Skip to content

Latest commit

 

History

History
734 lines (535 loc) · 28.8 KB

10.md

File metadata and controls

734 lines (535 loc) · 28.8 KB
Raw

十、使用Fabric运行系统管理任务

在上一章中，我们使用subprocess模块在托管 Python 脚本的机器内运行并生成一个系统进程，并将输出返回给终端。然而，许多自动化任务需要访问远程服务器以执行命令，这不容易使用子进程来完成。使用另一个 Python 模块Fabric后，这就变得小菜一碟了。该库连接到远程主机并执行不同的任务，例如上载和下载文件、使用特定用户 ID 运行命令以及提示用户输入。FabricPython 模块是一个健壮的工具，用于从一个中心点管理数十台 Linux 机器。

本章将介绍以下主题：

  • 什么是Fabric？
  • 执行第一个结构文件
  • 其他有用的Fabric特征

技术要求

应在您的环境中安装并提供以下工具：

  • Python 2.7.1x。

  • PyCharm 社区或专业版。

  • EVE-NG 拓扑。关于如何安装和配置系统服务器，请参见第 8 章准备实验室环境。

您可以在以下 GitHub URL 上找到本章中开发的完整脚本：https://github.com/TheNetworker/EnterpriseAutomation.git 。

什么是Fabric？

Fabric（http://www.fabfile.org/ 是一个高级 Python 库，用于连接远程服务器（通过 paramiko 库）并在其上执行预定义任务。它在承载结构模块的机器上运行一个名为fab的工具。该工具将查找一个fabfile.py文件，该文件位于运行该工具的同一目录中。fabfile.py文件包含您的任务，定义为从命令行调用的 Python 函数，用于在服务器上开始执行。Fabric 任务本身只是普通的 Python 函数，但它们包含用于在远程服务器上执行命令的特殊方法。另外，在fabfile.py的开头，您需要定义一些环境变量，如远程主机、用户名、密码以及执行过程中需要的任何其他变量：

安装

结构需要 Python2.5 到 2.7。您可以使用pip安装 Fabric 及其所有依赖项，也可以使用系统包管理器，如yum或apt。在这两种情况下，fab实用程序都已准备就绪，并可从操作系统执行。

要使用pip安装fabric，请在自动化服务器上运行以下命令：

pip install fabric

请注意，Fabric 需要paramiko，这是一个流行的 Python 库，用于建立 SSH 连接。

您可以通过两个步骤验证结构安装。首先，确保系统中有可用的fab命令：

[root@AutomationServer ~]# which fab
/usr/bin/fab

验证的第二步是打开 Python 并尝试导入fabric库。如果没有引发错误，则结构已成功安装：

[root@AutomationServer ~]# python
Python 2.7.5 (default, Aug  4 2017, 00:39:18) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-16)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> from fabric.api import *
>>>

Fabric操作

fabric工具中有许多操作可用。这些操作在 fabfile 中的任务中充当一个函数（稍后将有更多关于任务的内容），但以下是fabric库中最重要操作的摘要。

使用运行操作

Fabric 中run操作的语法如下：

run(command, shell=True, pty=True, combine_stderr=True, quiet=False, warn_only=False, stdout=None, stderr=None)

这将在远程主机上执行该命令，shell参数控制是否在执行前创建 shell（如/bin/sh）（子进程中也存在相同的参数）。

执行命令后，Fabric 将根据命令输出填充.succeeded或.failed。您可以通过调用以下命令来检查命令是否成功：

def run_ops():
    output = run("hostname")

使用 get 操作

Fabricget操作的语法如下：

get(remote_path, local_path)

这将使用rsync或scp将文件从远程主机下载到运行fabfile的机器。这通常在需要将日志文件收集到服务器时使用，例如：

def get_ops():
    try:
        get("/var/log/messages","/root/")
    except:
        pass

使用 put 操作

Fabricput操作的语法如下：

put(local_path, remote_path, use_sudo=False, mirror_local_mode=False, mode=None)

此操作将文件从运行fabfile（本地）的机器上载到远程主机。使用use_sudo将解决上传到根目录时的权限问题。此外，您可以保留本地和远程服务器上的当前文件权限，也可以设置新权限：

def put_ops():
    try:
        put("/root/VeryImportantFile.txt","/root/")
    except:
        pass

