Execution Mode 2013-03-16
执行模式--Execution Mode
之前定义了主机列表和任务列表，fabric根据主机列表和任务列表就可以执行任务，下面就是分析其执行策略及其他相关细节。由fab传入相应的参数就可以实现之前的多个主机执行多个任务的目标。现在先来看默认执行策略是什么样的。
执行策略
fabric函数默认是单个、顺序执行方式，当然它也提供并行执行。默认执行行为：
1.创建一个任务列表，这些任务就是fab命令的参数，并且保持fab传参的顺序
2.对于每个任务，会通过特定方式创建特定主机列表
Use Fabric Library 2013-03-16
使用类库--Library Use
Fabric最基本的用法是通过fabfiles和fab工具，而且这几乎占据整个官方文档内容。正如在开始简介中所介绍，fabric自身就是一个python类库，在文档中有一小部分也介绍了当fabric作为类库的使用。这部分就像官方文档所介绍一样，只是一个草稿，它主要讨论了fabric建立连接和断开连接的原理，对如何作为类库来使用，以及使用举例几乎没有谈到。更多的是建议直接阅读fabric源码中的main.py从使用fab来找到使用方式。
那么在python程序中如何使用fabric API呢.
Fab + Fabfile + OS
最容易想到的方式就是使用fabfile和fab工具，然后结合python的OS模块执行命令，用popen或subprocess来执行fab命令，但这显得很笨拙和混乱。
For + With + Env.host_string
MCollective With Puppet 2013-03-16
MCollective结合Puppet
Puppet给MCollective带来了什么
增强Puppet与MCollective联系，可以使MCollective更好利用Puppet资源来加快自己发展，并尽可能在将来将MCollective项目集成到Puppet平台。
目前能看见的应用就是Puppet资源作为Facts，Puppet Class作为过滤器。
MCollective给Puppet带来了什么
MCollective为采用Puppet模型驱动框架来进行系统管理的数千企业带来了多主机、多数据中心编排服务。结合MCollective，Puppet增加了重要的时间元素来进行系统管理。它同时也提高了Puppet管理现有系统上的应用程序的执行策略。MCollective的实时发现性能加上Puppet Dashboard，简化了用户使用Puppet平台数据来进行复杂队列活动的调度。这同时将消息队列与实时发现复杂网络资源相联系。
Fabfile and Fabricrc 2013-03-16
两个文件--Fabfile & Fabricrc
Fabfile
之前已经说过很多次fabfile, 也提到过这是一个python模块，但是也不去对。这需要知道fabric执行原理。fabric能够加载python模块（如fabfile.py）或者包（比如fabfile/目录下包含init.py）。默认情况下，它会寻找名叫fabfile或fabfile.py的东西。
Fabfile的搜索算法是需找用户当前活动目录，或者它的父目录。因此一般在一个项目中，把fabfile放在该项目源代码的根路径则在程序中任何地方都能使用fab命令。
Fabric现在是纯python,所以可以随时可以以任何方式import它的组件，为了封装与方便，现在所有7类核心API都被包括在模块fabril.api下。所有只需在fabfile开头中：
from fabric.api import *
Task List 2013-03-16
任务列表--Task List
有了主机列表，我们能指定任务执行的主机，下面就是对需要执行的任务的定义。在当前版本（1.1之后）fabric引进两种不同的任务定义方法。现在分别称之为新风格和经典风格。它们在判断fabfile中什么对象才是fabric的任务时（task）方式不同：
新风格认为Task的实例或者它的子类为任务，以及import的模块，而且允许创建嵌套的命名空间。
经典风格认为所有public的可调用对象（包括functions,classes等等），而且仅仅认为是fabfile中的对象才行而没有递归import的模块。
