ansible-playbook agent实例

简介:

   最近看ansible自动化运维工具,前段时间刚好有需求。最近发布系统上线,需要安装agent,400多台服务器手动安装当然费事,《ansible自动化运维》华章出的也看了80多页了,就试着写了一个agent推送和zabbix-agent推送,主要是发布系统agent推送,之前的zabbix-agent推送已经写成shell脚本推送,这边就不显摆了。公司也是刚用ansible,线上都是脚本自动化。


以下比较简单:

ansible play-book的树行结构如下:


主要是推发布系统的agent:


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
$ tree
.
├── agent.yaml
├── ansible.cfg
├── desheng.list
├──  file .list
├──  file .sh
├── hosts
├── hosts_agent
├── hosts_new
├── logstash.retry
├── logstash.yaml
└── roles
     ├── agent
     │   ├── files
     │   │   └── agent.tgz
     │   ├── handlers
     │   ├── stop.sh
     │   ├── tasks
     │   │   └── main.yaml
     │   ├── templates
     │   └── vars
     │       └── main.yaml
     ├── logstash
     │   ├── files
     │   │   └── logstash-2.4.1. tar .gz
     │   ├── handlers
     │   ├── tasks
     │   │   └── main.yaml
     │   ├── templates
     │   │   ├── logstash.j2
     │   │   └── logstash.j2.bak
     │   └── vars
     └── zabbix_agent
         ├── files
         │   └── zabbix. tar .gz
         ├── handlers
         │   └── main.yml
         ├── tasks
         │   └── main.yaml
         ├── templates
         │   └── zabbix_agentd.conf.j2
         └── vars
             └── main.yaml

agent play-book的树形结构如下:

1
2
3
4
5
6
7
8
9
10
11
$ tree agent
agent
├── files
│   └── agent.tgz
├── handlers
├── stop.sh
├── tasks
│   └── main.yaml
├── templates
└── vars
     └── main.yaml

$ cat main.yaml  #ansible-playbook tasks的内容

1
2
3
4
5
6
7
8
9
10
11
12
13
14
- name: pkill agent process
   script:  /etc/ansible/roles/agent/stop .sh
- name: remove link
   file : path={{ agent_home }}/{{ bag }}  state=absent
- name:  scp  agent
   copy: src=agent.tgz dest={{ agent_home }}
- name:  tar  zxf agent.tgz
   shell: chdir={{ agent_home }}  tar  -zxf agent.tgz
- name: link
   file : src={{ agent_home }}/{{ bag }}-{{ version }} dest={{ agent_home }}/{{ bag }} state=link
- name: running agent
   shell:  cd  {{ agent_home }}/{{ bag }} &&  nohup  python swift_agent.py > agent.log  2>&1 &
- name: remove agent.tgz
   file : path={{ agent_home }} /agent .tgz state=absent

#vars 主要是定义几个变量。

1
2
3
4
5
cat  main.yaml 
agent_home:  /data
user: ody
version: v3.0
bag: agent

#ansible的当下目录放一个stop脚本,主要是发布新的agent是杀掉在运行的agent进程。

1
2
3
cat  stop.sh 
#!/bin/bash
ps  -ef |  grep  python |  grep  - v  "grep"  awk  '{print $2}'  xargs  kill  -9


本文转自青衫解衣 51CTO博客,原文链接:http://blog.51cto.com/215687833/1886323

目录
打赏
0
0
0
0
342
分享
相关文章
Zabbix【部署 03】zabbix-agent2安装配置使用(zabbix-agent2监控docker实例分享)
Zabbix【部署 03】zabbix-agent2安装配置使用(zabbix-agent2监控docker实例分享)
1140 0
Sonic 开源移动端云真机测试平台 - 设备中心接入安卓设备实例演示,Agent端服务部署过程详解(下)
Sonic 开源移动端云真机测试平台 - 设备中心接入安卓设备实例演示,Agent端服务部署过程详解
453 0
Sonic 开源移动端云真机测试平台 - 设备中心接入安卓设备实例演示,Agent端服务部署过程详解(上)
Sonic 开源移动端云真机测试平台 - 设备中心接入安卓设备实例演示,Agent端服务部署过程详解
540 0
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型,以Agent技术为核心,支持多种数据类型的输入与输出,具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
261 20
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
TEN Agent 是一个开源的实时多模态 AI 代理框架,集成了 OpenAI Realtime API 和 RTC 技术,支持语音、文本和图像的多模态交互,具备实时通信、模块化设计和多语言支持等功能,适用于智能客服、实时语音助手等多种场景。
185 15
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
Director:构建视频智能体的 AI 框架,用自然语言执行搜索、编辑、合成和生成等复杂视频任务
Director 是一个构建视频智能体的 AI 框架,用户可以通过自然语言命令执行复杂的视频任务,如搜索、编辑、合成和生成视频内容。该框架基于 VideoDB 的“视频即数据”基础设施,集成了多个预构建的视频代理和 AI API,支持高度定制化,适用于开发者和创作者。
106 9
Director:构建视频智能体的 AI 框架,用自然语言执行搜索、编辑、合成和生成等复杂视频任务
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
Meta Motivo 是 Meta 公司推出的 AI 模型,旨在控制数字智能体的全身动作,提升元宇宙体验的真实性。该模型通过无监督强化学习算法,能够实现零样本学习、行为模仿与生成、多任务泛化等功能,适用于机器人控制、虚拟助手、游戏角色动画等多个应用场景。
74 4
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
Agent-E 是一个基于 AutoGen 代理框架构建的智能自动化系统,专注于浏览器内的自动化操作。它能够执行多种复杂任务,如填写表单、搜索和排序电商产品、定位网页内容等,从而提高在线效率,减少重复劳动。本文将详细介绍 Agent-E 的功能、技术原理以及如何运行该系统。
120 5
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
AI经营|多Agent择优生成商品标题
商品标题中关键词的好坏是商品能否被主搜检索到的关键因素,使用大模型自动优化标题成为【AI经营】中的核心能力之一,本文讲述大模型如何帮助商家优化商品素材,提升商品竞争力。
207 13
AI经营|多Agent择优生成商品标题

热门文章

最新文章