关于Python自动化的话题，上一篇介绍了Invoke库，它是Fabric最重要的组件之一。Fabric也是一个被广泛使用的自动化工具库，是不得不提的自动化运维工具。因此，本文将在以后进行介绍。Fabric主要用于自动化应用程序部署和系统管理等任务。简单轻量，提供丰富的SSH扩展接口。在Fabric1.x版本中，它混合了本地和远程功能；但是从Fabric2.x版本开始，分离出了独立的Invoke库来处理本地的自动化任务，而Fabric则专注于网络层面的远程和远程任务。为了实现这一点，Fabric主要依赖另一个核心组件Paramiko，它是一个基于SSH协议的远程控制模块。Fabric在此基础上封装了更加友好的接口，可以远程执行Shell命令、传输文件、批量操作服务器、身份验证、各种配置和设置代理等等。1、FabricPython2版本的版本区分已经在今年元旦正式宣布“退役”，未来只会是Python3的阶段。为了适应Python的非兼容迁移版本，很多项目也必须推出自己的新版本（兼容或只支持Python3），包括本文的主角Fabric。Fabric本身有两个大版本：Fabric1和Fabric2，而在这个库的基础上，还有两个容易混淆的相关库：Fabric2和Fabric3（注意这里的数字是库名的一部分）。它们的区别如下：Fabric1.x：支持Python2.5-2.7，不支持Python3Fabric2.x：支持Python2.7和3.4+，但不兼容Fabric1.x的fabfileFabric2：相当于Fabric2。x,forMakedifferentversionscoexist(installanold1.xversion,andtheninstallitasanewversion)Fabric3：基于Fabric1.x的fork（非官方），兼容Python2&3，兼容Fabric1.xfabfile综上所述，我们可以看出，建议使用官方的Fabric2.x系列版本，但同时需要注意的是，一些过时的教程可能是基于更早的版本（或者非官方的Fabric3，这也是基于Fabric1.x)，需要识别。比如在Fabric1.x系列中，import这样写：fromfabric.apiimportrun;新版本会报错："ImportError:Nomodulenamedapi"（PS：可以根据是否有fabric.api来判断Fabric的版本，就像从print语句或print函数判断版本一样在Python中）。同时，由于新版本不支持旧版本的fabfile，使用时可能会报错：“Noideawhat'xxx'is!”Fabric2是一个不兼容的版本。与上一版本相比，其主要改进有：支持Python2.7和3.4+线程安全，取消多进程并发实现API围绕fabric.connection.Connection重新组织完全修改命令行解析器，允许常规GNU/POSIX风格taskbasisFlagsandoptions(fabmytask:weird=custom,arg=formatarenolongerrequired)可以声明pre-tasks和post-tasks...（官方列出了10多个[1]，本文不一一列举byone)在Fabric2的开发过程中分离Invoke之前引入的，具体原因可以参考这个回答[2]。总之，在使用Fabric的时候，要注意版本差异的问题。二、Fabric的基本使用1、安装首先安装：pipintallfabric。安装完成后可以在命令行窗口查看版本信息：>>>fab-VFabric2.5.0Paramiko2.7.1Invoke1.4.0执行“fab-V”从上面的结果可以看出我安装的是Fabric2.5.0版本，同时可以看到它的两个核心依赖库Paramiko和Invoke的版本信息。2.一个简单的例子Fabric主要用于远程任务，即操作远程服务器，下面是一个简单的例子：#任意文件名都可以fromfabricimportConnectionhost_ip='47.xx.xx.xx'#服务器地址user_name='root'#服务器用户名password='****'#服务器密码cmd='date'#shell命令查询服务器时间con=Connection(host_ip,user_name,connect_kwargs={'password':password})result=con.run(cmd,hide=True)print(result)以上代码，通过账号+密码登录远程服务器，然后执行date命令查看服务器时间，执行结果：Commandexitedwithstatus0.===stdout===FriFeb1415:33:05CST2020(nostderr)现在打印的结果中，除了服务器时间，还有一些不相关的信息。这是因为它打印的“result”是一个“fabric.runners.Result”类，我们可以解析其中的信息：print(result.stdout)#FriFeb1415:33:05CST2020print(result.exited)#0print(result.ok)#Trueprint(result.failed)#Falseprint(result.command)#dateprint(result.connection.host)#47.xx.xx.xx以上代码使用了Connection类及其run()方法在连接的服务器上运行shell命令。如果需要使用管理员权限，需要换成sudo()方法。如果想在本地执行shell命令，需要将其替换为local()方法。此外，还有get()、put()等方法，详见下文介绍。3、命令行使用上面例子中的代码可以写在任何.py脚本中，然后运行脚本，也可以稍微封装一下，导入到其他脚本中使用。