自动化运维工具fabric的总结

fabric使用总结

Fabric和Fabric2在Pypi中就是同一个东西，fabric2只是Fabric的替代名称，为了便于使用备用名称进行安装。Fabric2和以前的Fabric1相比，彻底重写了，接口和功能都有很大改动，官网也不建议继续用Fabric1，建议升级到Fabric2。而最新版也早就支持Python 3.4+，和以前的Python2.7。

但目前各个社区对fabric2的介绍不多，基本都是fabric1，fabric2与fabric1的接口基本是彻底不一样，所以目前使用的是fabric1

安装fabric1的方法：

pip install 'fabric <2.0'

因为 fabric 不仅是一个Python 模块，fabric 仍是一个命令行工具，能够经过fab -h进行命令的了解

使用方式

talk is cheap, show the code

• 新建fable.py文件：

from fabric.api import *
from fabric.colors import *

#env.parallel = True 这个参数的含义是，对于批量机器的某个任务，全部机器并行执行；
#默认是根据机器列表一个机器一个机器执行；

env.warn_only=True
#能够把退出换为警告，以提供更灵活的错误处理。
#若是设置为False，则一条命令运行失败会就会退出，再也不执行后面的命令。

#自动登陆机器的用户名和密码
#env:保存用户配置的字典
#(保存了相关的配置，好比登陆用户名 env.user，密码 env.password，端口 env.port  等,
#若是没有指定用户名那么默认使用当前用户，端口使用22)

env.user = "username"
env.password = "password"

#能够指定sudo的具体组用户，这样，若只有目标机器的cloud组权限，
指定后，sudo(cmd)方法将以cloud组的权限去执行
env.sudo_user = 'cloud'
env.sudo_group = 'cloud'

#设定run(cmd), sudo(cmd)的cmd命令行在目标机器上执行的超时时间
env.command_timeout = 20

#以组为单位管理机器
env.roledefs = {
          'group1':
          [
              'p1.test.cn',
              'p2.test.cn',
              'p3.test.cn',
              'p4.test.cn',
              'p5.test.cn',
              'p6.test.cn',
              'p7.test.cn',
              'p8.test.cn',
              'p9.test.cn',
              'p10.test.cn',
          ],
          'log':
          [
              'log1.test.cn',
              'log2.test.cn',
          ],
          }
#以上定义了两个组，一个组叫group1，包含了十台机器，一个组叫log，包含了两台机器；

@roles("group1")
def check_ps():
    run("ps -ef | grep demo") #直接在远程机器上以登陆帐户username的权限执行指令
    
    put("./start.sh", "/home/wangzijie") #将本地当前目录下的start.sh文件复制到远程机器的/home/wangzijie目录下
    
    put("./update.sh", "/etc/init.d/update.sh", use_sudo = True) #将本地当前目录下的start.sh文件复制到远程机器的/etc/init.d目录下；
    #因为这个目录只有root有写权限，所以use_sudo = True能够以sudo的权限来写，但须要有这台机器的sudo权限才能够
    
    sudo("/etc/init.d/update.sh start") #以root的角色来执行update.sh脚本
    
    sudo("/home/wangzijie/start.sh", user = "cloud") #以特定组cloud的角色来执行命令，须要在目标机器有cloud的权限;
    或者在全局变量env.sudo_user, env.sudo_group中定义cloud，这样就不用在sudo方法中传递user这个参数了

• 执行脚本

fab check_ps

该命令须要在fable.py所在目录下执行，会对全部的group1机器运行check_ps方法中的全部命令，按照list的顺序执行，若须要全部机器并行执行，添加env.parallel = True便可

fab 命令执行时，默认引用一个名为 fabfile.py 的文件，咱们也能够经过 -f 来进行指定。

命令行动态传递参数

def hello(name, value):
    print "Hello Fabric! %s=%s" % (name,value)

执行时：

fab hello:name=Year,value=2016

获取当前任务的目标机器名：

可使用env.host_string变量

按必定顺序同时执行多个任务

示例

def deploy_all():
    execute(deploy_task1)
    execute(deploy_task2)

@roles("cluster1")
def deploy_task1():
    xxx
    ...
    
@roles("cluster2"):
def deploy_task2():
    XXX
    ...