原文地址：https://my.oschina.net/indestiny/blog/290239
执行模式：
- 执行模式可以让你在多个主机上执行多个任务。
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。
from fabric.api import * env.hosts = ['master','anhuitest'] env.user = 'root' env.key_filename = '/home/lemon/.ssh/id_rsa' def taskA(): run('ls') def taskB(): run('whoami') # 将在host1, host2都执行taskA, taskB fab -f ./test.py taskA taskB taskA executed on master taskA executed on anhuitest taskB executed on master taskB executed on anhuitest
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
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)。
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。
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。
具体参考可见：