python使用Fabric模块实现自动化运维

示例

编写一个fabfile.py文件

vim fabfile.py

#!/usr/bin/env python
# -*- coding:utf-8 -*-

from fabric.api import run

#定义一个任务函数，通过run方法实现远程执行‘uname -s’命令
def host_type():   
        run('uname -s')

fab命令操作：

fab -H localhost host_type 

#结果：
[localhost] Executing task 'host_type'
[localhost] run: uname -s
[localhost] Login password for 'root': 
[localhost] out: Linux
[localhost] out: 

Done.
Disconnecting from localhost... done.

上面实例也可以写成一行代码：

fab -p 123456 -H localhost  --  'uname -s'   #--后面要加空格

回到顶部

fabfile文件的编写

fab命令是结合fabfile.py文件（其他文件通过-f filename 参数来引用）来搭配使用的。fab的部分命令行参数还能通过相应的方法来代替。

如：

fab -H 192.168.1.21,192.168.1.22 ... ...

#可以在fabfile.py文件中用env.hosts来实现，命令行中就可以不用写了
#可以在fabfile中这么写：

env.hosts = ['192.168.1.21','192.168.1.22']

fabfile之env对象

env对象的作用是定义fabfile的全局设定，就像上面的举例。下面对各属性进行说明：

env.hosts   #定义目标主机，可以用IP或主机名表示，以python的列表形式定义。如env.hosts=['192.168.1.21','192.168.1.22']
env.exclude_hosts   #排除指定主机，如env.exclude_hosts=['192.168.1.21']
env.user   #定义用户名，如env.user='root'
env.port   #定义端口，默认为22，如env.port='22'
env.password   #定义密码，如env.password='123456'
env.passwords  #定义多个密码，不同主机对应不同密码，如：env.passwords = {'root@192.168.1.21:22':'123456','root@192.168.1.22:22':'654321'}
env.gateway   #定义网关（中转、堡垒机）IP，如env.gateway='192.168.1.23
env.roledefs   #定义角色分组，比如web组合db组主机区分开来：env.roledefs = {'webserver':['192.168.1.21','192.168.1.22'],'dbserver':['192.168.1.25','192.168.1.26']}

env.deploy_release_dir   #自定义全局变量，格式：env. + '变量名称'，如env.age,env.sex等

env.roledefs的使用方法实例：

env.roledefs = {'webserver':['192.168.1.21','192.168.1.22'],'dbserver':['192.168.1.25','192.168.1.26']}
#引用分组时使用python装饰器方式来进行,如：
@roles('webserver')
def webtask():
    run('/usr/local/nginx/sbin/nginx')

@roles('webserver','dbserver')
def publictask():
    run('uptime')

回到顶部

Fabric常用API

最上面的简单实例中使用了api函数run,下面再列举几个常用的api。

local    #执行本地命令，如local('uname -s')
lcd      #切换本地目录，如lcd('/home')
cd       #切换远程目录
run     #执行远程命令
sudo   #sudo方式执行远程命令，如sudo('/etc/init.d/httpd start')
put     #上次本地文件导远程主机，如put('/home/user.info','/data/user.info')
get     #从远程主机下载文件到本地，如：get('/data/user.info','/home/user.info')
prompt  #获得用户输入信息，如：prompt('please input user password:')
confirm  #获得提示信息确认，如：confirm('Test failed,Continue[Y/N]?')
reboot   #重启远程主机，如：reboot()

@task   #函数修饰符，标识的函数为fab可调用的，非标记对fab不可见，纯业务逻辑
@runs_once   #函数修饰符，标识的函数只会执行一次，不受多台主机影响

