在Ansible-CMDB中使用自定义命令输出作为动态事实
2025-07-01 22:06:53作者:冯爽妲Honey
概述
Ansible-CMDB是一个强大的工具,用于将Ansible收集的主机信息生成美观的HTML报告。在实际使用中,我们经常需要将特定命令的输出结果作为自定义列显示在报告中。本文将详细介绍如何实现这一需求。
自定义事实的工作原理
Ansible支持通过自定义事实机制扩展收集的信息。这些自定义事实可以通过两种方式实现:
- 静态事实文件:以JSON或YAML格式存储在
/etc/ansible/facts.d/目录下 - 动态事实脚本:可执行脚本,运行时输出JSON或YAML格式的事实数据
实现步骤
1. 创建自定义事实目录
在目标主机上创建Ansible事实目录:
sudo mkdir -p /etc/ansible/facts.d
2. 编写动态事实脚本
以mmgetstate命令为例,创建一个可执行脚本:
#!/bin/bash
# /etc/ansible/facts.d/mmstate.fact
state=$(mmgetstate -n $(hostname -s) 2>/dev/null | awk '{print $NF}')
echo "{\"state\": \"$state\"}"
确保脚本有执行权限:
chmod +x /etc/ansible/facts.d/mmstate.fact
3. 配置Ansible-CMDB模板
在Ansible-CMDB的模板文件中添加自定义列:
{
"title": "Cluster State",
"id": "cluster_state",
"sType": "string",
"visible": True,
"tpl": "${ jsonxs(host, 'ansible_facts.ansible_local.mmstate.state', default='unknown') }"
}
4. 运行Ansible收集事实
确保在运行Ansible时启用了事实收集功能:
ansible -m setup all
5. 生成CMDB报告
使用收集到的事实生成报告:
ansible-cmdb /path/to/facts/
高级应用场景
- 多命令组合:可以在脚本中组合多个命令的输出
- 条件判断:根据命令返回状态设置不同的值
- 性能优化:对于耗时命令,考虑缓存结果
- 错误处理:完善脚本的错误处理逻辑
注意事项
- 确保自定义事实脚本在所有目标主机上都能正常运行
- 考虑脚本执行权限和路径问题
- 对于敏感信息,要注意权限控制
- 复杂的脚本建议先在目标主机上测试
通过这种方式,我们可以灵活地将任何命令的输出集成到Ansible-CMDB报告中,大大增强了报告的实用性和定制性。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781