凌晨三点的紧急电话——运维的噩梦

如果你是运维老鸟，想必经历过这样的场景：

凌晨三点，电话狂震，惊醒的你看着屏幕上熟悉的报警信息——线上某个核心业务服务器异常！

你迷迷糊糊地爬起来，远程登录服务器，开始排查问题。服务崩溃、CPU飙高、磁盘占满……各种可能性在脑中快速闪过。但更糟糕的是，这次故障波及的不止一台服务器，而是整个集群的上千台机器！

怎么办？这就是Ansible登场的时刻！

运维的终极目标，不是“救火”，而是“让故障消失于无形”。

今天，我就分享 3 个 Ansible 脚本，让你轻松驾驭千台服务器，不再被半夜的电话支配！

10秒内检查千台服务器的关键状态

遇到故障时，第一步就是快速找到问题所在。如果有成百上千台服务器，逐台排查根本不现实。这时，用一个简单的playbook剧本，就能在10秒内一次性获取所有服务器的资源状态。比如CPU使用率、内存占用、磁盘空间等关键指标，方便又高效。你可以根据自己的需求设置相应的指标。

- name: 快速检查服务器状态
  hosts: all
  gather_facts: no
  tasks:
    - name: 获取 CPU、内存、磁盘 使用情况
      shell: |
        echo "CPU: $(top -bn1 | grep 'Cpu' | awk '{print $2"%"}')"
        echo "MEM: $(free -m | awk '/Mem/ {print $3"MB/"$2"MB"}')"
        echo "DISK: $(df -h / | awk 'NR==2 {print $5}')"
      register: server_status

    - name: 输出所有服务器状态
      debug:
        msg: "{{ inventory_hostname }} -> {{ server_status.stdout_lines }}"

执行下面的命令执行剧本的任务

ansible-playbook check_status.yml

可以通过添加-i,如果不指定默认是读取/etc/ansible/hosts这个清单

执行完上述命令后，会输出如下结果：

这个脚本能 一秒内连接所有服务器并执行检查，然后把结果直接输出，帮助你快速锁定问题服务器！

30秒内批量修复服务器故障

面对多台服务器同时出现服务故障，传统的逐一处理方式耗时费力。但有了Ansible，只需简单几步，就能高效完成批量重启，轻松解决运维难题。

- name: 批量重启Nginx
  hosts: all
  tasks:
    - name: 重新启动 Nginx
      service:
        name: nginx
        state: restarted

编写好剧本后，通过下面的命令执行重启任务。

ansible-playbook restart_nginx.yml -i inventory

不管你有10台还是1000台服务器，一条命令全部搞定，再也不用逐台SSH登录，省时省力！

彻底杜绝半夜故障——自动化巡检与修复

不想被半夜报警声吵醒？自动化巡检与修复是不二之选！设置定时任务，每小时巡检，问题即刻修复。轻松实现，使用Ansible脚本！

- name: 自动巡检并修复
  hosts: all
  tasks:
    - name: 检查 Nginx 是否存活
      shell: systemctl is-active nginx
      register: nginx_status
      ignore_errors: yes

    - name: 自动重启 Nginx（如果检测到异常）
      service:
        name: nginx
        state: restarted
      when: nginx_status.stdout != "active"

然后，配合crontab定时任务，让它每小时自动执行：

echo "0 * * * * ansible-playbook auto_fix.yml -i inventory" >> /etc/crontab

小结

传统SSH逐台手动管理服务器的方式早已outdated，现代运维早已拥抱Ansible等自动化工具。顶尖运维高手都在用Ansible玩转千台服务器，让运维工作更高效、更精准。真正的运维高手，靠的不是加班和熬夜，而是强大的工具和自动化能力！让Ansible成为你的“运维外挂”

推荐阅读