回到顶部

Fabric应用示例说明

1、查看本地与远程主机信息

本示例调用local方法执行本地命令，添加@runs_once修饰符保证任务函数只执行一次，调用run方法执行远程命令。

 1 #!/usr/bin/env python
 2 # -*- encoding: utf-8 -*-
 3 
 4 from fabric.api import *
 5 
 6 env.user = 'root'
 7 env.hosts = ['192.168.1.22']
 8 env.password = '123456'
 9 
10 @runs_once   #查看本地系统信息，当有多台主机时只运行一次
11 def local_task():   #本地任务函数
12     local('uname -a')
13     
14 def remote_task():
15     with cd('/var/logs'):   #with的作用是让后面的表达式语句继承当前状态，实现：cd /var/logs  && ls -l的效果
16         run('ls -l')

simple1.py

执行：

fab -f simple1.py local_task
fab -f simple1.py remote_task

2、动态获取远程目录列表

本例调用@task修饰符标志入口函数go()对外部可见，配合@runs_once修饰符接收用户输入，最后调用worktask()函数实现远程命令执行。

 1 #!/usr/bin/env python
 2 # -*- encoding: utf-8 -*-
 3 
 4 from fabric.api import *
 5 
 6 env.user = 'root'
 7 env.hosts = ['192.168.1.22']
 8 env.password = '123456'
 9 
10 @runs_once   #主机遍历过程中，只有第一台触发此函数
11 def input_raw():
12     return prompt('please input directoryname:',default='/root')
13 
14 def worktask(dirname):
15     run('ls -l'+dirname)
16 
17 @task    #限定只有go函数对fab命令可见,其他没有使用@task标记的函数fab命令不可用
18 def go():
19     getdirname = input_raw()
20     worktask(getdirname)

simple2.py

执行:

fab -f simple2.py go

对于上面的结果做了一些测试发现:

1.设置了默认值,不输入就是以默认值为准,如果不设置默认值,那么dirname就是空的,ls -l的就是你登录用户的家目录,例如是root就是/root

2.对于写在go函数下的内容,有多少主机就会循环多少次,他是以主机为循环的.

3.这个脚本是对于所有的主机列出同一个目录,对于不同的主机让选择不同的目录,可以简单的修改为:

def worktask(dirname):
        run('ls -l '+dirname)
  
@task
def go():
        getdirname=raw_input("please input directory:")
        worktask(getdirname)

3.文件打包上传校验

 1 #!/usr/bin/env python
 2 from fabric.api import *
 3 from fabric.colors import *
 4  
 5 env.hosts=['192.168.56.30']
 6 env.user='root'
 7 env.passwords={'root@192.168.56.30:22':'rooter'}
 8  
 9 @runs_once
10 @task
11 def tarfile():
12     print yellow('tar file ...')
13 #使用with lcd命令,否则需要写全路径,直接lcd没用
14     with lcd('/var/log'):
15         local('tar czf messages.tar.gz messages')
16  
17 @task
18 def putfile():
19     print blue('put file ...')
20     run('mkdir -p /tmp/log')
21     with cd('/tmp/log'):
22 #warn_only当出现异常的时候继续执行
23         with settings(warn_only=True):
24             result=put('/var/log/messages.tar.gz','/tmp/log')
25         if result.failed and not confirm('put file filed,Continue[Y/N]?'):
26             abort('Aborting file put task!')
27  
28 @task
29 def checkfile():
30     print red('check file ...')
31     with settings(warn_only=True):
32 #本地local命令需要配置capture=True才能获取返回值
33         lmd5=local('md5sum /var/log/messages.tar.gz',capture=True).split(' ')[0]
34         rmd5=run('md5sum /tmp/log/messages.tar.gz').split(' ')[0]
35     if lmd5==rmd5:
36         print 'ok'
37     else:
38         print 'error'
39  
40 @task   
41 def go():
42     tarfile()
43     putfile()
44     checkfile()

simple3.py

下面是运行结果，有颜色的区别:

[192.168.56.30] Executing task 'go'
tar file ...
[localhost] local: tar czf messages.tar.gz messages
put file ...
[192.168.56.30] run: mkdir -p /tmp/log
[192.168.56.30] put: /var/log/messages.tar.gz -> /tmp/log/messages.tar.gz
check file ...
[localhost] local: md5sum /var/log/messages.tar.gz
[192.168.56.30] run: md5sum /tmp/log/messages.tar.gz
[192.168.56.30] out: 958b813fd7bdaa61cc206aa1012d8129  /tmp/log/messages.tar.gz
[192.168.56.30] out:
  