另外，Fabric也是一个命令行工具，可以通过fab命令来执行任务。我们稍微修改一下上面例子的代码：#filename:fabfile.pyfromfabricimportConnectionfromfabricimporttaskhost_ip='47.xx.xx.xx'#服务器地址user_name='root'#服务器用户名password='****'#服务器密码cmd='date'#用于查询服务器时间的shell命令@taskdeftest(c):"""从远程主机获取日期。"""con=Connection(host_ip,user_name,connect_kwargs={'password':password})result=con.run(cmd,hide=True)print(result.stdout)#只打印解释的时候，主要变化是：fabfile.py文件名：脚本名入口代码必须使用Thisname@taskdecorator：这个装饰器需要从fabric引入，它是invoke的@task装饰器的封装，实际用法和invoke一样（注：还需要一个context参数"c"，但实际上它并没有在代码块中使用，而是使用了Connection类的一个实例）然后，在脚本同级目录的命令行窗口中，可以查看并执行相应的任务：>>>fab-lAvailabletasks:testGetdatefromremotehost.>>>fabtestFriFeb1416:10:24CST2020fab是Invoke的扩展实现，继承了很多原有的功能，所以执行“fab--help”与之前介绍的“inv--help”相比，你会发现它们的很多参数和解释是完全一样的。针对远程服务场景，fab增加了几个命令行选项（蓝色标注），其中：--prompt-for-login-password：让程序在命令行输入SSH登录密码（上面的例子在代码中指定connect_kwargs.password参数，如果使用该选项，执行时可以手动输入密码）--prompt-for-passphrase：让程序在命令行输入SSH私钥加密文件的路径-H或--hosts：指定要连接的主机名-i或--i??dentity：指定SSH连接使用的私钥文件-S或--ssh-config：指定运行时加载的SSH配置文件有关命令的更多信息Fabric文档[3]的行接口。4.交互操作如果远程服务器上有交互提示，要求输入密码或者“yes”等信息，这就需要Fabric能够监听和响应。下面是一个简单的例子。引入invoke的Responder，初始化内容为常规字符串和响应信息，最后赋值给watchers参数：frominvokeimportResponderfromfabricimportConnectionc=Connection('host')sudopass=Responder(pattern=r'\[sudo\]password:',response='mypassword\n')c.run('sudowhoami',pty=True,watchers=[sudopass])5.文件传输在本地和服务器之间传输文件是一种常见的用法。Fabric在这方面做了很好的封装。Connection类中有以下两个方法：get(args,*kwargs)：将远程文件拉到本地文件系统或类文件对象put(args,*kwargs)：将本地文件或类文件对象推送到建立连接后的远程文件系统，示例：#（省略）con.get('/opt/123.txt','123.txt')con.put('test.txt','/opt/test.txt')第一个参数是指要传输的源文件，第二个参数是要传输的目标，可以指定为文件名或文件夹（当为空或无时，使用defaultpath):#(省略)con.get('/opt/123.txt','')#为空时使用默认路径con.put('test.txt','/opt/')#指定路径/opt/get()方法默认存放路径为os.getcwd，put()方法默认存放路径为home目录。6、服务器批量操作对于服务器集群的批量操作，最简单的实现方式是使用for循环，然后建立连接，一个一个执行操作，类似这样：forhostin('web1','web2','mac1'):result=Connection(host).run('uname-s')但是有时候，这个方案会存在一个问题：如果有多组不同的服务器集群需要执行不同的操作，那么你需要写很多for循环。如果要将各组操作的结果进行聚合（如字典形式、key-host、value-result），则必须在for循环外加入额外的操作。for循环顺序同步执行，效率太低，缺乏异常处理机制（如果中间出现异常，会导致后续操作跳出）针对这些问题，Fabric提出了Group的概念，可以将一组主机定义为一个Group。它的API方法和Connection一样，就是一个Group可以简化为一个Connection。然后，开发者只需要简单的操作Group，最终得到一个结果集，减少了异常处理和执行顺序的工作量。Fabric提供了一个fabric.group.Group基类，并从中派生了两个子类。区别在于：SerialGroup(hosts,*kwargs)：以串行方式执行操作ThreadingGroup(hosts,*kwargs)：并发执行操作组的类型决定了主机集群的操作方式，我们只需要进行选择即可。然后，他们的执行结果是一个fabric.group.GroupResult类，它是dict的子类，里面存放着每一个主机连接与其执行结果的对应关系。>>>fromfabricimportSerialGroup>>>results=SerialGroup('web1','web2','mac1').run('uname-s')>>>print(results)
