共计 3332 个字符，预计需要花费 9 分钟才能阅读完成。
注：该文编写是结合了 Fabric 官方文档中的 defing-host-lists 以及 parallel execution 这两个章节来写的
当我们需要批量管理不同功能的服务器的时候，为了让不同功能的服务器执行不同的命令，这时候就需要用到 Fabric 的 Roles 的 env.roledefs 这个功能，
角色管理
主机字符串匹配单个主机，但是有时候根据主机分组是非常有用的。或许你有一组在负载均衡下的 Web 服务器，并且你想对它们做全部更新操作，或者是在所有的客户端服务器上运行一个任务。Roles 提供了一种正确给主机字符串分组的字符串定义方式，能通过该字符串代替整个主机组。
这个映射被定义成字典的方式。env.roledefs 为了被使用，必须在 fabfile 中被定义。下面是一个简单的例子：
from fabric.api import env
env.roledefs['webservers'] = ['www1', 'www2', 'www3'] 因为 env.roledefs 默认是是空值。或许你需要选择重新分配值而不用为丢失任何信息而担心（当你在修改它的时候得保证你没有加载其他任何的 fabflies）。
from fabric.api import env
env.roledefs = {'web': ['www1', 'www2', 'www3'],
'dns': ['ns1', 'ns2']
} 除了列表目标主机的类型之外，env.roledefs 的值是立即生效的。当在查找以及代替模块加载时间在运行的时候就被调用了（and will thus be called when looked up when tasks are run instead of at module load time）【注：求高手正确翻译】。（例如，你可以连接远程服务器取得角色定义，并且在被调用的时候不用担心在 fabfile 文件加载的时候引起延迟。比如：fab --list）。
使用 roles 没有任何其他要求 — 它仅仅是在你有服务器分组需求的情况下能提供一种便利的方式。
个人实践并且在生产应用了的代码，修改后删减如下：
#!/usr/bin/Python env
from fabric.api import env
from fabric.api import run
from fabric.api import roles
from fabric.api import execute
#from fabric.context_managers import execute
#env.user = 'username'
env.password = 'password'
env.roledefs = {'test1': ['host1', 'host2'],
'test2': ['host3', 'host4']
}
@roles('test1')
def get_version():
run('cat /etc/issue')
@roles('test2')
def get_host_name():
run('hostname')
def execute_all():
execute(get_version)
execute(get_host_name) 当你想在 web1 组里面只执行一台服务器的时候，你可以使用 env.exclude_hosts 或者是 -x 这个命令行参数来排除
env.exclude_hosts=['host1']或
fab -R web1 -x host1,host5 get_version这样执行的时候就会把 host1 这台服务器给排除在外了。
并行执行
Fabric 默认是串行执行的 (更多细节请参考 Execution strategy)。这个部分描述了在多个主机上并行执行任务的选择。可以通过每个任务的装饰器或者是命令行的全局开关来处理。
注：该功能只在 1.3 以及以后版本有。
因为 Fabric 1.x 默认不是线程安全的（并且因为在一般情况下，任务功能之间不会相互影响）这个功能是通过 Python 的 multiprocessing 模块实现的。它为每一个任务以及主机组合创建了一个新的线程。随意的使用了滑动窗口来避免在同一时间运行太多线程。
例如，设想一个你想更新许多 Web 服务器应用程序代码的场景。一旦代码分发出去，立即重载 web 服务（当更新失败的时候，允许很容易的回滚），如下的 fabfile 能实现如上需求：
from fabric.api import *
def update():
with cd("/srv/django/myapp"):
run("git pull")
def reload():
sudo("service apache2 reload")然后在 3 台 web 服务器上串行的执行，如下：
$ fab -H web1,web2,web3 update reload正常的情况下，没有使用并行执行，Fabric 会按照如下顺序执行：
- update on web1
- update on web2
- update on web3
- reload on web1
- reload on web2
- reload on web3
当使用并行执行的时候（通过查看 P 获取更多细节），变成了这样：
- update on web1, web2, and web3
- reload on web1, web2, and web3
这个是收益非常明显的 – 如果花费了 5s 运行 以及 2s 重载。串行执行会花费（5+2）*3=21s 的时间，而并行执行仅仅只需要花费其三分之一的时间，平均（5+2）=7s 左右。
怎么使用并行
因为并行执行影响一个任务是最小的单元。这个功能可以通过使用 parallel 和 serial 装饰符来控制开关。例如，fabfile 如下：
from fabric.api import *
# 并行执行任务
@parallel
def runs_in_parallel():
pass
# 串行执行任务
def runs_serially():
pass当按照下面这种方式运行的时候：
$ fab -H host1,host2,host3 runs_in_parallel runs_serially连续执行的结果如下：
- runs_in_parallel on host1, host2, and host3
- runs_serially on host1
- runs_serially on host2
- runs_serially on host3
命令行标记
你可以通过使用命令行标记 -P 或者是环境变量 env.parallel 强制所有的任务并行执行，尽管如此，任何使用 serial 特别标记了的任务，都将忽略并行标记，继续串行执行。
例如：
from fabric.api import *
def runs_in_parallel():
pass
@serial
def runs_serially():
pass当这样调用的时候：
$ fab -H host1,host2,host3 -P runs_in_parallel runs_serially如以前，runs_in_parallel 并行执行，runs_serially 串行执行。
Bubble size（队列池样的概念？）
在大批量主机的情况下，用户的 Fabric 本地主机因为运行了太多的 Fabric 进程可能会不堪重负，导致 Fabric 主机负载太高。因为这个，你可能需要选择一个 moving bubble 的方法来限制 Fabric 活跃并行进程的指定数量。
默认的情况下，Fabric 是没有 bubble 被使用的，所有的主机运行在一个并行池里��。你可以通过为没一个任务给 parallel 来指定 pool_size 关键字来重写它。或者是通过全局的 -z 来设置。
例如，在某一时间运行 5 台主机：
from fabric.api import *
@parallel(pool_size=5)
def heavy_task():
# lots of heavy local lifting or lots of IO here
#或者是跳过 pool_size 参数，用如下代替:
$ fab -P -z 5 heavy_task使用 Vagrant 和 Fabric 用于集成测试 http://www.linuxidc.com/Linux/2014-07/104113.htm
Fabric:Python 远程部署工具 http://www.linuxidc.com/Linux/2014-05/101616.htm