ok
  
Done.
Disconnecting from 192.168.56.30... done

4、网关模式文件上传与执行

本例通过定义env.gateway网关模式，即俗称的中转、堡垒机环境。通过网关对其他主机进行文件上传和执行。

 1 #!/usr/bin/env python
 2 # -*- encoding: utf-8 -*-
 3 
 4 from fabric.api import *
 5 from fabric.context_managers import *
 6 from fabric.contrib.console import confirm
 7 
 8 env.user = 'root'
 9 env.gateway = '192.168.1.23'   #定义堡垒机IP，作为文件上传、执行的中转设置
10 env.hosts = ['192.168.1.21','192.168.1.22']
11 env.passwords = {
12     'root@192.168.1.21:22':'123456',
13     'root@192.168.1.22:22':'abcdef',
14     'root@192.168.1.23:22':'123abc',  #堡垒机账号信息
15 }
16 
17 lpackpath = '/home/install/lnmp.tar.gz'   #本地安装包路径
18 rpackpath = '/tmp/install'    #远程安装包路径
19 
20 
21 @task
22 def put_task():  #上传文件
23     run('mkdir -p /tmp/install')
24     #默认情况下，当命令执行失败时，Fabric会停止执行后续命令。有时，我们允许忽略失败的命令继续执行，比如run(‘rm /tmp/abc')在文件不存在的时候有可能失败，这时可以用with settings(warn_only=True):执行命令，这样Fabric只会打出警告信息而不会中断执行。
25     with settings(warn_only=True):
26         result = put(lpackpath,rpackpath)   #上传
27     if result.failed and not confirm('put file failed,Continue[Y/N]?'):
28         abort('Aborting file put task!')
29 
30 @task
31 def run_task():   #安装
32     with cd('/tmp/install'):
33         run('tar -zxvf lnmp.tar.gz')
34         with cd('lnmp/'):    #使用with继承/tmp/install目录位置状态
35             run('./centos.sh')
36 
37 
38 @task
39 def go():   #上传、安装组合命令
40     put_task()
41     run_task()

simple3.py

执行:

#上传文件
fab simple3.py put_task
#执行文件
fab simple3.py run_task
#上传并执行
fab simple3.py go

执行模式

执行模式可以让你在多个主机上执行多个任务。

回到顶部

执行策略：

默认fabric是单个有序地执行方法，其行为如下：

1. 创建一系列任务，通过fab任务执行要执行的任务；

2. 根据主机列表定义，去执行每一个任务；

3. 没有主机定义的任务，将在本地执行一次。

如：

from fabric.api import run, env

env.hosts = ['host1', 'host2']

def taskA():
    run('ls')

def taskB():
    run('whoami')

# 将在host1, host2都执行taskA, taskB
$ fab taskA taskB 

# 执行顺序如下
taskA executed on host1
taskA executed on host2
taskB executed on host1
taskB executed on host2

定义任务：

如何定义任务，详情可见这里。

定义主机列表：

大多数时候你都需要根据目标，来定义多个远程主机，而不是仅在本地。

主机：

python定义的主机字符串为:

username@hostname:port #用户名和端口都可以省略

主机定义也支持IPV6格式，如：

::1, [::1]:1222
user@2001:db8::1 
user@[2001:db8::1]:1222

角色：

角色提供了可以定义一个字符串对应于一组主机列表，而不是每次都针对的是整个主机列表，如：

from fabric.api import env
#假如www1, www2, www3是你的web服务器, 你可以指定任务由特定的角色来执行
env.roledefs['webservers'] = ['www1', 'www2', 'www3']

# 定义多个角色
env.roledefs = {
    'web': ['www1', 'www2', 'www3'],
    'dns': ['ns1', 'ns2']
}

怎么构建hosts:

通过全局的env:

from fabric.api import env, run

env.hosts = ['host1', 'host2']

def mytask():
    run('ls /var/www')

env配置会被每个任务检查，因此你完全可以在方法中设置env，如：

from fabric.api import env, run

def set_hosts():
    env.hosts = ['host1', 'host2']

def mytask():
    run('ls /var/www')

