这篇文章主要讲解了“怎么使用Python自动化工具Fabric”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么使用Python自动化工具Fabric”吧！

成都创新互联长期为超过千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为郸城企业提供专业的成都网站制作、成都做网站，郸城网站改版等技术服务。拥有十载丰富建站经验和众多成功案例,为您定制开发。

Fabric 主要用在应用部署与系统管理等任务的自动化，简单轻量级，提供有丰富的 SSH 扩展接口。在 Fabric 1.x  版本中，它混杂了本地及远程两类功能;但自 Fabric 2.x 版本起，它分离出了独立的 Invoke 库，来处理本地的自动化任务，而 Fabric  则聚焦于远程与网络层面的任务。

为了做到这点，Fabric 主要依赖另一大核心组件 Paramiko，它是基于 SSH 协议的远程控制模块，Fabric  在其基础上封装出了更加友好的接口，可以远程执行 Shell 命令、传输文件、批量操作服务器、身份认证、多种配置与设置代理，等等。

一、Fabric 的版本区分

Python 2 版本已经被官宣在今年元旦“退休”了，未来只会是 Python 3 的舞台。为了适应 Python  版本的非兼容性迁移，很多项目也必须推出自己的新版本(兼容或只支持 Python 3)，其中就包括本文的主角 Fabric。

Fabric 自身存在着 2 个大版本：Fabric 1 和 Fabric 2，而在这个库的基础上，还有两个很容易混淆的相关库：Fabric2 和  Fabric3(注意这里的数字是库名的一部分)。

它们的区分如下：

• Fabric 1.x：支持 Python 2.5-2.7，但不支持 Python 3

• Fabric 2.x：支持 Python 2.7 与 3.4+，但不兼容 Fabric 1.x 的 fabfile

• Fabric2：等同于 Fabric 2.x，为了使不同版本共存(装一个 1.x 旧版本，再装它作为新版本)

• Fabric3：一个基于 Fabric 1.x 的 fork(非官方)，兼容 Python 2&3，兼容 Fabric1.x 的  fabfile

综上可见，我们推荐使用官方的 Fabric 2.x 系列版本，但同时要注意，某些过时的教程可能是基于早期版本的(或非官方的 Fabric3，也是基于  Fabric 1.x)，需要注意识别。

例如，在 Fabric 1.x 系列中这么写导入：from fabric.api import run;在新版本中将报错：“ImportError: No  module named api”(PS：可根据是否有 fabric.api 来判断 Fabric 的版本，就像在 Python 中根据 print 语句或  print 函数来判断版本一样)。同时，由于新版本不支持老版本的 fabfile，在使用时就可能报错：“No idea what 'xxx' is!”

Fabric 2 是非兼容性版本，相比于前个版本，它主要改进的点有：

• 支持 Python 2.7 与 3.4+

• 线程安全，取消了多进程的并发实现

• API 围绕 fabric.connection.Connection 进行了重组

• 全面修改了命令行解析器，允许在每个任务的基础上使用规则的 GNU/POSIX 风格的标志和选项(不再需要 fab mytask:weird =  custom,arg = format)

• 可以声明前置任务与后置任务

• ……(官方列了10几条[1]，本文不一一罗列)

之前介绍过的 invoke，就是在开发 Fabric 2 时被分离出来的，具体的原因可参见这个回答[2]。总而言之，在使用 Fabric  时，应该注意版本差异的问题。

二、Fabric 的基本用法

1、安装

首先是安装：pip intall fabric ，安装后，可在命令行窗口查看版本信息：

>>> fab -V Fabric 2.5.0 Paramiko 2.7.1 Invoke 1.4.0

执行“fab -V”，以上结果可看出我安装的是 Fabric 2.5.0 版本，同时可看到它的两个核心依赖库 Paramiko 及 Invoke  的版本信息。

2、一个简单的例子

Fabric 主要用于远程任务，即要对远程服务器进行操作，下面是一个简单的例子：

# 可使用任意的文件名 from fabric import Connection  host_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，查询服务器上的时间  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+密码登录到远程服务器，然后执行date命令，查看服务器的时间，执行结果：

Command exited with status 0. === stdout === Fri Feb 14 15:33:05 CST 2020  (no stderr)

现在打印的结果中，除了服务器时间，还有一些无关的信息。这是因为它打印的“result”是一个"fabric.runners.Result"类，我们可以把其中的信息解析出来：

print(result.stdout)  # Fri Feb 14 15:33:05 CST 2020 print(result.exited)  # 0 print(result.ok)      # True print(result.failed)  # False print(result.command) # date print(result.connection.host) # 47.xx.xx.xx

