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。
 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00 MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选
 docs
docs kernel
kernel pytorch
pytorch ops-math
ops-math flutter_flutter
flutter_flutter ohos_react_native
ohos_react_native cangjie_compiler
cangjie_compiler RuoYi-Vue3
RuoYi-Vue3 cangjie_test
cangjie_test Cangjie-Examples
Cangjie-Examples