# 调用
fab set_hosts mytask, set_hosts

通过命令行参数指定：

$ fab -H host1,host2 mytask #会被env.hosts所重写，类似角色也可以通过-R role1, role2, ...来定义

你也可以扩展命令行定义的主机，如：

from fabric.api import env, run

env.hosts.extend(['host3', 'host4'])

def mytask():
    run('ls /var/www')

# 那么执行主机将merge为host1,host2,host3,host4
fab -H host1, host2 mytask

<span style="font-family: verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 1.5;">NOTE: env.hosts是python的list对象，所以你可以用list.append()方法添加host，或者其他方法。</span>

针对每个任务的命令行参数：这是fabric提供一种更细粒度的定制：

from fabric.api import run

def mytask():
    run('ls /var/www')

# 该定义将重写其他任何hosts定义，mytask仅会在host1，host2上执行
fab mytask:hosts="host1;host2"

针对每个任务进行修饰：

from fabric.api import hosts, run

@hosts('host1', 'host2')
def mytask():
    run('ls /var/www')

# 或者
my_hosts = ('host1', 'host2')
@hosts(my_hosts)
def mytask():
    # ...

# 这种修饰将重写env.hosts设置, 但不会重写上面通过命令行定义的任务。

总结下上面这些host与task绑定定义的优先级：

# 由高到低
1. 命令行 fab mytask:host=host1
2. fabfile中修饰任务@hosts('host1')
3. 在fabfile中设置env.hosts = ['host1']
4. 在命令行中-H host1,host2,...

主机列表组合

from fabric.api import env, hosts, roles, run

env.roledefs = {'role1': ['b', 'c']}

@hosts('a', 'b')
@roles('role1')
def mytask():
    run('ls /var/www')

# 若命令行不包含task定义，则上面的mytask家在a, b, c主机上执行

排除特定的主机

# 若myrole被定义运行[host1, host2,...,host15], 则该命令将排除host2,host5
$ fab -R myrole -x host2,host5 mytask #该-x并不会修改env.hosts

用Execute智能地执行任务：

看这么一个例子：

from fabric.api import run, roles

env.roledefs = {
    'db': ['db1', 'db2'],
    'web': ['web1', 'web2', 'web3'],
}

@roles('db')
def migrate():
    # Database stuff here.
    pass

@roles('web')
def update():
    # Code updates here.
    pass

# 在fabric1.2之前，我们需要fab migrate update来执行这两个任务,
# 在fabric1.2之后，我们可以通过execute函数来执行这两个任务:

from fabric.api import run, roles, execute

def deploy():
    execute(migrate)
    execute(update)

通过Execute访问多主机的结果：

一个范例

from fabric.api import env, roles, task, execute, run, runs_once

env.roledefs = {
    'zoo': ['zooserver'],
    'mysql': ['mysqlmaster'],
}

@task
def workhorse():
    return run("uname -a")

@roles('zoo')
@task
@runs_once
def go():
    results = execute(workhorse)
    print results

#执行
fab go

用Execute动态设置host列表：

我们可以通过传递参数，动态设置hosts，如：

from fabric.api import run, execute, task

# For example, code talking to an HTTP API, or a database, or ...
from mylib import external_datastore

# This is the actual algorithm involved. It does not care about host
# lists at all.
def do_work():
    run("something interesting on a host")

# This is the user-facing task invoked on the command line.
@task
def deploy(lookup_param):
    # This is the magic you don't get with @hosts or @roles.
    # Even lazy-loading roles require you to declare available roles
    # beforehand. Here, the sky is the limit.
    host_list = external_datastore.query(lookup_param)
    # Put this dynamically generated host list together with the work to be
    # done.
    execute(do_work, hosts=host_list)

# 调用
fab deploy:app
fab deploy:other

一个替代的方法：

from fabric.api import run, task

from mylib import external_datastore

# Marked as a publicly visible task, but otherwise unchanged: still just
# "do the work, let somebody else worry about what hosts to run on".
@task
def do_work():
    run("something interesting on a host")

@task
def set_hosts(lookup_param):
    # Update env.hosts instead of calling execute()
    env.hosts = external_datastore.query(lookup_param)