上述代码使用了 Connection 类及其 run() 方法，可在连接的服务器上运行 shell 命令。如果需要用管理员权限，则需替换成 sudo()  方法。如果要在本地执行 shell 命令，则需替换成 local() 方法。

除此之外，还有 get()、put() 等方法，详见下文介绍。

3、命令行用法

上例代码可写在任意的 .py 脚本中，然后运行该脚本，或者稍微封装下再导入到其它脚本中使用。

另外，Fabric 还是个命令行工具，可以通过fab命令来执行任务。我们稍微改造一下上例的代码：

# 文件名：fabfile.py from fabric import Connection from fabric import task  host_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，查询服务器上的时间  @task def test(c):     """     Get date from remote host.     """     con = Connection(host_ip, user_name, connect_kwargs={'password': password})     result = con.run(cmd, hide=True)     print(result.stdout)  # 只打印时间

解释一下，主要的改动点有：

• fabfile.py 文件名：入口代码的脚本名必须用这个名字

• @task 装饰器：需要从 fabric 中引入这个装饰器，它是对 invoke 的 @task 装饰器的封装，实际用法跟 invoke  一样(注意：它也需要有上下文参数“c”，但实际上它并没有在代码块中使用，而是用了 Connection 类的实例)

然后，在该脚本同级目录的命令行窗口中，可以查看和执行相应的任务：

>>> fab -l Available tasks:   test   Get date from remote host.  >>> fab test Fri Feb 14 16:10:24 CST 2020

fab 是 Invoke 的扩展实现，继承了很多原有功能，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与解释都是一模一样的。

fab  针对远程服务的场景，添加了几个命令行选项(已标蓝)，其中：

• --prompt-for-login-password：令程序在命令行中输入 SSH 登录密码(上例在代码中指定了  connect_kwargs.password 参数，若用此选项，可要求在执行时再手工输入密码)

• --prompt-for-passphrase：令程序在命令行中输入 SSH 私钥加密文件的路径

• -H 或 --hosts：指定要连接的 host 名

• -i 或 --identity：指定 SSH 连接所用的私钥文件

• -S 或 --ssh-config：指定运行时要加载的 SSH 配置文件

关于 Fabric 的命令行接口，更多内容可查看文档 [3]。

4、交互式操作

远程服务器上若有交互式提示，要求输入密码或“yes”之类的信息，这就要求 Fabric 能够监听并作出回应。

以下是一个简单示例。引入 invoke 的 Responder，初始化内容是一个正则字符串和回应信息，最后赋值给 watchers 参数：

from invoke import Responder from fabric import Connection c = Connection('host') sudopass = Responder(      pattern=r'\[sudo\] password:',      response='mypassword\n') c.run('sudo whoami', pty=True, watchers=[sudopass])

5、传输文件

本地与服务器间的文件传输是常见用法。Fabric 在这方面做了很好的封装，Connection 类中有以下两个方法可用：

• get(*args, **kwargs)：拉取远端文件到本地文件系统或类文件(file-like)对象

• put(*args, **kwargs)：推送本地文件或类文件对象到远端文件系统

在已建立连接的情况下，示例：

# (略) con.get('/opt/123.txt', '123.txt') con.put('test.txt', '/opt/test.txt')

第一个参数指的是要传输的源文件，第二个参数是要传输的目的地，可以指定成文件名或者文件夹(为空或 None 时，使用默认路径)：

# (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() 方法的默认存储路径是os.getcwd ，而 put() 方法的默认存储路径是 home 目录。

6、服务器批量操作

对于服务器集群的批量操作，最简单的实现方法是用 for 循环，然后逐一建立 connection 和执行操作，类似这样：

for host in ('web1', 'web2', 'mac1'):     result = Connection(host).run('uname -s')

但有时候，这样的方案会存在问题：

• 如果存在多组不同的服务器集群，需要执行不同操作，那么需要写很多 for 循环

• 如果想把每组操作的结果聚合起来(例如字典形式，key-主机，value-结果)，还得在 for 循环之外添加额外的操作

• for 循环是顺序同步执行的，效率太低，而且缺乏异常处理机制(若中间出现异常，会导致跳出后续操作)

对于这些问题，Fabric 提出了 Group 的概念，可将一组主机定义成一个 Group，它的 API 方法跟 Connection 一样，即一个  Group 可简化地视为一个 Connection。

然后，开发者只需要简单地操作这个 Group，最后得到一个结果集即可，减少了自己在异常处理及执行顺序上的工作。

Fabric 提供了一个 fabric.group.Group 基类，并由其派生出两个子类，区别是：

• SerialGroup(*hosts, **kwargs)：按串行方式执行操作

• ThreadingGroup(*hosts, **kwargs)：按并发方式执行操作

Group 的类型决定了主机集群的操作方式，我们只需要做出选择即可。然后，它们的执行结果是一个fabric.group.GroupResult类，它是  dict 的子类，存储了每个主机 connection 及其执行结果的对应关系。

