避免全局中断。

维护窗口配置策略

建议采用基于时间的维护窗口机制，结合业务低峰期执行变更操作：

1. 每周设定固定维护窗口（如周日凌晨2:00–6:00）
2. 按更新域轮流应用补丁，每批次间隔15分钟
3. 强制启用变更审批流程与回滚预案

自动化更新示例

#!/bin/bash
# 定义维护窗口检查逻辑
MAINTENANCE_WINDOW_START=0200
CURRENT_TIME=$(date +%H%M)

if [ $CURRENT_TIME -ge $MAINTENANCE_WINDOW_START ]; then
    systemctl restart app-service
else
    echo "不在维护窗口期内，禁止执行更新"
    exit 1
fi

该脚本确保仅在预设时间段内触发服务重启，防止误操作影响生产环境。参数 MAINTENANCE_WINDOW_START 可根据实际调度策略调整，增强灵活性与安全性。

4.2 使用自定义脚本扩展实现应用部署自动化

在现代 DevOps 实践中，通过自定义脚本扩展部署流程是提升效率的关键手段。借助 Shell、Python 或 PowerShell 脚本，可将构建、配置、服务启动等步骤封装为可复用的自动化任务。

典型部署脚本示例

#!/bin/bash
# deploy.sh - 自动化部署脚本
APP_NAME="myapp"
BUILD_DIR="/tmp/build"
DEPLOY_PATH="/var/www/$APP_NAME"

# 构建前端资源
npm run build --prefix $BUILD_DIR

# 停止旧服务
systemctl stop $APP_NAME

# 部署新版本
cp -r $BUILD_DIR/dist/* $DEPLOY_PATH/

# 重启服务
systemctl start $APP_NAME

echo "Deployment of $APP_NAME completed."

该脚本实现了从构建到服务重启的完整流程。参数 APP_NAME 可抽取为环境变量以增强通用性，systemctl 调用确保服务状态可控。

优势与最佳实践

• 脚本版本化管理，纳入 CI/CD 流水线
• 结合配置模板实现多环境适配
• 添加日志输出与错误捕获机制

4.3 监控扩展集性能与诊断常见问题

启用内置监控指标

Azure Monitor 提供对虚拟机扩展集的实时性能追踪。通过配置诊断扩展，可收集 CPU、内存、磁盘 I/O 等关键指标。

{
  "metrics": {
    "metricAggregation": [{"scheduledTransferPeriod": "PT1M"}],
    "resourceId": "/subscriptions/{sub-id}/resourceGroups/{rg}/providers/Microsoft.Compute/virtualMachineScaleSets/{vmss-name}"
  },
  "performanceCounters": {
    "performanceCounterConfiguration": [
      {
        "counterSpecifier": "\\Processor(_Total)\\% Processor Time",
        "unit": "Percent",
        "samplingFrequencyInSecs": 60
      }
    ]
  }
}

该配置每分钟采集一次 CPU 使用率，counterSpecifier 定义监控项，samplingFrequencyInSecs 控制采样间隔。

常见问题诊断策略

• 实例启动失败：检查自定义脚本扩展的退出代码
• 扩展超时：调整 autoUpgradeMinorVersion 和超时设置
• 状态不一致：使用 az vmss run-command 远程排查

4.4 实践：集成Log Analytics与Application Insights进行深度监控

在现代云原生架构中，实现应用层与基础设施的统一监控至关重要。通过将Application Insights的应用性能数据与Log Analytics的日志分析能力结合，可构建端到端的可观测性体系。

集成配置步骤

首先，在Azure门户中确保Application Insights实例与Log Analytics工作区关联。可通过以下ARM模板片段实现自动化部署：

{
  "type": "microsoft.insights/components",
  "apiVersion": "2020-02-02",
  "name": "[variables('appInsightsName')]",
  "location": "[resourceGroup().location]",
  "properties": {
    "WorkspaceResourceId": "[resourceId('Microsoft.OperationalInsights/workspaces', variables('workspaceName'))]"
  }
}

该配置将Application Insights的 telemetry 数据自动导入指定Log Analytics工作区，实现查询与告警的统一管理。

联合查询示例

利用Kusto查询语言，可在Log Analytics中跨源分析：

• 追踪异常请求来源
• 关联后端依赖延迟与前端页面性能
• 构建自定义业务指标仪表板

第五章：虚拟机扩展集在AZ-104考试中的综合应用场景分析

高可用Web应用部署方案

在Azure环境中，虚拟机扩展集（VMSS）常用于构建可伸缩、高可用的Web服务架构。例如，在负载高峰期自动增加实例数量，低峰期缩减以节省成本。以下为通过Azure CLI创建带有自动缩放规则的VMSS示例：

# 创建资源组
az group create --name myResourceGroup --location eastus

# 创建虚拟机扩展集
az vmss create \
  --resource-group myResourceGroup \
  --name myScaleSet \
  --image UbuntuLTS \
  --vm-sku Standard_DS2_v2 \
  --instance-count 2 \
  --admin-username azureuser \
  --generate-ssh-keys

# 配置基于CPU使用率的自动缩放
az monitor autoscale create \
  --resource-group myResourceGroup \
  --resource myScaleSet \
  --resource-type Microsoft.Compute/virtualMachineScaleSets \
  --name cpuAutoscale \
  --min-count 2 \
  --max-count 10 \
  --count 2

az monitor autoscale rule create \
  --resource-group myResourceGroup \
  --autoscale-name cpuAutoscale \
  --condition "Percentage CPU > 75 avg 5m" \
  --action scale out 2

故障排除与健康探测集成

为确保服务连续性，建议将VMSS与Application Gateway或Load Balancer结合使用，并启用应用健康探测。该机制可自动标记不健康的实例并触发替换流程。

• 配置HTTP健康探测指向应用的/health端点
• 设置探测频率为30秒，阈值为2次失败后标记为不健康
• 启用自动实例修复策略，延迟5分钟后重启异常实例

考试中常见任务场景

AZ-104考生需掌握通过门户或CLI完成VMSS的升级策略配置（如滚动更新）、网络安全组绑定及数据磁盘附加。典型题目包括：根据性能日志判断是否需调整自动缩放条件，或诊断因NSG阻断导致实例无法加入负载均衡池的问题。