#调用
fab set_hosts:app do_work

＃相比上一种方法，该方法可以轻易替换其他任务，如
fab set_hosts:db snapshot
fab set_hosts:cassandra,cluster2 repair_ring
fab set_hosts:redis,environ=prod status

回到顶部

故障处理：

故障处理也是一个比较实用的东西，fabric默认是"快速失败"的，一旦出现错误，就立即停止。
我们可以通过settings上下文中的env.warn_only＝True来临时指定，失败也继续执行。

连接：

fab本身是不对任何主机做远程连接的，她只会设置env.host_string的值(即当前的host)。
NOTE: 连接对象Connection会保存在fabric.state.connections中，并做缓存，以减少创建新连接的消耗。

懒连接：

fab在执行远程操作前，并不会事先去连接远程主机，如：

from fabric.api import *

@hosts('host1')
def clean_and_upload():
    local('find assets/ -name "*.DS_Store" -exec rm '{}' ;')
    local('tar czf /tmp/assets.tgz assets/')
    put('/tmp/assets.tgz', '/tmp/assets.tgz') //这里才会开始进行远程连接相关的操作:cache.get() == null?new : cache.get()
    with cd('/var/www/myapp/'):
        run('tar xzf /tmp/assets.tgz')

关闭连接：

连接缓存并不会关闭连接。fab工具会帮你管理连接，它会遍历所有连接，并在其退出前关闭连接。你也可以调用fabric.network.disconnect_all()来确保关闭所有连接。

多次连接尝试和跳过错误的主机：

fabric在连接远程主机出错之前，会尝试多次(env.connection_attempts,默认为1)连接，每次连接超时env.timeout 秒(默认为10)。

回到顶部

密码管理：

Fabric在内存中维护了两层的密码缓存管理，会记住你登录的密码和sudo时的密码，以免以后再次输入。
第一层密码由 env.password保存，其值为ssh默认密码或sudo提示输入密码。第二层密码保存在env.passwords中，主要用于缓存user/host/port:password。
Fabric还是建议使用密钥进行ssh访问，如无密登录。

回到顶部

使用本地的SSH配置文件：

你可以为Fabric指定特定的ssh配置文件(--ssh-config-path/env.ssh_config_path.)，但默认Fabric并没有开启加载配置文件，需要设置env.use_ssh_config为True。
若开启了Fabric加载配置文件的选项，则Fabric为使用以下一些配置项：

User/Port ，HostName, IdentityFile, ForwardAgent, ProxyCommand。

1. Fabric的任务运行规则

根据Fabric Execution model的说明,fabric默认以串行方式运行tasks,具体而言:
1)在fabfile及其import文件中定义的task对象依次被创建(只是创建对象,并未真正执行),任务之间保持其定义的先后顺序。
2)对于每个task,生成将要运行该task的目标机器列表。
3)fab执行tasks时,按任务被指定的顺序依次执行这些任务;针对每个任务,依次在其指定的目标机器运行且只运行一次。
4)未指定目标机器的task被当作本地任务运行,且只会被运行一次。

假设在fabfile.py中定义了如下tasks:

from fabric.api import run, envenv.hosts = ['host1', 'host2']def taskA(): run('ls')def taskB(): run('whoami')

在终端运行fab –list时,我们会看到taskA和taskB两个任务,运行之:

$ fab taskA taskB

结果示例如下:

taskA executed on host1taskA executed on host2taskB executed on host1taskB executed on host2

通过上面的实例,大家应该可以明白fabric默认的串行执行策略是怎么回事。

Fabric还允许我们指定以并行方式(借助multiprocessing模块实现多个进程并行执行)在多台机器上并行地运行任务,甚至还可在同一个fabfile文件中指定某些task以并行方式运行,而某些task以默认的串行方式运行。具体地,可以借助@parallel或@serial指定任务的运行模式,还可以在命令行中通过-P参数指定任务是否要并性执行。示例如下:

from fabric.api import *@paralleldef runs_in_parallel(): passdef runs_serially(): pass

当运行如下命令时:

$ fab -H host1,host2,host3 runs_in_parallel runs_serially

执行结果示例如下:

runs_in_parallel on host1, host2, and host3runs_serially on host1runs_serially on host2runs_serially on host3