使用 sudo 操作

Fabricsudo操作的语法如下：

sudo(command, shell=True, pty=True, combine_stderr=True, user=None, quiet=False, warn_only=False, stdout=None, stderr=None, group=None)

这个操作可以被看作是run()命令的另一个包装。但是，sudo操作将默认使用 root 用户名运行该命令，而不考虑用于执行fabfile的用户名。它还包含一个用户参数，可用于使用其他用户名运行命令。此外，user参数使用特定 UID 执行命令，group参数定义 GID：

def sudo_ops():
    sudo("whoami") #it should print the root even if you use another account

使用提示操作

Fabricprompt操作的语法如下：

prompt(text, key=None, default='', validate=None)

用户可以通过prompt操作为任务提供特定的值，输入将存储在变量中，供任务使用。请注意，fabfile内的每台主机都会提示您：

def prompt_ops():
    prompt("please supply release name", default="7.4.1708")

使用重新启动操作

Fabricreboot操作的语法如下：

reboot(wait=120)

这是一个默认情况下重新启动主机的简单操作。结构将等待 120 秒，然后再尝试重新连接，但您可以使用wait参数将此值更改为另一个值：

def reboot_ops():
    reboot(wait=60, use_sudo=True)

有关其他受支持操作的完整列表，请查看http://docs.fabfile.org/en/1.14/api/core/operations.html 。您也可以直接从 PyCharm 中检查它们，方法是查看键入Ctrl+spacebar时弹出的所有自动完成功能。从fabric.operations导入<ctrl+空格>在fabric.operations下：

执行第一个结构文件

我们现在知道了操作是如何工作的，所以我们将把它放在fabfile中，并创建一个可以与远程机器一起工作的全自动脚本。fabfile的第一步是导入所需的类。其中大部分位于fabric.api，因此我们将在全球范围内将它们全部导入到我们的 Python 脚本中：

from fabric.api import *

下一部分是定义远程机器 IP 地址、用户名和密码。在我们的环境中，我们有两台机器（除了自动化服务器之外），分别运行 Ubuntu 16.04 和 CentOS 7.4，详细信息如下：

| 机型 | IP 地址 | 用户名 | 密码 | | Ubuntu 16.04 | 10.10.10.140 | root | access123 | | CentOS 7.4 | 10.10.10.193 | root | access123 |

我们将在 Python 脚本中包含它们，如以下代码段所示：

env.hosts = [
    '10.10.10.140',  # ubuntu machine
    '10.10.10.193',  # CentOS machine
]

env.user = "root"
env.password = "access123"

请注意，我们使用名为env的变量，该变量从_AttributeDict类继承而来。在这个变量中，我们可以通过 SSH 连接设置用户名和密码。您也可以通过设置env.use_ssh_config=True来使用.ssh目录中存储的 SSH 密钥；Fabric 将使用密钥对连接进行身份验证。

最后一步是将任务定义为 Python 函数。任务可以使用前面的操作来执行命令。

以下是完整的脚本：

from fabric.api import *

env.hosts = [
    '10.10.10.140',  # ubuntu machine
    '10.10.10.193',  # CentOS machine
]

env.user = "root"
env.password = "access123"

def detect_host_type():
    output = run("uname -s")
    if output.failed:
        print("something wrong happen, please check the logs")
    elif output.succeeded:
        print("command executed successfully")

def list_all_files_in_directory():
    directory = prompt("please enter full path to the directory to list", default="/root")
    sudo("cd {0} ; ls -htlr".format(directory))

def main_tasks():
    detect_host_type()
    list_all_files_in_directory()

在前面的示例中，以下内容适用：

  • 我们定义了两个任务。第一个将执行uname -s命令并返回输出，然后验证该命令是否成功执行。任务使用run()操作来完成它。
  • 第二个任务将使用两个操作：prompt()和sudo()。第一个操作将要求用户输入目录的完整路径，而第二个操作将列出目录中的所有内容。
  • 最后一个任务main_tasks()实际上将把前面两个方法组合成一个任务，这样我们就可以从命令行调用它。

