Ansible 自動化網路組態與 AIOps 實踐

– 8 分鐘閱讀

Ansible 作為常用的自動化工具，能有效簡化網路組態管理。本文除了探討如何結合 Python 程式碼操作 Ansible Playbook 外，也介紹了另一種組態管理工具 Chef 的基本架構和元件，並比較了兩者的差異。同時，文章也探討了 AIOps 的概念，說明如何利用人工智慧技術提升 IT 維運的效率，例如自動化故障排除、預測性維護和智慧監控等應用場景，並解析其運作流程與核心技術。透過整合 Ansible、Chef 和 AIOps 的知識，讀者可以更全面地理解現代網路自動化和智慧維運的趨勢。

Ansible 與網路範本化技術 Chapter 3

Python 整合 Ansible

Python 透過預先建立的函式庫與 YAML 和 Jinja2 具有良好的整合能力。以下是一個使用 Python 呼叫 Ansible playbook 的範例：

checkpython.py 程式碼範例

import json
import sys
from collections import namedtuple
from ansible.parsing.dataloader import DataLoader
from ansible.vars.manager import VariableManager
from ansible.inventory.manager import InventoryManager
from ansible.playbook.play import Play
from ansible.executor.playbook_executor import PlaybookExecutor

def ansible_part():
    playbook_path = "checktemplate.yml"
    inventory_path = "hosts"
    Options = namedtuple('Options', ['connection', 'module_path', 'forks',
                                     'become', 'become_method', 'become_user', 'check', 'diff', 'listhosts',
                                     'listtasks', 'listtags', 'syntax'])
    loader = DataLoader()
    options = Options(connection='local', module_path='', forks=100,
                       become=None, become_method=None, become_user=None, check=False,
                       diff=False, listhosts=False, listtasks=False,
                       listtags=False, syntax=False)
    passwords = dict(vault_pass='secret')
    inventory = InventoryManager(loader=loader, sources=['inventory'])
    variable_manager = VariableManager(loader=loader, inventory=inventory)
    executor = PlaybookExecutor(
        playbooks=[playbook_path], inventory=inventory,
        variable_manager=variable_manager, loader=loader,
        options=options, passwords=passwords)
    results = executor.run()
    print(results)

def main():
    ansible_part()
    sys.exit(main())

內容解密：

  1. 匯入必要的函式庫：程式碼首先匯入了 json、sys、namedtuple 以及 Ansible 相關的函式庫，如 DataLoader、VariableManager、InventoryManager 等，用於初始化 Ansible 環境。
  2. 定義 ansible_part 函式：此函式主要負責設定 Ansible playbook 的執行引數，包括 playbook 路徑、inventory 路徑等。
  3. 初始化 Ansible 環境：透過 DataLoader、Options、InventoryManager 和 VariableManager 初始化 Ansible 環境。
  4. 執行 Playbook：使用 PlaybookExecutor 執行指定的 playbook，並將結果列印出來。

在 Python 指令碼中建立 Playbook

另一個範例展示瞭如何在 Python 指令碼內建立一個 playbook 來顯示 inventory 中的主機名稱：

checkpythonnew.py 程式碼範例

import json
from collections import namedtuple
from ansible.parsing.dataloader import DataLoader
from ansible.vars.manager import VariableManager
from ansible.inventory.manager import InventoryManager
from ansible.playbook.play import Play
from ansible.executor.task_queue_manager import TaskQueueManager

Options = namedtuple('Options', ['connection', 'module_path', 'forks',
                                 'become', 'become_method', 'become_user', 'check', 'diff'])

# 初始化物件
loader = DataLoader()
options = Options(connection='local', module_path='', forks=100,
                   become=None, become_method=None, become_user=None, check=False,
                   diff=False)
passwords = dict(vault_pass='secret')

# 建立 inventory
inventory = InventoryManager(loader=loader, sources=['inventory'])
variable_manager = VariableManager(loader=loader, inventory=inventory)

# 建立 play 與 task
play_source = dict(
    name="mypythoncheck",
    hosts='testrouters',
    gather_facts='no',
    tasks=[
        dict(action=dict(module='debug',
                         args=dict(msg='{{inventory_hostname}}')))
    ]
)

play = Play().load(play_source, variable_manager=variable_manager, loader=loader)

# 執行
task = None
try:
    task = TaskQueueManager(
        inventory=inventory,
        variable_manager=variable_manager,
        loader=loader,
        options=options,
        passwords=passwords,
        stdout_callback='default'
    )
    result = task.run(play)
finally:
    if task is not None:
        task.cleanup()

內容解密：

  1. 建立 Play 與 Task：在這個範例中，我們定義了一個 play，目標主機為 testrouters，並包含一個 task，使用 debug 模組列印出 inventory_hostname 變數的值。
  2. 執行 Task：透過 TaskQueueManager 執行定義好的 play，並將結果輸出。