此外,还可以通过对@parallel传入pool_size参数来控制并行进程数以防并行进程太多把机器拖垮。

2. 为task指定目标机器

有多种方式可以指定任务的将要运行的目标机器,下面分别进行说明。
1)通过env.hosts或env.roles进行全局指定
Fabric的env模块中定义了一系列全局变量,可以将其理解为可以控制fabric行为的环境变量。其中env.hosts和env.roles可以用来全局指定task的目标机器列表,这两个“环境变量”的默认值都是空列表[]。

env.hosts的元素是fabric约定的”host strings”,每个host strings由aliyunzixun@xxx.com:port三部分构成,其中username和port部分可以缺省。本篇笔记前面的第1个代码实例其实已经说明了如何用env.hosts全局地指定task的目标机器列表,这里不再赘述。

env.roles则是在配置了env.roledefs的情况下才有用武之地。在很多时候,不同的机器有着不同的角色,如有些是接入层,有些是业务层,有些是数据存储层。env.roledefs可以用来组织这些机器列表以体现其角色,示例如下:

from fabric.api import envenv.roledefs = { 'web': { 'hosts': ['www1', 'www2', 'www3'], }, 'db': { 'hosts': ['db1', 'db2'], }}@roles('web')def mytask(): run('ls /var/www')

上例通过env.roledefs配置了两个角色web和db,分别包含3台、2台机器,并借助@roles为mytask指定了目标机器列表。

2)通过命令行进行全局指定

$ fab -H host1,host2 mytask

需要注意的是,命令行通过-H参数指定的机器列表在fabfile脚本load前被解释,故如果fabfile中重新配置了env.hosts或env.roles,则命令行指定的机器列表会被覆盖。为了避免fabfile覆盖命令行参数,在fabfile中应该借助list.extend()指定env.hosts或env.roles,示例如下:

from fabric.api import env, runenv.hosts.extend(['host3', 'host4'])def mytask(): run('ls /var/www')

此时,当我们运行”fab -H host1,host2 mytask”时,env.hosts包含来自命令行和fabfile的4台机器。

3)通过命令行为每个任务指定机器列表

$ fab mytask:hosts="host1;host2"

上述方式会覆盖全局指定的机器列表,确保mytask只会在host1, host2上执行。

4)借助装饰器@hosts为每个任务指定目标机器

from fabric.api import hosts, run@hosts('host1', 'host2')def mytask(): run('ls /var/www')

或者:

my_hosts = ('host1', 'host2')@hosts(my_hosts)def mytask(): # ...

每个任务的@hosts装饰器指定的机器列表会覆盖全局目标机器列表,但不会覆盖通过命令行为该任务单独指定的目标机器列表。

上述4种为task指定目标机器列表的方式之间的优先级规则总结如下:
1) Per-task, command-line host lists (fab mytask:host=host1) override absolutely everything else.
2) Per-task, decorator-specified host lists (@hosts(‘host1’)) override the env variables.
3) Globally specified host lists set in the fabfile (env.hosts = [‘host1’]) can override such lists set on the command-line, but only if you’re not careful (or want them to.)
4) Globally specified host lists set on the command-line (–hosts=host1) will initialize the env variables, but that’s it.

截止目前,我们可以看到,fabric允许我们混合使用上面列出的几种目标机器指定方式,但是我们要明白混合的结果是否符合预期。

此外,fabric默认会对通过不同来源出现多次的同一个目标机器做去重,当然,可以通过设置env.dedupe_hosts为False来关闭默认的去重策略。甚至还可以指定任务需要跳过的机器列表。具体细节可以参考Fabric Execution model的说明,这里不赘述。

3. 任务执行时,目标机器的密码管理

如果你亲自运行上面的示例代码,就会发现,每次在目标机器远程执行task时,fabric均会要求输入目标机器的登录名及密码。如果要在多台机器上执行task,那这些密码输入的过程可以自动化吗?

