FDE Times 数据在招 FDE 职位 8840 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 53在招公司 185支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

一份 playbook 配齐 20 台服务器,不装任何软件

Ansible 经 SSH 推送模块、运行完即删除,所以第一件事是向客户 IT 要一个可提权的 SSH 账号。

客户机房里成排的服务器,用一份 playbook 统一配置,无需逐台 SSH 登录。
图片:Valerio Bozzolan / CC0
分享微博

要点速览

  • Ansible 不需要 Agent:只装在一台控制节点上,被管理的机器只需一个能进入 POSIX shell 的 SSH 账号。
  • inventory 用来给机器分组、定义主机范围。YAML playbook 在所有匹配模式的机器上执行同样的任务,重复运行结果不变。
  • 控制节点不能原生运行在 Windows 上,需要 WSL。如果网络屏蔽入站连接,就用 ansible-pull。
示意图:橙色控制节点持有 inventory.ini 和 site.yml playbook,通过 SSH 把配置推送到 site_a 组中的 20 台机器(srv01 至 srv20),这些机器无需安装 Agent。下半部分对比两次运行:第 1 次运行因网络不稳,3 台机器失败;第 2 次重跑整个 playbook 后,20 台机器全部达到期望状态,已正确的机器保持不变,有缺漏的机器被补齐。
Ansible 只需装在一台控制节点上。一行 inventory 加一个幂等 playbook,就能通过 SSH 配置客户的全部 20 台机器。中途有机器掉线,重跑即可。

设想你在客户工厂的第一周。机房里有二十台 Linux 服务器,每台都要装同样的运行时、同样的配置文件、同样的服务。开二十个 SSH 窗口逐台操作,很容易有一台配错而没人发现。

Ansible 正是为这类工作而生。Red Hat 将它定义为开源 IT 自动化引擎,既能做资源置备,也能做配置管理。对做本地化部署的前线部署工程师(FDE)来说,它的价值在于:期望状态只描述一次,就能应用到整批机器上。

为什么“无 Agent”在客户现场如此重要?

官方文档称 Ansible 是无 Agent 的:它只装在一台机器上,这台机器叫控制节点。被管理的机器只需要一个能进入交互式 POSIX shell 的 SSH 账号,客户服务器上不必安装任何 Ansible 软件。

在企业环境中,这是实打实的优势:客户服务器上每多一个软件,就多一件需要解释、需要审批的事。Idris Olubisi 在 freeCodeCamp 上撰文解释,Ansible 通过 SSH 推送模块,执行完立即删除,因此不需要 Agent,也不需要单独的安全基础设施。

所以,要问客户 IT 团队的第一个问题非常具体:能不能给你这些机器的 SSH 账号?如果 playbook 需要管理员权限(比如下面示例中的 become: true 一行),就同时问清楚这个账号能否提权。

最小示例:inventory 与 playbook

一切从 inventory 开始,也就是你在控制节点上建立的被管理机器清单。主机分组可以一次定位多台机器,或为整批机器设置变量,因此按客户站点分组是很自然的做法。INI 和 YAML 插件还支持主机范围,配置相同的机器不必逐台列出。

[site_a]
srv[01:20].site-a.local

这一行就代替了二十行。接下来是用 YAML 编写的 playbook,描述你希望机器达到的状态。下面的片段仅作示意,在整个 site_a 组上安装一个软件包:

- hosts: site_a
  become: true
  tasks:
    - name: 在站点 A 的每台机器上安装 Python 3
      ansible.builtin.package:
        name: python3
        state: present

(任务名称意为“在站点 A 的每台机器上安装 Python 3”。)

执行命令是 ansible-playbook -i inventory.ini site.yml。默认情况下,Ansible 按顺序逐个执行任务,覆盖所有匹配主机模式的机器。第一个任务在二十台机器上全部完成后,才开始下一个任务,所以哪台机器表现和其他机器不一样,马上就能看出来。

重复运行会不会把客户的机器搞坏?

动别人的生产环境时,这是最现实的顾虑。Ansible 文档提出了幂等性原则:playbook 运行一次和运行多次,结果应该相同。上面的 state: present 表示“这个软件包必须存在”,而不是“再装一次”。

因此,如果网络不稳导致三台机器中途掉线,直接重跑整个 playbook 即可。已经处于正确状态的机器保持不动,还缺东西的机器会被补齐。用这种方式交接工作,比回忆自己 SSH 登录过哪些机器要轻松得多。

Red Hat 把这种做法归入基础设施即代码(IaC):playbook 描述系统的期望状态,通常存放在源码管理中。对 FDE 而言,playbook 仓库就是交接文档。你离开现场后,客户 IT 团队可以自己阅读、评审并运行它。

到现场之前要了解哪些限制?

第一个限制在你自己的笔记本上:没有 WSL 的话,Windows 不能原生作为控制节点。如果公司配的笔记本是 Windows,提前装好 WSL,别等到去客户那里的第一天才发现。

第二个限制来自网络。默认模式是推送:控制节点主动 SSH 登录每台机器。如果本地网络屏蔽入站连接,ansible-pull 会把推送架构反转为拉取,由机器自己获取配置。文档甚至称这种拉取架构具有近乎无限的扩展性。

第三个限制是被管理端的最低要求:一个 SSH 账号和一个 POSIX shell。缺了其中任何一个,playbook 写得再仔细也跑不起来,所以要在项目启动会上把两者确认好。

先学什么,简历上写什么

学习顺序是:先 inventory,再 playbook,再幂等性,最后才是更复杂的功能。在自己电脑上开三台虚拟机,就足以练完这三步。写一个 playbook,连跑两次,检查第二次没有任何改动:这个小练习能让你亲身体会幂等性。

看 FDE 岗位描述时,对照一下自己的经验:如果提到本地化部署或配置管理,Ansible 经验就该放在靠前的位置。简历上不要只写“熟悉 Ansible”。

要写成成果,例如“编写幂等 playbook,同时配置 N 台服务器,存放于 Git,运维团队可重复执行”,其中 N 填你的真实数字。

在客户现场,赢得信任的很少是敲命令最快的人,而是留下一套别人能再次运行的系统的人。一个客户 IT 团队能自己运行的 Git playbook 仓库,正是这样的成果。

这篇文章对你有帮助吗?

8 个信源
路线图上的下一篇 · 阶段 5: 部署上线MLflow 帮 FDE 说清“线上跑的是哪个模型”自动递增的版本号、别名和训练运行回溯,让 model_final_v2_fix.pkl 式命名退场,答案有据可查。