Chef 與 Puppet 簡介

除了 Ansible 之外，Chef 和 Puppet 是另外兩種流行的組態管理工具，用於自動化基礎設施的組態和佈署。

Chef 簡介

Chef 是一種根據客戶端/伺服器架構的組態管理工具，使用 Ruby 語言編寫程式碼。Chef 的主要元件包括：

  • Cookbook：類別似於 Ansible 的 role，用於定義特定的組態任務。
  • Attributes：預定義的系統變數，包含在預設的 default.rb 屬性檔案中。
Cookbook 建立範例
chef generate cookbook testcookbook

此命令會建立一個名為 testcookbook 的 cookbook 及其相關的子目錄。

內容解密：

  1. Cookbook 的組成：Cookbook 包含屬性（Attributes）、配方（Recipes）等，用於定義基礎設施的組態。
  2. Attributes 的使用：Attributes 用於儲存組態值，可以在 cookbook 中被覆寫。

Chef 和 Puppet 各有其特點和優勢，選擇合適的工具取決於具體的需求和環境。

Chef 基礎架構與元件解析

Chef 是一種強大的自動化組態管理工具，用於管理和組態多台伺服器或節點。在本章中，我們將探討 Chef 的核心元件、其功能以及如何使用 Chef 來自動化組態管理任務。

Chef 的主要元件

Chef 的架構由多個關鍵元件構成，每個元件都有其特定的功能和作用。

1. Cookbook（食譜）

Cookbook 是 Chef 的基本單位，包含了組態節點所需的所有資訊。它由多個元素組成，包括：

  • Files：這些是存放在 [Cookbook]/files 資料夾下的檔案，可以根據主機、平台版本或其他客戶端特定屬性，將特定的檔案傳輸到執行 chef-client 的主機上。
  • Library：這些是 Chef 中可用於特定用途的模組。某些函式庫可以直接呼叫，因為它們是內建模組，而其他的則需要根據需求明確下載和安裝。
  • Metadata：這定義了 Chef 客戶端和 Chef 伺服器用於在每個主機上佈署 cookbook 的詳細資訊。這是在 cookbook 的主資料夾中以 metadata.rb 的名稱定義的。
  • Recipe：這些類別似於 Ansible 中的任務，以 Ruby 編寫，用於執行特定的操作和觸發器。一個 recipe 可以從另一個 recipe 呼叫，也可以執行其自己的獨立操作集。
  • Resources：這些是預先定義的一組步驟，用於實作特定的目的。它們涵蓋了大多數常見平台的常見操作，並且可以構建額外的資源。
  • Tests：這些是單元和整合測試工具，用於確保 cookbook 中的 recipe 得到驗證並執行正確的任務。它們還執行語法驗證並驗證 cookbook 中 recipe 的流程。

2. Nodes（節點）

節點是 Chef 中被管理的元件，可以是任何元件，如伺服器、網路裝置、雲端或虛擬機器。

3. Chef-client

Chef-client 是一個代理程式，執行在每個受管理的節點上。其主要任務是確保與 chef-server 的持續同步，根據 cookbook 更新節點，並分享、初始化和編譯 cookbook，提供節點所需的所有資源。

4. Ohai

Ohai 是一個工具，在 chef-client 執行時首先被執行，以收集本地節點的屬性，如 CPU、記憶體、OS 版本和磁碟，並與 cookbook 分享，以執行需要這些屬性的操作。

5. Chef-server

Chef-server 是 Chef 架構的核心，儲存 cookbook、策略和後設資料，供 chef-client 管理註冊的節點。它包含兩個關鍵元件：

  • Manage：這是一個根據 Web 的介面，用於管理 cookbook、recipe、策略、註冊節點等。
  • Data bag：這用於儲存所有全域資訊變數，以 JSON 格式儲存，並可供 cookbook 用於各種任務。

策略（Policy）與角色（Role）

策略在 chef-server 中組態，定義了特定 cookbook 的操作框架。客戶端要存取特定的 cookbook、將敏感資訊儲存在特定的 data bag 中，以及註冊節點的分類別，都在策略的範圍內。

角色是一組屬性和執行列表的組合。在節點上執行角色時，從 chef-client 傳回的屬性與角色的屬性進行比較，最終決定了可以在特定節點上執行的特定任務。

例項操作：安裝 Python 套件

以下是一個基本的例項，展示如何使用 Chef 安裝 Python 套件。

Step 1：建立 Recipe

首先，建立一個名為 pythoninstall.rb 的 recipe，其中包含安裝 Python 套件的指令：

easy_install_package "somepackage" do
  action :install
end

這使用了內建的 easy_install_package 資源來安裝 somepackage，並使用 action 屬性指定安裝操作。

Step 2：上傳 Recipe

建立 recipe 後，使用以下命令將其上傳到 chef-server：

knife cookbook upload testcookbook

Step 3：將 Recipe 新增到執行列表

接下來，將 recipe 新增到特定節點的執行列表中：

knife node run_list add testnode1 "recipe[testcookbook::pythoninstall]"