为了运行脚本，我们将文件上传到自动化服务器，并使用fab实用程序运行它：

fab -f </full/path/to/fabfile>.py <task_name>

The -f switch in the previous command is not mandatory if your filename is fabfile.py. If it is not, you will need to provide the name to the fab utility. Also, fabfile should be in the current directory; otherwise, you will need to provide the full path. Now we will run the fabfile by executing the following command:

fab -f fabfile_first.py main_tasks

将执行第一个任务，并将输出返回到终端：

[10.10.10.140] Executing task 'main_tasks'
[10.10.10.140] run: uname -s
[10.10.10.140] out: Linux
[10.10.10.140] out: 

command executed successfully

现在我们进入/var/log/列表内容：

please enter full path to the directory to list [/root] /var/log/
[10.10.10.140] sudo: cd /var/log/ ; ls -htlr
[10.10.10.140] out: total 1.7M
[10.10.10.140] out: drwxr-xr-x 2 root   root 4.0K Dec  7 23:54 lxd
[10.10.10.140] out: drwxr-xr-x 2 root   root 4.0K Dec 11 15:47 sysstat
[10.10.10.140] out: drwxr-xr-x 2 root   root 4.0K Feb 22 18:24 dist-upgrade
[10.10.10.140] out: -rw------- 1 root   utmp    0 Feb 28 20:23 btmp
[10.10.10.140] out: -rw-r----- 1 root   adm    31 Feb 28 20:24 dmesg
[10.10.10.140] out: -rw-r--r-- 1 root   root  57K Feb 28 20:24 bootstrap.log
[10.10.10.140] out: drwxr-xr-x 2 root   root 4.0K Apr  4 08:00 fsck
[10.10.10.140] out: drwxr-xr-x 2 root   root 4.0K Apr  4 08:01 apt
[10.10.10.140] out: -rw-r--r-- 1 root   root  32K Apr  4 08:09 faillog
[10.10.10.140] out: drwxr-xr-x 3 root   root 4.0K Apr  4 08:09 installer

command executed successfully

如果您需要列出 CentOS 机器中network-scripts目录下的配置文件，同样适用：

 please enter full path to the directory to list [/root] /etc/sysconfig/network-scripts/ 
[10.10.10.193] sudo: cd /etc/sysconfig/network-scripts/ ; ls -htlr
[10.10.10.193] out: total 232K
[10.10.10.193] out: -rwxr-xr-x. 1 root root 1.9K Apr 15  2016 ifup-TeamPort
[10.10.10.193] out: -rwxr-xr-x. 1 root root 1.8K Apr 15  2016 ifup-Team
[10.10.10.193] out: -rwxr-xr-x. 1 root root 1.6K Apr 15  2016 ifdown-TeamPort
[10.10.10.193] out: -rw-r--r--. 1 root root  31K May  3  2017 network-functions-ipv6
[10.10.10.193] out: -rw-r--r--. 1 root root  19K May  3  2017 network-functions
[10.10.10.193] out: -rwxr-xr-x. 1 root root 5.3K May  3  2017 init.ipv6-global
[10.10.10.193] out: -rwxr-xr-x. 1 root root 1.8K May  3  2017 ifup-wireless
[10.10.10.193] out: -rwxr-xr-x. 1 root root 2.7K May  3  2017 ifup-tunnel
[10.10.10.193] out: -rwxr-xr-x. 1 root root 3.3K May  3  2017 ifup-sit
[10.10.10.193] out: -rwxr-xr-x. 1 root root 2.0K May  3  2017 ifup-routes
[10.10.10.193] out: -rwxr-xr-x. 1 root root 4.1K May  3  2017 ifup-ppp
[10.10.10.193] out: -rwxr-xr-x. 1 root root 3.4K May  3  2017 ifup-post
[10.10.10.193] out: -rwxr-xr-x. 1 root root 1.1K May  3  2017 ifup-plusb

<***output omitted for brevity>***

最后，Fabric 将断开与两台机器的连接：

[10.10.10.193] out: 

Done.
Disconnecting from 10.10.10.140... done.
Disconnecting from 10.10.10.193... done.

