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
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
安装PIP
pip是Python包管理工具 可以安装各类软件
yum -y install python-pip
升级PIP
pip install --upgrade pip
检查PIP版本
pip --versionpip 19.3.1 from /usr/lib/python2.7/site-packages/pip (python 2.7)
安装docker compose,自行更改版本号.
pip install -U docker-compose==1.24.1
检查docker compose版本
docker-compose version
安装fabric
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 Connectionhost_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 taskhost_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)
<GroupResult: {<Connection 'web1'>: <CommandResult 'uname -s'>,<Connection 'web2'>: <CommandResult 'uname -s'>,<Connection 'mac1'>: <CommandResult 'uname -s'>,
}>
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。 原文
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.ymluser: 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 taskhost_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，详细可查看 文档 [4]。
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 Connectionc = 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。
其他参考文档
pip install Fabric # 安装
pip freeze > requirements.txt # 把安装包写入文件中
一个官网例子：
def hello(name='sitin'):print("Hello world %s!" % name)
使用fab执行一下效果如下：
这里面我们需要知道fab是fabric安装的命令行工具，我们主要是通过它进行操作。
我个人平时用的比较多的命令有：
run 远端执行命令
local 本地执行命令
cd 远端切换目录
lcd 本地切换
@task 装饰器声明函数为fab task
简单的脚本我觉得是已经够用了，复杂一点需要更多操作了，详情见后文。
部署步骤
通常情况下，作为一个Python工程师我们发布代码需要做的事儿常见的有以下几点：
- git pull 拉取最新代码，比如master分支（或者develop分支）
- tar 打包最新代码
- rsync增量同步到远端服务器，去掉一些不需要的本地目录
- 备份数据库或者备份代码
- supervisor指定重启远端一个或多个服务，通过交互式指令判断
- sentry查看日志正常与否
除了最后一步，这里面所有的操作我们都在fabfile.py就进行操作了，一般情况下fabfile.py放在项目根目录，当然你放在其他地方也没有什么问题。通过-f进行指定就行。
概要讲了，下面请参看我们的一个实战例子
一个例子
from fabric.api import (with_settings,hosts,cd, # 远端lcd, # 本地切换目录run, # 执行env,
)
EST_ENV = '127.0.0.1'
TEST_USER = 'test'
env.forward_agent = True# 允许本地 SSH 代理连接远程终端时跳转
@hosts(TEST_ENV) # 指定远程操作的机器地址
@with_settings(user=TEST_USER) # 用来临时设定 env 变量，可以等同于 with settings
def deploy_test():# 发布测试环境local('git pull --rebase upsgream dev') # local执行本地命令拉取代码到本地，这个可以用CI自动发布，就不用拉取到本地。local('rsync -r . --exclude=tmp/ --exclude=backup/ sitin@yourip:/data/your_project') # 上传代码with cd('/data/your_project'): # 表示所有操作在这个目录下面run('docker-compose pull test') # test镜像名backup_db() # 这里其实就是一个普通备份函数run('docker-compose stop test') # 执行远端命令同local相反run('docker-compose rm -f test')run('docker-compose run --rm test python manage.py migrate') # db同步run('docker-compose up -d test')
在终端执行命令
fab deploy_test # 就能进行发布了测试环境了
fab deploy_product # 如果有就能发布了
通常情况下测试，开发，服务器与线上操作不太一样，我们可以通过上面方式进行操作。除了上面的操作之后，如果我们测试线上完全一直或者多台服务器，可以通过指定不同角色来进行选择服务器的发布。
env.roledefs = { 'test': ['test@yourip'], # 指定多台机器 'dev': ['dev@yourip'], 'prod': ['opt@yourip2'],}def deploy(branch=master): pass
fab -R test（上面定义的角色） deploy -f fabfile.py
deploy这里还可以指定发布哪个分支的代码
这样指定某一个角色的服务器，某一个分支进行发布非常简单方便，对于经常使用的复杂命令操作我们还可以作为缩写命令来进行操作。