這將更新執行列表，以確保在 testnode1 上執行 pythoninstall recipe。

Step 4：執行 Recipe

最後，在節點上執行以下命令：

chef-client

這將確保從 chef-server 同步，並根據更新執行新的 recipe。

使用人工智慧於維運

從傳統的模式轉變為更先進的模式，需要確保機器具備智慧以執行特定操作並提供結果。傳統模式中，多位工程師負責對一小部分基礎設施裝置進行故障排除，而在新模式中，則需要更少的工程師來對多個或大量裝置進行故障排除。

本章節將涵蓋人工智慧（AI）在IT維運中的基礎知識，以及一些有助於我們更好地理解它的使用案例。

本章涵蓋的主題

  • IT維運中的人工智慧是什麼？
  • 人工智慧的建構模組
  • 將人工智慧應用於IT維運（AIOps）的案例

IT維運中的人工智慧

在IT維運中，人工智慧是指利用機器學習、深度學習等技術，使機器具備智慧，以自動執行某些任務，提供洞察力，並改進IT維運的效率和效果。

人工智慧的建構模組

人工智慧的建構模組包括以下幾個方面：

  1. 資料收集：從各種來源收集資料，如Syslog、SNMP、NetFlow等。
  2. 資料處理：對收集到的資料進行清洗、轉換和格式化。
  3. 機器學習：使用機器學習演算法對資料進行分析和建模。
  4. 深度學習：使用深度學習技術對複雜資料進行分析和建模。

內容解密：

這裡介紹了人工智慧的四個基本組成部分。資料收集是基礎，需要從多種來源取得資料。接著，資料處理是將收集到的資料進行整理，以供後續分析使用。機器學習和深度學習是人工智慧的核心技術，能夠對資料進行深入分析和建模，從而提供有價值的洞察和預測。

將人工智慧應用於IT維運（AIOps）

將人工智慧應用於IT維運，可以實作自動化故障排除、預測性維護、智慧監控等功能。

AIOps的應用案例

  1. 自動化故障排除：利用機器學習演算法，自動分析故障原因，提供解決方案。
  2. 預測性維護：利用歷史資料和機器學習演算法，預測裝置故障，提前進行維護。
  3. 智慧監控：利用深度學習技術，實時監控網路流量和裝置狀態，及時發現異常。

內容解密：

這裡介紹了AIOps的三個典型應用案例。自動化故障排除能夠快速定位問題，減少停機時間。預測性維護可以提前發現潛在問題，避免故障發生。智慧監控能夠實時監控網路和裝置狀態，提供即時的洞察和預警。

問題

  1. 在Ansible playbook中，用於組態特定操作的術語是什麼？
  2. YAML的全名是什麼？
  3. 要連線到Cisco路由器，需要在Ansible playbook中組態哪種型別的連線？
  4. 我們使用Python程式碼建立playbook。（正確/錯誤）
  5. 我們需要在Ansible中的受管節點上安裝代理。（正確/錯誤）
  6. 我們在Windows平台上建立Chef配方。（正確/錯誤）
  7. RubyDSL中DSL的全名是什麼？
@startuml
skinparam backgroundColor #FEFEFE
skinparam componentStyle rectangle

title Ansible 自動化網路組態與 AIOps 實踐

package "Python 應用架構" {
    package "應用層" {
        component [主程式] as main
        component [模組/套件] as modules
        component [設定檔] as config
    }

    package "框架層" {
        component [Web 框架] as web
        component [ORM] as orm
        component [非同步處理] as async
    }

    package "資料層" {
        database [資料庫] as db
        component [快取] as cache
        component [檔案系統] as fs
    }
}

main --> modules : 匯入模組
main --> config : 載入設定
modules --> web : HTTP 處理
web --> orm : 資料操作
orm --> db : 持久化
web --> cache : 快取查詢
web --> async : 背景任務
async --> fs : 檔案處理

note right of web
  Flask / FastAPI / Django
end note

@enduml

此圖示展示了人工智慧在IT維運中的基本流程，從資料收集到提供洞察的整個過程。

內容解密：

這張圖表展示了人工智慧在IT維運中的工作流程。首先，從各種來源收集資料。然後，對這些資料進行處理和格式化。接著，使用機器學習演算法對資料進行分析。最後，根據分析結果提供有價值的洞察和建議。整個流程體現了人工智慧在IT維運中的自動化和智慧化能力。

玄貓 BlackCat

玄貓 BlackCat

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。