更多关于 fab 工具的信息

fab工具本身支持多种操作。可用于列出fabfile中的不同任务。也可以在执行过程中设置fab环境。例如，您可以使用-H或--hosts开关定义将在其上运行命令的主机，而无需在fabfile中指定。这实际上是在执行期间在fabfile内设置env.hosts变量：

fab -H srv1,srv2

另一方面，您可以使用fab工具定义要运行的命令。这类似于 Ansible 即席模式（我们将在第 13 章、Ansible for System Administration中详细讨论）：

fab -H srv1,srv2 -- ifconfig -a

如果您不想在fabfile脚本中以明文形式存储密码，那么您有两个选择。第一种方法是使用 SSH 标识文件（private-key和-i选项，在连接过程中加载该文件。

另一个选项是通过使用-I选项，强制 Fabric 在连接到远程机器之前提示您输入会话密码。

Note that this option will overwrite the env.password parameter, if specified inside fabfile.

-D开关将禁用已知主机，并强制结构不从.ssh目录加载known_hosts文件。您可以使用-r或--reject-unknown-hosts选项使结构拒绝连接到known_hosts文件中未定义的主机。

此外，您还可以使用-l或--list列出 fabfile 中所有支持的任务，并将 fabfile 名称提供给fab工具。例如，将其应用于上一个脚本将生成以下输出：

# fab -f fabfile_first.py -l
Available commands:

    detect_host_type
    list_all_files_in_directory
    main_tasks

You can see all of the available options and arguments for the fab command line with the -h switch, or at http://docs.fabfile.org/en/1.14/usage/fab.html.

使用结构发现系统运行状况

在这个用例中，我们将利用 Fabric 开发一个脚本，在远程机器上执行多个命令。脚本的目标是收集两种类型的输出：discovery命令和health命令。discovery命令收集正常运行时间、主机名、内核版本以及私有和公共 IP 地址，而health命令收集使用的内存、CPU 利用率、衍生进程数和磁盘使用率。我们将设计fabfile，以便我们可以扩展脚本并向其添加更多命令：

#!/usr/bin/python
__author__ = "Bassim Aly"
__EMAIL__ = "basim.alyy@gmail.com"

from fabric.api import *
from fabric.context_managers import *
from pprint import pprint

env.hosts = [
    '10.10.10.140',  # Ubuntu Machine
    '10.10.10.193',  # CentOS Machine
]

env.user = "root"
env.password = "access123"

def get_system_health():

    discovery_commands = {
        "uptime": "uptime | awk '{print $3,$4}'",
        "hostname": "hostname",
        "kernel_release": "uname -r",
        "architecture": "uname -m",
        "internal_ip": "hostname -I",
        "external_ip": "curl -s ipecho.net/plain;echo",

    }
    health_commands = {
        "used_memory": "free  | awk '{print $3}' | grep -v free | head -n1",
        "free_memory": "free  | awk '{print $4}' | grep -v shared | head -n1",
        "cpu_usr_percentage": "mpstat | grep -A 1 '%usr' | tail -n1 | awk '{print $4}'",
        "number_of_process": "ps -A --no-headers | wc -l",
        "logged_users": "who",
        "top_load_average": "top -n 1 -b | grep 'load average:' | awk '{print $10 $11 $12}'",
        "disk_usage": "df -h| egrep 'Filesystem|/dev/sda*|nvme*'"

    }

    tasks = [discovery_commands,health_commands]

    for task in tasks:
        for operation,command in task.iteritems():
            print("============================={0}=============================".format(operation))
            output = run(command)

注意，我们创建了两个字典：discover_commands和health_commands。它们中的每一个都以键值对的形式包含 Linux 命令。键表示操作，而值表示实际的 Linux 命令。然后，我们创建了一个tasks列表来对这两个词典进行分组。

最后，我们创建了一个嵌套的for循环。外部循环用于迭代列表项。内部的for循环是迭代键值对。使用 Fabricrun()操作向远程主机发送命令：

# fab -f fabfile_discoveryAndHealth.py get_system_health
[10.10.10.140] Executing task 'get_system_health'
=============================uptime=============================
[10.10.10.140] run: uptime | awk '{print $3,$4}'
[10.10.10.140] out: 3:26, 2
[10.10.10.140] out: 

