python fabric实现远程操作和部署

fabric

作用

很强大的工具

可以将自动化部署或者多机操作的命令固化到一个脚本里

和某些运维工具很像，用它主要是因为，python…..

简单好用易上手

当然，shell各种命令组合起来也可以，上古神器和现代兵器的区别

环境配置

在本机和目标机器安装对应包（注意，都要有）

sudo easy_install fabric

目前是1.6版本（或者用pip install，一样的）

安装完后，可以查看是否安装成功

[ken@~$] which fab
/usr/local/bin/fab

装完之后，可以浏览下官方文档

然后，可以动手了

hello world

先进行本机简单操作，有一个初步认识，例子来源与官网

新建一个py脚本: fabfile.py

def hello():
    print("Hello world!")

命令行执行：

[ken@~/tmp/fab$] fab hello
Hello world!

Done.

注意，这里可以不用fabfile作为文件名，但是在执行时需指定文件

[ken@~/tmp/fab$] mv fabfile.py test.py
fabfile.py -> test.py
[ken@~/tmp/fab$] fab hello

Fatal error: Couldn't find any fabfiles!

Remember that -f can be used to specify fabfile path, and use -h for help.

Aborting.
[ken@~/tmp/fab$] fab -f test.py hello
Hello world!

Done.

带参数：

修改fabfile.py脚本：

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

执行

[ken@~/tmp/fab$] fab hello:name=age,value=20
age = 20!

Done.
[ken@~/tmp/fab$] fab hello:age,20
age = 20!

Done.

执行本机操作

简单的本地操作:

from fabric.api import local

def lsfab():
    local('cd ~/tmp/fab')
    local('ls')

结果：

[ken@~/tmp/fab$] pwd;ls
/Users/ken/tmp/fab
fabfile.py   fabfile.pyc  test.py      test.pyc
[ken@~/tmp/fab$] fab -f test.py lsfab
[localhost] local: cd ~/tmp/fab
[localhost] local: ls
fabfile.py  fabfile.pyc test.py     test.pyc

Done.

实战开始：

假设，你每天要提交一份配置文件settings.py到版本库（这里没有考虑冲突的情况）

如果是手工操作：

cd /home/project/test/conf/
git add settings.py
git commit -m 'daily update settings.py'
git pull origin
git push origin

也就是说，这几个命令你每天都要手动敲一次，所谓daily job，就是每天都要重复的，机械化的工作，让我们看看用fabric怎么实现一键搞定：(其实用shell脚本可以直接搞定，但是fab的优势不是在这里，这里主要位后面本地+远端操作做准备，毕竟两个地方的操作写一种脚本便于维护)

from fabric.api import local

def setting_ci():
    local("cd /home/project/test/conf/")
    local("git add settings.py")
    #后面你懂的，懒得敲了…..

混搭整合远端操作

这时候，假设，你要到机器A的/home/ken/project对应项目目录把配置文件更新下来

#!/usr/bin/env python
# encoding: utf-8

from fabric.api import local,cd,run

env.hosts=['user@ip:port',] #ssh要用到的参数
env.password = 'pwd'


def setting_ci():
    local('echo "add and commit settings in local"')
    #刚才的操作换到这里，你懂的

def update_setting_remote():
    print "remote update"
    with cd('~/temp'):   #cd用于进入某个目录
        run('ls -l | wc -l')  #远程操作用run

def update():
    setting_ci()
    update_setting_remote()

然后，执行之：

[ken@~/tmp/fab$] fab -f deploy.py update
[user@ip:port] Executing task 'update'
[localhost] local: echo "add and commit settings in local"
add and commit settings in local
remote update
[user@ip:port] run: ls -l | wc -l
[user@ip:port] out: 12
[user@ip:port] out:


Done.

注意，如果不声明env.password，执行到对应机器时会跳出要求输入密码的交互

多服务器混搭

操作多个服务器，需要配置多个host

#!/usr/bin/env python
# encoding: utf-8

from fabric.api import *

#操作一致的服务器可以放在一组，同一组的执行同一套操作
env.roledefs = {
            'testserver': ['user1@host1:port1',],  
            'realserver': ['user2@host2:port2', ]
            }

#env.password = '这里不要用这种配置了，不可能要求密码都一致的，明文编写也不合适。打通所有ssh就行了'

@roles('testserver')
def task1():
    run('ls -l | wc -l')

@roles('realserver')
def task2():
    run('ls ~/temp/ | wc -l')

def dotask():
    execute(task1)
    execute(task2)

结果：

[ken@~/tmp/fab$] fab -f mult.py dotask
[user1@host1:port1] Executing task 'task1'
[user1@host1:port1] run: ls -l | wc -l
[user1@host1:port1] out: 9
[user1@host1:port1] out:

[user2@host2:port2] Executing task 'task2'
[user2@host2:port2] run: ls ~/temp/ | wc -l
[user2@host2:port2] out: 11
[user2@host2:port2] out:


Done.

扩展

1.颜色

可以打印颜色，在查看操作结果信息的时候更为醒目和方便

from fabric.colors import *

def show():
    print green('success')
    print red('fail')
    print yellow('yellow')
#fab -f color.py show

2.错误和异常

关于错误处理

默认，一组命令，上一个命令执行失败后，不会接着往下执行

失败后也可以进行不一样的处理， 文档

目前没用到，后续用到再看了

3.密码管理

看文档

更好的密码管理方式，哥比较土，没打通，主要是服务器列表变化频繁，我的处理方式是：

1.host,user,port,password配置列表，所有的都写在一个文件

或者直接搞到脚本里，当然这个更........

env.hosts = [

'host1',

'host2'


]
env.passwords = { 
'host1': "pwdofhost1",
'host2': "pwdofhost2",

}

 或者

env.roledefs = {
'testserver': ['host1', 'host2'],
'realserver': ['host3', ]
}
env.passwords = {
'host1': "pwdofhost1",
'host2': "pwdofhost2",
'host3': "pwdofhost3", 
} 

2.根据key解析成map嵌套，放到deploy中