答案是肯定的。实现方式有两种,下面分别进行说明。

1)通过env.password或env.passwords配置目标机器的登录信息
下面的示例说明了如何通过env.passwords配置多台机器的登录信息:

#!/bin/env python#-*- encoding: utf-8 -*-from fabric.api import run, env, hosts## 需要注意的是,这里的host strings必须由aliyunzixun@xxx.com:port三部分构成,缺一不可,否则运行时还是会要求输入密码env.passwords = { 'aliyunzixun@xxx.com:22': 'xxx', 'aliyunzixun@xxx.com:23': 'yyy',}@hosts('10.123.11.209', '10.123.11.210')def host_os_type(): run('uname -a')

由于通过env.passwords配置了目标机器的登录用户名/密码,所以,当我们在终端运行fab host_os_type时,会发现不用手动输入密码了,大大方便了脚本远程自动执行。

但是,这种明文指定登录名/密码的方式存在安全性问题,所以,fabric还支持以ssh key认证的方式免密在远程机器执行任务。

在具体实现上,需要事先在目标机器上生成ssh public key并配置在~/.ssh/config文件中,然后在定义任务的fabfile中将env.use_ssh_config设置为True来启用基于ssh public key方式的身份认证,以便实现免密码远程执行任务

一、fab的常用参数
fab作为Fabric程序的命令入口，提供了丰富的参数调用，命令格式如下：
fab [options] <command>[:arg1,arg2=val2,host=foo,hosts='h1;h2',....]
下面列举了常用的几个参数，更多参数可使用fab -help查看.
-l,显示定义好的任务函数名；
-f,指定fab入口文件，默认入口文件名为fabfile.py；
-g,指定网关设备，比如堡垒机环境，填写堡垒机IP即可；
-H,指定目标主机，多台主机用','号分隔；
-P，以异步并行方式运行多个主机任务，默认为串行运行；
-R，指定role(角色)，以角色名区分不同业务组设备；
-t,设置设备连接超时时间；
-T，设置远程主机命令执行超时时间；
-w,当命令执行失败，发出警告，而非默认终止任务
二、fabfile的编写
fab命令是结合我们编写的fabfile.py(其他文件名必须添加-f filename引用)来搭配使用，部分命令行参数可以通过相应的方法来代替，使之更加灵活，列如"-H 192.168.1.23,192.168.1.24",我们可以通过定义env.hosts来实现，如"env.hosts=[192.168.1.23,192.168.1.24]".fabfile的主体由多个自定义的任务函数组成，不同任务函数实现不同的操作逻辑，下面详细介绍
三、全局属性设定
env对象的作用是定义fabfile的全局设定，支持多个属性，包括目标主机，用户，密码角色，各属性说明如下:
复制代码代码如下:

env.host,定义目标主机，可以用IP或主机名表示，以Python的列表形式定义，如env.hosts=['192.168.1.23,192.168.1.24'].
env.exculde_hosts,排除指定主机，如env.exclude_hosts=['192.168.1.23']
env.user,定义用户名，如env.user="root"
env.port,定义目标主机端口,如env.port = '22'
env.password,定义密码,如env.password='123456'
env.passwords,与password功能一样，区别在于不同主机不同密码的应用场景，需要注意的是，配置passwords时需要配置用户，主机，端口等信息，如:env.passwords = {'root@192.168.1.21:22':'123456',
'root@192.168.1.23:22':'3234234',
'root@192.168.1.24:23':'09887',
}
env.gateway，定义网关(中转，堡垒机)IP,如env.gateway = '192.168.1.1'
env.roledefs,定义角色分组，比如web组与db组主机区分开来，定义如下：
env.roledefs = {
'webservers':['192.168.1.21','192.168.1.22','192.168.1.23'],
'dbservers':['192.168.1.24','192.168.1.25'],
}