=============================kernel_release=============================
[10.10.10.140] run: uname -r
[10.10.10.140] out: 4.4.0-116-generic
[10.10.10.140] out: 

=============================external_ip=============================
[10.10.10.140] run: curl -s ipecho.net/plain;echo
[10.10.10.140] out: <Author_Masked_The_Output_For_Privacy>
[10.10.10.140] out: 

=============================hostname=============================
[10.10.10.140] run: hostname
[10.10.10.140] out: ubuntu-machine
[10.10.10.140] out: 

=============================internal_ip=============================
[10.10.10.140] run: hostname -I
[10.10.10.140] out: 10.10.10.140 
[10.10.10.140] out: 

=============================architecture=============================
[10.10.10.140] run: uname -m
[10.10.10.140] out: x86_64
[10.10.10.140] out: 

=============================disk_usage=============================
[10.10.10.140] run: df -h| egrep 'Filesystem|/dev/sda*|nvme*'
[10.10.10.140] out: Filesystem                            Size  Used Avail Use% Mounted on
[10.10.10.140] out: /dev/sda1                             472M   58M  390M  13% /boot
[10.10.10.140] out: 

=============================used_memory=============================
[10.10.10.140] run: free  | awk '{print $3}' | grep -v free | head -n1
[10.10.10.140] out: 75416
[10.10.10.140] out: 

=============================logged_users=============================
[10.10.10.140] run: who
[10.10.10.140] out: root     pts/0        2018-04-08 23:36 (10.10.10.130)
[10.10.10.140] out: root     pts/1        2018-04-08 21:23 (10.10.10.1)
[10.10.10.140] out: 

=============================top_load_average=============================
[10.10.10.140] run: top -n 1 -b | grep 'load average:' | awk '{print $10 $11 $12}'
[10.10.10.140] out: 0.16,0.03,0.01
[10.10.10.140] out: 

=============================cpu_usr_percentage=============================
[10.10.10.140] run: mpstat | grep -A 1 '%usr' | tail -n1 | awk '{print $4}'
[10.10.10.140] out: 0.02
[10.10.10.140] out: 

=============================number_of_process=============================
[10.10.10.140] run: ps -A --no-headers | wc -l
[10.10.10.140] out: 131
[10.10.10.140] out: 

=============================free_memory=============================
[10.10.10.140] run: free  | awk '{print $4}' | grep -v shared | head -n1
[10.10.10.140] out: 5869268
[10.10.10.140] out:

同样的任务（get_system_health也将在第二台服务器上执行，并将输出返回给终端：

[10.10.10.193] Executing task 'get_system_health'
=============================uptime=============================
[10.10.10.193] run: uptime | awk '{print $3,$4}'
[10.10.10.193] out: 3:26, 2
[10.10.10.193] out: 

=============================kernel_release=============================
[10.10.10.193] run: uname -r
[10.10.10.193] out: 3.10.0-693.el7.x86_64
[10.10.10.193] out: 

=============================external_ip=============================
[10.10.10.193] run: curl -s ipecho.net/plain;echo
[10.10.10.193] out: <Author_Masked_The_Output_For_Privacy>
[10.10.10.193] out: 

=============================hostname=============================
[10.10.10.193] run: hostname
[10.10.10.193] out: controller329
[10.10.10.193] out: 

=============================internal_ip=============================
[10.10.10.193] run: hostname -I
[10.10.10.193] out: 10.10.10.193 
[10.10.10.193] out: 

=============================architecture=============================
[10.10.10.193] run: uname -m
[10.10.10.193] out: x86_64
[10.10.10.193] out: 

=============================disk_usage=============================
[10.10.10.193] run: df -h| egrep 'Filesystem|/dev/sda*|nvme*'
[10.10.10.193] out: Filesystem               Size  Used Avail Use% Mounted on
[10.10.10.193] out: /dev/sda1                488M   93M  360M  21% /boot
[10.10.10.193] out: 

=============================used_memory=============================
[10.10.10.193] run: free  | awk '{print $3}' | grep -v free | head -n1
[10.10.10.193] out: 287048
[10.10.10.193] out: 

