Netmiko项目中Fortinet防火墙多VDOM配置的技术实践
背景介绍
在使用Netmiko库管理Fortinet防火墙时,当设备启用了多VDOM(虚拟域)功能时,常规的连接和命令执行方式可能会遇到问题。本文将通过一个实际案例,详细介绍如何正确使用Netmiko与启用了多VDOM功能的Fortinet防火墙进行交互。
问题现象
在尝试通过Netmiko执行config vdom命令进入VDOM配置模式时,系统会抛出错误提示:"Pattern not detected: 'FW\-NUA\-FW01\ \$' in output"。这表明Netmiko无法识别设备返回的新提示符模式,导致命令执行失败。
问题分析
Fortinet防火墙在多VDOM环境下,当执行config vdom命令后,设备的提示符会发生变化。例如:
- 执行前提示符可能是:
FW-NUA-FW01 # - 执行
config vdom后提示符变为:FW-NUA-FW01 (vdom) #
Netmiko默认使用初始连接时获取的提示符模式来验证命令执行完成,当提示符发生变化时,这种验证就会失败。
解决方案
针对这个问题,我们可以使用Netmiko的expect_string参数来显式指定预期的提示符模式。具体实现如下:
# 进入VDOM配置模式
net_connect.send_command('config vdom', expect_string=r"\ \(\w+\)\ [#$]")
# 切换到特定VDOM
net_connect.send_command(f'edit {vdom}', expect_string=r"\ \(\w+\)\ [#$]")
# 执行后续命令
net_connect.send_command(f'exec ping-options source {source}', expect_string=r"\ \(\w+\)\ [#$]")
关键点说明:
expect_string参数使用正则表达式来匹配变化后的提示符- 模式
\ \(\w+\)\ [#$]可以匹配形如(vdom) #或(vdom) $的提示符 - 每个可能改变提示符的命令都需要指定
expect_string
完整示例
以下是一个完整的示例代码,展示了如何在多VDOM环境下执行ping测试:
from netmiko import ConnectHandler
def ping_test(host, target, source, port, vdom=None):
device = {
"device_type": "fortinet",
"host": host,
"port": port,
"username": "admin",
"password": "password"
}
try:
with ConnectHandler(**device, allow_auto_change=True) as net_connect:
if vdom is not None:
net_connect.send_command('config vdom', expect_string=r"\ \(\w+\)\ [#$]")
net_connect.send_command(f'edit {vdom}', expect_string=r"\ \(\w+\)\ [#$]")
net_connect.send_command(f'exec ping-options source {source}', expect_string=r"\ \(\w+\)\ [#$]")
result = net_connect.send_command(f'execute ping {target}', read_timeout=60, expect_string=r"\ \(\w+\)\ [#$]")
else:
net_connect.send_command(f'exec ping-options source {source}')
result = net_connect.send_command(f'execute ping {target}', read_timeout=60)
return process_ping_result(result)
except Exception as e:
print(f"Error occurred: {e}")
return None
最佳实践建议
-
提示符模式设计:仔细分析设备在不同模式下的提示符变化,设计能够覆盖所有可能情况的正则表达式。
-
超时设置:对于执行时间较长的命令(如ping),适当增加
read_timeout参数值。 -
错误处理:实现完善的异常处理机制,特别是网络连接不稳定时。
-
日志记录:启用Netmiko的会话日志功能,便于调试和问题排查。
-
权限考虑:注意不同权限级别(如
#和$)对命令执行的影响。
总结
通过合理使用expect_string参数,我们可以有效解决Netmiko与Fortinet防火墙多VDOM环境下的交互问题。这种方法不仅适用于VDOM切换场景,也可推广到其他会导致提示符变化的设备操作中。掌握这一技巧能够大大增强网络自动化脚本的健壮性和可靠性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00