引用时使用python修饰符的形式进行，角色修饰符下面的任务函数为其作用域，下面来看一个示例：
@roles('webservers')
def webtask():
run('/etc/init.d/nginx start')
@roles('dbservers'):
def dbtask():
run('/etc/init.d/mysql start')
@roles('webservers','dbservers')
def publictask():
run('uptime')
def deploy():
execute(webtask)
execute(dbtask)
execute(publictask)
在命令执行fab deploy就可以实现不同角色执行不同的任务函数。
常用API
Fabric提供了一组简单但功能强大的fabric.api命令集，简单地调用这样API就能完成大部分应用场景需求，Fabric支持常用的方法及说明如下:
复制代码代码如下:

local,执行本地命令，如local:('uname -s');
lcd,切换本地目录，如lcd:('/home');
cd,切换远程目录，如cd:('/data/logs/');
run,执行远程命令,如:run('free -m')
sudo,sudo方式执行远程命令,如:sudo('/etc/init.d/httpd start');
put,上传本地文件到远程主机,如:put('/home/user.info','/data/user.info');
get,从远程主机下载文件到本地,如:get('/home/user.info','/data/user.info');
prompt,获得用户输入信息,如:prompt('please input user password:');
confirm,获得提示信息确认，如:confirm('Test failed,Continue[Y/N]');
reboot,重启远程主机，如reboot();
@task,函数修饰符，标识符的函数为fab可调用，非标记对fab不可见，纯业务逻辑；
@runs_once，函数修饰符，标识符的函数只会执行一次，不受多台主机影响；
示例1：查看本地与远程主机信息
本示例调用local()方法执行本地命令，添加"@runs_once"修饰保证该任务函数只执行一次。调用run()方法执行远程命令，
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from fabric.api import *
env.user = 'root'
env.hosts = ['192.168.1.43','192.168.1.23','192.168.1.24']
env.port = '22'
env.password = '123456'

@runs_once #查看本地系统信息,当有多台主机时只运行一次
def local_task(): #本地任务函数
local('uname -a')

def remote_task():
with cd('/data'): #with的作用是让后面的表达式语句继承当前状态，实现cd /var && ls -l的效果
run('ls -l')
通过fab命令分别调用local_task任务函数运行效果如下图所示
201608281657386.jpg
结果中显示了[192.168.1.23] Executing task 'local_task',但事实上并非在主机192.168.1.23上执行任务，而是返回Fabric主机本地的'uname -a'的执行效果
调用remtoe_task任务函数的执行结果如下图所示
201608281657387.jpg
示例2；动态获取远程目录列表
本示例使用"@task"修饰符标志入口函数go()对外部可以，配合"@runs_once"符等待接受用户输入，最后调用worktask()任务函数实现远程命令执行，
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from fabric.api import *
env.user = 'root'
env.hosts = ['192.168.1.23','192.168.1.24']
env.password = '123456'
@runs_once #在主机遍历过程中，只有一台出发此函数
def input_raw():
return prompt("please input direcotry name:",default="/home")

def worktask(dirname):
run("ls -l %s" %dirname)

@task
def go():
getdirname = input_raw()
worktask(getdirname)
该示例实现了一个动态输入远程目录名称，在获取目录列表的功能，由于我们只要求输入一次，再显示所有主机上该目录的列表信息，调用了一个子函数input_raw(同时配置)@runs_once修饰符来达到此目的，执行结果如下图
201608281657388.jpg
文件上传与执行
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from fabric.api import *
from fabric.context_managers import *
from fabric.contrib.console import confirm
env.hosts=['192.168.1.23','192.168.1.24']
#假如所有主机密码都不一样，可以通过env.passwords字典变量一一指定
env.passwords = {
'root@192.168.1.23:22': '123456',
'root@192.168.1.24:22': '123456',
}

lpackpath="/home/a.tar.gz"
rpackpath="/tmp/install"

@task
def put_task():
run("mkdir -p /tmp/install")
with settings(warn_only=True):
result = put(lpackpath, rpackpath)
if result.failed and not confirm("put file failed, Continue[Y/N]?"):
abort("Aborting file put task!")

@task
def run_task():
with cd("/tmp/install"):
run("tar -zxvf a.tar.gz")

@task
def go():
put_task()
run_task()

相关阅读:
对C++类的继承和派生的理解
 排序算法之归并排序
 排序算法之冒泡排序
 排序算法之选择排序
 排序算法之插入排序
 排序算法之快速排序
 进程和线程
 C++ 之强制转换
 C++ 之智能指针
 C++ STL 之分配器（allocator）
原文地址：https://www.cnblogs.com/kiko0o0/p/8968143.html