如何基于Python构建一个可扩展的运维自动化平台

时间：2016-06-22 16:00:31 阅读：703 评论：0 收藏：0 [点我收藏+]

嘉宾简介

刘天斯

从事互联网运维工作已13年，目前就职于腾讯-互动娱乐部，负责游戏大数据的运营，曾就职于天涯社区，担任首席架构师/系统管理员。
热衷开源技术的研究，包括系统架构、运维开发、负载均衡、缓存技术、数据库、NOSQL、分布式存储、消息中间件、大数据及云计算、Mesos、Docker、DevOps等领域。擅长大规模集群的运维工作，尤其在自动化运维方面有着非常丰富的经验。同时热衷于互联网前沿技术的研究，活跃在国内社区、业界技术大会，充当一名开源技术的传播与分享者。

导言

受 Reboot 邀约与大家聊聊运维自动化的议题，与大家一起探讨如何基于Python构建一个可扩展的运维自动化平台，也希望能与大家一起交流，共同成长。

此次分享将通过平台具备功能、架构设计、模块定制、安全审计、C/S结构的实现等几个方面内容来展开。

为什么选择Python？

几点优势：默认安装且跨平台、可读性好且开发效率高、丰富的第三方库（开发框架、各类API、科学计算、GUI等）、社区活跃&众多开发者。

技术分享

Python在腾讯的现状，根据去年内部提交组件语言统计，除去2、3、4前端技术，Python在高级编程语言中排第3位。应用在系统运维、业务逻辑、运营平台、测试工具、数据挖掘等领域，腾讯大名鼎鼎的“蓝鲸”运维PAAS平台就是基于Python语言来构建。

一、平台介绍

OMServer 一个集中式的Linux集群管理（基础）平台（《Docker技术与最佳实践》书籍实践案例），具备业务集群管理、实时安全审计、功能模块定制、数据加密传输、支持主流Python组件、使用简单且体验好等特点，源码托管地址：https://github.com/yorkoliu/pyauto，大家可以根据企业的需求定制修改及发布。

1、平台截图：

2、平台采用到的第三方库:

Django - 一个开放源代码的Web应用框架，由Python写成，采用了MVC的软件设计模式；

rpyc - 一个 Python 实现的RPC和分布式计算的工具。支持同步和异步操作、回调等；

saltstack 、ansible 、func - 基本Python开发的自动化配置管理与流程控制组件；

Mysql - 是一个非常流行的关系型数据库管理系统。

二、平台架构设计

1、 OMServer架构图

大家对这个架构应该不会感到陌生，三层结构也是目前主流的运营平台架构。

2、架构说明

OMServer平台为三层架构，分别为WEB交互层、分布式计算层、集群管理服务层。

1）、第一层：即为WEB交互层，典型的B/S架构，以供管理员操作的交互平台，也是OMServer的核心，基于Django开发；

2）、第二层：分布式计算层，提供与主控端的连接通道，采用的是rpyc传输协议，协议操作流程：前端模块参数->加密传输->任务执行->返回结果集->解密输出。

3）、第三层：集群管理服务层，整合Python主流的远程操作组件（支持Saltstack、Anaible、Func），对被控端（业务服务器集群）进行管理，其中主控端可以根据不同IDC环境，采用多地多点的管理方式，可提升冗余度及执行效率。主控端操作模块以不同Python文件加以区分，便于维护，可灵活定制操作逻辑及横向扩展等特点。

3、平台架构优势

1）管理端多机支持，可按不同IDC划分；

2）安全性高，加密传输、定义私有通讯规范（TCP）；

3）支持多种管理客户端接入（WEB、桌面、移动）；

4）调用Python组件的高级特性（Playbook、State）；

5）功能扩展性能力强，模块定制化。

4、架构操作流程

上图将三个层次的交互流程进行串连，可以清晰了解OMServer架构的操作流程，结束了传统式直连APP Server的操作，更加规范我们的操作事件，一定程度可以避误一些潜在的误操作。

5、整合远程操作Python组件

分别两个步骤：

1、提前配置主控端与被控端的信任关系，一般为证书或SSH 认证；

2、通过OMServer主控端封装好的任务模块与API接口，实现定制化的任务下发及执行。

三、平台模块定制

1、任务模块定制的思路

1）任务模块 – 即为一个“操作事件”为颗粒的任务，如重载配置、部署缓存服务、停止Nginx服务等原子操作；

2）添加模块的步骤：

- 定义任务模块“输入参数”，采用HTML Form元素，可以为输入、下拉、单复选框等元素；

- 编写后台模块代码，其中执行部分由Saltstack或Ansible的Client_API来实现；

- 任务模块核心代码，只需要5行代码就可以实现一个SHELL脚本下发、执行的功能。

3）运行模块的步骤 - 选择任务模块 & 操作对象 -> 指定输入参数 -> 运行 -> 返回执行结果。

2、当我们的平台已经具备可定制、扩展操作的能力，运维的核心工作就聚焦以下几点：

1）平台功能改进、升级，需要具备DevOps能力；

2）根据业务运营需求，做任务功能模块的编写的工作；

3）日常工作梳理（标准、流程化建设），更好将原子操作串成流程。

4）系统、业务的调优，服务业务。

四、安全审计的实现

1、安全审计技术架构

安全审计功能模块分两部分，一部分为操作事件前台展示，另部分为部署在服务器侧的采集Agent，通过CGI接口上报至数据库存储，可对上报的数据作关键字监控，发现异常可以触发告警。

2、Agent上报实现原理

实现原理非常简单，通过修改Linux系统环境配置文件/etc/profile，定义history事件相关环境变量，捕捉所有Linux登录用户会话中的操作事件及指令，实时通过OMAudit_agent.py中的HTTP GET CGI向数据库写操作事件流水。

管理前台页面通过定时刷新，获取最新的操作事件。

五、C/S结构的实现

1、 OMServer桌面版截图

2、OMServer桌面版架构

桌面版OManager基于Wxpython + XRC构建，为两层结构，一层为桌面客户端，另一层为集群管理端，同时兼容OMServer管理端，通讯依然采用rpyc协议，与OMServer有以下几点区别：

3、后续优化

1）整合ansible或saltstack高级功能，如ansibleplaybook；

2）将多个任务模块打包成模板对列，实现原子操作与运维变更流程的结合；

3）引用任务调度Celery，支持更大并发；

4）任务对列支持暂停、中止、重运行功能，实现操作可控。

5）提供与CMDB访问对接，通用性更强。

Q&A

Q1:个人可以完成运维自动化平台吗，需要哪些技术？

当然可以，腾讯内部对运维人员都有一个要求，就是要具备开发能力。Python简单，容易入手，强烈推荐。

Q2:分享中有提到 CS 架构中安全性高，请问具体高在哪些方面，是什么原因呢？

一般CS客户端部署在管理员电脑，通过私有网络、协议与主控端效互，B/S部署在节点与业务集群同区域，不一样同网段，另外黑客对WEB层的攻击远高于桌面客户端，网络隔离在这时候显得尤为重要了。

Q3：自行研发tglog对于海量日志传输是否主要走的udp协议？如果是走的udp协议，怎么去解决一些数据包传输中数据乱序以及数据反序列化问题，或者做了哪些协议层面的优化？

是的，主要走的是UDP协议。tglog同时也是一套数据日志的规范，约束开发人员打日志的标准。
目前未碰到数据乱序以及数据反序列化问题，以前面临一个比较大的问题是丢包情况，尤其在流量高峰期时段更为明显。
后面在内核、IO优化得到缓解，但无法规避，所以我们对比较重要的日志采用TCP传输。比如玩家消费流水。