如何在Fabric文件中设置目标主机

为此,我为每个环境声明一个实际函数。例如:

def test():
    env.user = 'testuser'
    env.hosts = ['test.server.com']

def prod():
    env.user = 'produser'
    env.hosts = ['prod.server.com']

def deploy():
    ...

fab test deploy

…以及要部署到生产中的以下各项:

fab prod deploy

这样做的好处是 test prod 函数可以在 任何 工厂功能,而不仅仅是部署。它非常有用。

使用 roledefs

from fabric.api import env, run

env.roledefs = {
    'test': ['localhost'],
    'dev': ['user@dev.example.com'],
    'staging': ['user@staging.example.com'],
    'production': ['user@production.example.com']
} 

def deploy():
    run('echo test')

$ fab -R test deploy
[localhost] Executing task 'deploy'
...

serverhorror's answer :

from fabric.api import settings

def mystuff():
    with settings(host_string='192.0.2.78'):
        run("hostname -f")

不能 在内部 一项任务。每个任务执行N次,每个指定的主机执行一次,因此设置基本上不在任务范围内。

查看上面的代码,您可以简单地执行以下操作:

@hosts('dev')
def deploy_dev():
    deploy()

@hosts('staging')
def deploy_staging():
    deploy()

def deploy():
    # do stuff...

它似乎能达到你的目的。

由于fab1.5,这是一种动态设置主机的方法。

http://docs.fabfile.org/en/1.7/usage/execution.html#dynamic-hosts

使用execute动态设置主机列表

在运行时参数化查找目标主机列表(当使用 角色不够)。execute可以使这变得非常简单,比如 所以:

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)

与其他一些答案相反,它 是 可以修改 env 环境 将仅用于使用 fabric.tasks.execute

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

# Not a task, plain old Python to dynamically retrieve list of hosts
def get_stressors():
    hosts = []
    # logic ...
    return hosts

@task
def stress_test():
    # 1) Dynamically generate hosts/roles
    stressors = get_stressors()
    env.roledefs['stressors'] = map(lambda x: x.public_ip, stressors)

    # 2) Wrap sub-tasks you want to execute on new env in execute(...)
    execute(stress)

    # 3) Note that sub-tasks not nested in execute(...) will use original env
    clean_up()

@roles('stressors')
def stress():
    # this function will see any changes to env, as it was wrapped in execute(..)
    run('echo "Running stress test..."')
    # ...

@task
def clean_up():
    # this task will NOT see any dynamic changes to env

不将子任务包装到 execute(...) ,您的模块级别 环境 设置或从 fab 将使用CLI。

你需要设置 host_string 例如:

from fabric.context_managers import settings as _settings

def _get_hardware_node(virtualized):
    return "localhost"

def mystuff(virtualized):
    real_host = _get_hardware_node(virtualized)
    with _settings(
        host_string=real_host):
        run("echo I run on the host %s :: `hostname -f`" % (real_host, ))

绝妙的 正在利用库运行主机列表上的任务。如果您尝试更改任务中的主机列表,则在迭代时本质上是在尝试更改列表。或者,在没有定义主机的情况下,循环一个空列表,在这个空列表中,将列表设置为循环的代码从未执行过。

fab production deploy

或

fab staging deploy

其中,暂存和生产类似于您给定的任务,但它们本身并不调用下一个任务。它必须这样工作的原因是,任务必须完成并跳出循环(主机的循环,在env的情况下为None,但此时为一个循环),然后在主机上重新进行循环(现在由前面的任务定义)。

from fabric.api import *

def _get_hosts():
    hosts = []
    ... populate 'hosts' list ...
    return hosts

env.hosts = _get_hosts()

def your_task():
    ... your task ...

很简单。只需初始化env.host\u字符串变量,以下所有命令都将在此主机上执行。

from fabric.api import env, run

env.host_string = 'user@exmaple.com'

def foo:
    run("hostname -f")

我对fabric完全陌生,但是要让fabric在多个主机上运行相同的命令(例如,在一个命令中部署到多个服务器),您可以运行:

fab -H staging-server,production-server deploy 

哪里 暂存服务器 生产服务器 是要对其运行部署操作的2台服务器。下面是一个简单的fabfile.py,它将显示OS名称。请注意,fabfile.py应该位于运行fab命令的目录中。

from fabric.api import *

def deploy():
    run('uname -s')

这至少适用于fabric 1.8.1。

因此,要设置主机并使命令在所有主机上运行,必须从以下几点开始:

def PROD():
    env.hosts = ['10.0.0.1', '10.0.0.2']

def deploy(version='0.0'):
    sudo('deploy %s' % version)

fab PROD deploy:1.5

什么将在PROD函数中列出的所有服务器上运行部署任务,因为它在运行任务之前设置了env.hosts。

您可以分配给 env.hoststring 在执行子任务之前。如果要在多个主机上迭代,请在循环中分配给此全局变量。

不幸的是,对于你和我来说,织物并不是为这个用例设计的。查看 main 作用于 http://github.com/bitprophet/fabric/blob/master/fabric/main.py 看看它是怎么工作的。

下面是另一个“summersault”模式,它支持 fab my_env_1 my_command 用法:

使用这种模式,我们只需使用字典定义一次环境。 env_factory 基于的键名创建函数 ENVS . 我把 环境 secrets.config.py

缺点是,如前所述,添加 @task 装饰工威尔 break it

注:我们使用 def func(k=k): def func(): 在工厂里因为 late binding . 我们得到了正在运行的模块 this solution

机密.config.py

ENVS = {
    'my_env_1': {
        'HOSTS': [
            'host_1',
            'host_2',
        ],
        'MY_OTHER_SETTING': 'value_1',
    },
    'my_env_2': {
        'HOSTS': ['host_3'],
        'MY_OTHER_SETTING': 'value_2'
    }
}

import sys
from fabric.api import env
from secrets import config


def _set_env(env_name):
    # can easily customize for various use cases
    selected_config = config.ENVS[env_name]
    for k, v in selected_config.items():
        setattr(env, k, v)


def _env_factory(env_dict):
    for k in env_dict:
        def func(k=k):
            _set_env(k)
        setattr(sys.modules[__name__], k, func)


_env_factory(config.ENVS)

def my_command():
    # do work

使用角色目前被认为是“正确”和“正确”的方法,也是你“应该”做的。

也就是说,如果你像大多数人一样,你“想要”或“渴望”的是执行“扭曲系统”或在飞行中切换目标系统的能力。

所以仅用于娱乐目的(!)下面的例子说明了许多人可能会认为是一种冒险的,但却完全令人满意的策略,它是这样的:

env.remote_hosts       = env.hosts = ['10.0.1.6']
env.remote_user        = env.user = 'bob'
env.remote_password    = env.password = 'password1'
env.remote_host_string = env.host_string

env.local_hosts        = ['127.0.0.1']
env.local_user         = 'mark'
env.local_password     = 'password2'

def perform_sumersault():
    env_local_host_string = env.host_string = env.local_user + '@' + env.local_hosts[0]
    env.password = env.local_password
    run("hostname -f")
    env.host_string = env.remote_host_string
    env.remote_password = env.password
    run("hostname -f")

然后运行:

fab perform_sumersault