用Ansible批量管理服务器

这个话题之前一直想整理，今天终于抽出时间来写。本文尽量用实际代码说话，避免空谈概念。

先搞清楚原理

先说基本原理。Ansible的核心思路是基础设施自动化。简单来说就是：把输入经过一系列变换，最终得到想要的结果。这个过程可以用下面的代码来理解：

version: '3.8'
services:
  app:
    build: .
    ports:
      - '8500:3000'
    environment:
      - NODE_ENV=production
      - DB_HOST=db
    depends_on:
      - db
      - redis
    restart: unless-stopped
    deploy:
      replicas: 1
      resources:
        limits:
          memory: 512M

  db:
    image: postgres:15-alpine
    volumes:
      - pgdata:/var/lib/postgresql/data
    environment:
      POSTGRES_DB: myapp
      POSTGRES_PASSWORD: secret

  redis:
    image: redis:7-alpine
    command: redis-server --maxmemory 256mb

volumes:
  pgdata:

实际怎么用

在真实项目中用Ansible，和教程里还是有区别的。主要是资源限制这块需要额外处理。完整代码如下：

# Prometheus alerting rules
groups:
  - name: system_alerts_62
    rules:
      - alert: HighMemoryUsage
        expr: (node_memory_MemUsed_bytes / node_memory_MemTotal_bytes) * 100 > 85
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "Memory usage above 85%"

      - alert: HighDiskUsage
        expr: (node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"}) * 100 < 20
        for: 10m
        labels:
          severity: critical
        annotations:
          summary: "Disk space below 20%"

      - alert: ServiceDown
        expr: up == 0
        for: 2m
        labels:
          severity: critical

进阶一点的用法

如果对性能有要求，Ansible可以做资源限制方面的优化。核心改动不大，但效果明显：

容易踩的坑

总结几个实际项目中的教训：Ansible在资源限制上容易出问题。建议写单元测试覆盖这些边界情况，免得线上出故障才后悔。

写在最后

Ansible的要点就这些。核心是资源限制，其他都是围绕这个展开的。代码已经贴在前面了，照着跑一遍基本就能上手。后续有新的发现再更新。