>>> from fabric import SerialGroup >>> results = SerialGroup('web1', 'web2', 'mac1').run('uname -s') >>> print(results) : ,     : ,     : , }>

另外，GroupResult 还提供了 failed 与 succeeded  两个属性，可以取出失败/成功的子集。由此，也可以方便地批量进行二次操作。

三、Fabric 的进阶用法

1、身份认证

Fabric 使用 SSH 协议来建立远程会话，它是一种相对安全的基于应用层的加密传输协议。

基本来说，它有两种级别的安全认证方式：

• 基于口令的身份认证：使用账号与密码来登录远程主机，安全性较低，容易受到“中间人”攻击

• 基于密钥的身份认证：使用密钥对方式(公钥放服务端，私钥放客户端)，不会受到“中间人”攻击，但登录耗时较长

前文在举例时，我们用了第一种方式，即通过指定 connect_kwargs.password 参数，使用口令来登录。

Fabric 当然也支持采用第二种方式，有三种方法来指定私钥文件的路径，优先级如下：

• 优先查找 connect_kwargs.key_filename 参数，找到则用作私钥

• 其次查找命令行用法的 --identify 选项

• 最后默认使用操作系统的 ssh_config 文件中的IdentityFile 的值

如果私钥文件本身还被加密过，则需要使用 connect_kwargs.passphrase 参数。

2、配置文件

Fabric 支持把一些参数项与业务代码分离，即通过配置文件来管理它们，例如前面提到的密码和私钥文件，可写在配置文件中，避免与代码耦合。

Fabric 基本沿用了 Invoke 的配置文件体系(官方文档中列出了 9 层)，同时增加了一些跟 SSH 相关的配置项。支持的文件格式有  .yaml、.yml、.json 与 .py(按此次序排优先级)，推荐使用 yaml 格式(后缀可简写成 yml)。

其中，比较常用的配置文件有：

• 系统级的配置文件：/etc/fabric.yml

• 用户级的配置文件：~/.fabric.yml(Windows 在 C:\Users\xxx 下)

• 项目级的配置文件：/myproject/fabric.yml

以上文件的优先级递减，由于我本机是 Windows，为了方便，我在用户目录建一个".fabric.yml"文件，内容如下：

# filename:.fabric.yml  user: root connect_kwargs:   password: xxxx # 若用密钥，则如下 #  key_filename: #    - your_key_file

我们把用户名和密码抽离出来了，所以 fabfile 中就可以删掉这些内容：

# 文件名：fabfile.py from fabric import Connection from fabric import task  host_ip = '47.xx.xx.xx'  # 服务器地址 cmd = 'date'  # shell 命令，查询服务器上的时间  @task def test(c):     """     Get date from remote host.     """     con = Connection(host_ip)     result = con.run(cmd, hide=True)     print(result.stdout)

然后，在命令行中执行：

>>> fab test Tue Feb 18 10:33:38 CST 2020

配置文件中还可以设置很多参数

3、网络网关

如果远程服务是网络隔离的，无法直接被访问到(处在不同局域网)，这时候需要有网关/代理/隧道，这个中间层的机器通常被称为跳板机或堡垒机。

Fabric 中有两种网关解决方案，对应到 OpenSSH 客户端的两种选项：

• ProxyJump：简单，开销少，可嵌套

• ProxyCommand：开销大，不可嵌套，更灵活

在创建 Fabric 的 Connection 对象时，可通过指定 gateway 参数来应用这两种方案：

ProxyJump 方式就是在一个 Connection 中嵌套一个 Connection 作为前者的网关，后者使用 SSH  协议的direct-tcpip 为前者打开与实际远程主机的连接，而且后者还可以继续嵌套使用自己的网关。

from fabric import Connection  c = Connection('internalhost', gateway=Connection('gatewayhost'))

ProxyCommand 方式是客户端在本地用 ssh 命令(类似“ssh -W %h:%p  gatewayhost”)，创建一个子进程，该子进程与服务端进行通信，同时它能读取标准输入和输出。

这部分的实现细节分别在paramiko.channel.Channel 和  paramiko.proxy.ProxyCommand，除了在参数中指定，也可以在 Fabric 支持的配置文件中定义。

感谢各位的阅读，以上就是“怎么使用Python自动化工具Fabric”的内容了，经过本文的学习后，相信大家对怎么使用Python自动化工具Fabric这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

分享名称：怎么使用Python自动化工具Fabric
路径分享：http://myzitong.com/article/gspghs.html