EDA 自动化运维：Ansible + Python 批量管理 EDA 主机

EDA 3 小时前 0 1

EDA 环境几十台主机，逐台 SSH 是灾难：装个依赖要登三十台机器，改个配置要确认三十次，漏一台就是隐患。自动化就是把重复操作写成代码，一次写好，到处运行。这篇讲 Ansible + Python 在 EDA 运维里的实际用法。

一、Ansible 入门：三样东西

Ansible 不需要在被管主机上装 agent，靠 SSH 就行，对 EDA 这种“别动我生产机”的环境很友好。就三样东西：inventory（主机清单，按组分，比如仿真组、license 组、存储组）、playbook（要干什么，用 YAML 写）、ad-hoc 命令（临时查一次）。

# 临时命令：看所有仿真主机的时间和磁盘
ansible simfarm -m shell -a "date; df -h /eda | tail -1"

# 看某台主机缺不缺库
ansible simfarm -m shell -a "ldconfig -p | grep libnsl || echo MISSING"

二、批量装环境：playbook 实战

# eda-base.yml：新主机一键打底
- hosts: simfarm
  become: yes
  tasks:
    - name: 装 EDA 依赖库
      yum:
        name:
          - libXScrnSaver
          - libnsl
          - libX11
        state: present

    - name: 发 modulefile
      copy:
        src: files/modules/
        dest: /eda/modules/
        owner: edaops
        mode: "0644"

    - name: 配 NTP
      service:
        name: chronyd
        state: started
        enabled: yes

新主机上线就是一条命令：ansible-playbook eda-base.yml。装完立刻跑验证 playbook，确认依赖、modulefile、NTP 都到位，再交出去。主机配置从“人肉操作”变成“代码执行”，结果可重复、可审计。

三、批量巡检：每天自动跑

巡检脚本化之后，定时任务每天跑一遍：磁盘、内存、关键进程、license daemon、时间同步，任何一项异常就告警。巡检结果写进日志，出了问题先翻巡检记录，多数故障在爆发前就有征兆。

# 巡检 playbook 每天凌晨跑，结果汇总到运维邮箱
ansible-playbook check-eda.yml --extra-vars "report_to=ops@example.com"

# 只看异常的主机
ansible simfarm -m shell -a "systemctl is-active lmgrd || echo DOWN" \
  | grep -B1 DOWN

四、Python 胶水：把工具串起来

Ansible 管“在每台机器上做什么”，Python 管“把各处数据拼成结论”。最常见的三件套：解析 lmstat 算 license 占用率，解析 bqueues 算队列积压，解析回归日志算通过率。拼成日报，超阈值就发告警。

# 每日巡检汇总（示意）：license 占用 + 队列积压
import subprocess

def license_usage():
    out = subprocess.check_output(
        ["lmstat", "-a", "-c", "27000@lic-server"], text=True)
    worst = ("", 0.0)
    for line in out.splitlines():
        if "licenses in use" in line:
            parts = line.split()
            used = int(parts[parts.index("of") + 3])
            total = int(parts[parts.index("of") + 1])
            if total and used / total > worst[1]:
                worst = (line.split()[2], used / total)
    return worst

feature, ratio = license_usage()
print(f"最紧张的 license：{feature}，占用率 {ratio:.0%}")
if ratio > 0.85:
    print("需要告警：占用率超过 85%")