=============================logged_users=============================
[10.10.10.193] run: who
[10.10.10.193] out: root     pts/0        2018-04-08 23:36 (10.10.10.130)
[10.10.10.193] out: root     pts/1        2018-04-08 21:23 (10.10.10.1)
[10.10.10.193] out: 

=============================top_load_average=============================
[10.10.10.193] run: top -n 1 -b | grep 'load average:' | awk '{print $10 $11 $12}'
[10.10.10.193] out: 0.00,0.01,0.02
[10.10.10.193] out: 

=============================cpu_usr_percentage=============================
[10.10.10.193] run: mpstat | grep -A 1 '%usr' | tail -n1 | awk '{print $4}'
[10.10.10.193] out: 0.00
[10.10.10.193] out: 

=============================number_of_process=============================
[10.10.10.193] run: ps -A --no-headers | wc -l
[10.10.10.193] out: 190
[10.10.10.193] out: 

=============================free_memory=============================
[10.10.10.193] run: free  | awk '{print $4}' | grep -v shared | head -n1
[10.10.10.193] out: 32524912
[10.10.10.193] out:

最后，fabric模块将在执行所有任务后终止已建立的 SSH 会话并断开与两台机器的连接：

Disconnecting from 10.10.10.140... done.
Disconnecting from 10.10.10.193... done.

请注意，我们可以重新设计前面的脚本，将discovery_commands和health_commands设置为 Fabric 任务，然后将它们包含在get_system_health()中。当我们执行fab命令时，我们会调用get_system_health()，它将执行另外两个函数；我们将得到与以前相同的输出。以下是经过修改的示例脚本：

#!/usr/bin/python
__author__ = "Bassim Aly"
__EMAIL__ = "basim.alyy@gmail.com"

from fabric.api import *
from fabric.context_managers import *
from pprint import pprint

env.hosts = [
    '10.10.10.140',  # Ubuntu Machine
    '10.10.10.193',  # CentOS Machine
]

env.user = "root"
env.password = "access123"

def discovery_commands():
    discovery_commands = {
        "uptime": "uptime | awk '{print $3,$4}'",
        "hostname": "hostname",
        "kernel_release": "uname -r",
        "architecture": "uname -m",
        "internal_ip": "hostname -I",
        "external_ip": "curl -s ipecho.net/plain;echo",

    }
    for operation, command in discovery_commands.iteritems():
        print("============================={0}=============================".format(operation))
        output = run(command)

def health_commands():
    health_commands = {
        "used_memory": "free  | awk '{print $3}' | grep -v free | head -n1",
        "free_memory": "free  | awk '{print $4}' | grep -v shared | head -n1",
        "cpu_usr_percentage": "mpstat | grep -A 1 '%usr' | tail -n1 | awk '{print $4}'",
        "number_of_process": "ps -A --no-headers | wc -l",
        "logged_users": "who",
        "top_load_average": "top -n 1 -b | grep 'load average:' | awk '{print $10 $11 $12}'",
        "disk_usage": "df -h| egrep 'Filesystem|/dev/sda*|nvme*'"

    }
    for operation, command in health_commands.iteritems():
        print("============================={0}=============================".format(operation))
        output = run(command)

def get_system_health():
    discovery_commands()
    health_commands()

Fabric中的其他有用功能

Fabric 还具有其他有用的功能，例如角色和上下文管理器。

结构角色

Fabric 可以为主机定义角色，并且只运行角色成员的任务。例如，我们可能有一些数据库服务器，需要在这些服务器上验证 MySql 服务是否启动，以及其他 web 服务器，需要在这些服务器上验证 Apache 服务是否启动。我们可以将这些主机分组为角色，并根据这些角色执行功能：

#!/usr/bin/python
__author__ = "Bassim Aly"
__EMAIL__ = "basim.alyy@gmail.com"

from fabric.api import *

env.hosts = [
    '10.10.10.140',  # ubuntu machine
    '10.10.10.193',  # CentOS machine
    '10.10.10.130',  
]

env.roledefs = {
    'webapps': ['10.10.10.140','10.10.10.193'],
    'databases': ['10.10.10.130'],
}

env.user = "root"
env.password = "access123"

@roles('databases')
def validate_mysql():
    output = run("systemctl status mariadb")