注意：这两种定义方式是相互排斥的，如果fabric发现任何新风格的任务对象在fabfile或它import的模块中时，它就会认为你已经使用这种新风格的任务声明，而不会考虑任何没有Task声明的对象。如果没有新风格任务发现，它会使用默认经典风格。可以通过命令fab --list查看可用任务名及说明。
新风格任务
Fab CLI 2013-03-16
工具命令--Fab Command Line
使用fabric最通用的方式是利用它的命令行工具--fab,安装fabric时这个需要添加到shell可执行路径下（一般默认pip install或easy_install都会）。fab同其他unix citizen一样，使用标准风格命令行切换，帮助输出等等。
在大多数情况下，fab可以直接调用而没有options,跟随一个或多个参数，这些是任务名(task name)。正如我们在前面所看到的，fab会在当前路径寻找fabfile,然后执行其中的task1和task2。
$ fab task1 task2
fab有很多命令行参数和选项供我们选择，而且很灵活。
Introduction To SimpleRPC 2013-03-16
SimpleRPC简介
MCollective是一个编写所有代理（agents）和客户端(clients)功能的框架，它提供了一个丰富的系统来实现这些。
虽然MCollective原生的客户很低级，就像TCP/IP之于HTTP，TCP/IP原生客户端也没有提供任何验证、授权等等。
MCollective Simple RPC是一个在标准客户端之上的框架，抽象了复杂性并提供了许多规则和标准。这有点像HTTP在TCP/IP之上创建REST服务。
SimpleRPC框架提供如下（分别针对客户端及代理）：
提供编写代理(agents)和客户端(clients)的简单规则，有利于自定义设计。
很容易编写代理包括输入验证和错误时的合理反馈机制。
提供调用代理的审计日志记录能力
提供调用代理及动作的细粒度授权能力
拥有数据描述语言（DDL）用于描述代理和自动生成用户接口时给出提示
提供通用调用工具能够和大多数代理兼容
仍可以自定义客户端，简单易行
提供合理输出，DDL提供标准one-size-fits-all函数
标准客户端所有性能
核心格式（core format）之上的标准消息格式
Manage Output 2013-03-16
管理输出--Manage Output
Fab工具默认输出很详细，包括：远端的stderr和stdout输出，被执行的命令内容等等。这在很多情况下能够让我们知道到底发生了什么。Fab工具输出最大的特点是分层次，根据需求来获取不同的部分。
输出层次
为了组织任务输出，Fabric输出被分成了不重叠的层次或者组，每一部分可以被单独开启或关闭。这为向用户提供输出提供了很多便捷性。
标准输出层次
status：状态消息，fabric运行时没有，如果用户使用keyboard interrupt，或者主机断开连接会输出相关消息。这些详细总是相关的，很少冗长。
MCollective/Fabric Exec Commands 2013-03-16
MCollective/Fabric执行任务比较
定义主机
发现主机 MCollective有丰富的策略来发现主机，目前支持的有通过主机标识（identity，一般为主名）、puppet class、facts、安装的插件以及自定义数据源和自定义发现策略，很灵活。
Fabric仅仅使用主机名来定义主机，使用传统的SSH循环，关于这点比较在最开始已经提到过。
关键一点：MCollective对于需要执行任务的主机采用的主动发现的方式，而Fabric则是“被动”指出。
SSH behavior 2013-03-16
SSH行为--SSH behavior
Fabric现在是利用pure-python SSH重新实现连接管理，这意味着有些时候fabric也会受到这个库的局限。fabric既利用了很多SSH的特性，在有些地方同SSH命令行程序相比也不尽相同或者说灵活。
利用原生SSH配置文件
Fabric的实现允许加载用户SSH配置文件中的部分选项，这个行为默认是未被启用的。如果启用，设置env.usesshconfig = True，此时下面的这些SSH配置会被Fabric加载和使用：
[1]User和Port将会被作为合适的连接参数被使用，如果Fabric没有专门指定。这是User/Port选择规则是：
如果这些env变量未被指定，全局指定User/Port会替代当前默认（本地用户名和22）