@roles('webapps')
def validate_apache():
    output = run("systemctl status httpd")

在上例中，我们在设置env.roledef时使用了Fabric装饰器roles（从fabric.api导入）。然后，我们将为每个服务器分配 webapp 或 databases 角色（将角色分配视为标记服务器）。这将使我们能够灵活地在仅具有数据库角色的服务器上执行validate_mysql功能：

# fab -f fabfile_roles.py validate_mysql:roles=databases
[10.10.10.130] Executing task 'validate_mysql'
[10.10.10.130] run: systemctl status mariadb
[10.10.10.130] out: ● mariadb.service - MariaDB database server
[10.10.10.130] out:    Loaded: loaded (/usr/lib/systemd/system/mariadb.service; enabled; vendor preset: disabled)
[10.10.10.130] out:    Active: active (running) since Sat 2018-04-07 19:47:35 EET; 1 day 2h ago
<output omitted>

结构上下文管理器

在我们的第一个 Fabric 脚本fabfile_first.py中，我们有一个任务提示用户输入目录，然后切换到目录并打印其内容。这是通过使用;完成的，它将两个 Linux 命令附加在一起。但是，在其他操作系统上运行相同的操作并不总是有效的。这就是结构上下文管理器的作用所在。

上下文管理器在执行命令时维护目录状态。它通常通过使用with-statement与 Python 一起运行，并且在块内部，您可以编写前面的任何构造操作。让我们看一个例子来解释这个想法：

from fabric.api import *
from fabric.context_managers import *

env.hosts = [
    '10.10.10.140',  # ubuntu machine
    '10.10.10.193',  # CentOS machine
]

env.user = "root"
env.password = "access123"

def list_directory():
    with cd("/var/log"):
        run("ls")

在前面的示例中，首先，我们全局导入了fabric.context_managers中的所有内容；然后，我们使用cd上下文管理器切换到特定目录。我们使用 Fabricrun()操作在该目录上执行ls。这与在 SSH 会话上编写cd /var/log ; ls相同，但它提供了一种更具 Python 风格的方法来开发代码。

with语句可以嵌套。例如，我们可以用以下代码重写前面的代码：

def list_directory_nested():
    with cd("/var/"):
        with cd("log"):
            run("ls")

另一个有用的上下文管理器是本地更改目录（LCD）。这与上例中的cd上下文管理器相同，但它在运行fabfile的本地机器上工作。我们可以使用它将上下文更改为特定目录（例如，向远程计算机上载或下载文件，然后自动更改回执行目录）：

def uploading_file():
    with lcd("/root/"):
        put("VeryImportantFile.txt")

prefix上下文管理器将接受一个命令作为输入，并在with块内的任何其他命令之前执行该命令。例如，在运行每个命令以设置虚拟环境之前，您可以获取一个文件或 Python 虚拟env包装器脚本的源代码：

def prefixing_commands():
    with prefix("source ~/env/bin/activate"):
        sudo('pip install wheel')
        sudo("pip install -r requirements.txt")
        sudo("python manage.py migrate")

这实际上相当于在 Linux shell 中编写以下命令：

source ~/env/bin/activate && pip install wheel
source ~/env/bin/activate && pip install -r requirements.txt
source ~/env/bin/activate && python manage.py migrate

最后一个上下文管理器是shell_env(new_path, behavior='append')，它可以改变包装命令的 shell 环境变量；因此，该块内的任何调用都将考虑修改后的路径：

def change_shell_env():
    with shell_env(test1='val1', test2='val2', test3='val3'):
        run("echo $test1") #This command run on remote host
        run("echo $test2")
        run("echo $test3")
        local("echo $test1") #This command run on local host

Note that after the operation is done, Fabric will restore the old environments back to the original one.

总结

Fabric 是一个神奇而强大的工具，通常在远程机器中自动执行任务。它与 Python 脚本很好地集成，提供了对 SSH 套件的轻松访问。您可以为不同的任务开发许多 fab 文件，并将它们集成在一起，以创建一个自动化工作流，其中包括部署、重新启动和停止服务器或进程。

在下一章中，我们将学习收集数据和生成用于系统监控的定期报告。