Ansible是一个配置管理工具，可以用脚本批量操作多台机器。它的特点是非常简洁，基于SSH，不需要安装代理。但它的缺点也很明显：效率较低，容易挂起，不那么适合大规模环境（如500台以上）。本文介绍了使用ansible管理大规模集群的几种方法。

增加并行进程数

Ansible提供一个forks的属性，可以设置运行并行进程数。这个值默认比较保守，只有5个并行进程。我们可以根据自己的机器性能以及网络情况来设定，很多人使用50，也有用500以上的。如果有很多机器要管理的话，可以尝试先增加这个值，看看效果。有三个地方可以设置forks的数量：

• 环境变量：export ANSIBLE_FORKS=100
• ansible.cfg这个配置文件里设置：forks=100
• 运行ansible命令时增加参数：-f 100

当机器数量比较大的时候，难免会有几台机器不能正常执行。这时候ansible会有提示to retry, use: --limit @/xxx/xxx.retry，把它增加到上个命令的后面就好了。

异步

有时候执行某个任务可能需要很长的时间，在集群规模较大的情况下慢得让人无法忍受。这时可以考虑使用异步模式。在tasks里增加async的属性，设成某个数字，比如60，意思就是这个任务最大运行时间不能超过60秒。也可以设成0，意思是不管任务运行多久，一直等待即可。如果没有指定async，则默认为同步模式。还可以设定poll，默认值为10，意思就是每隔10秒轮询查看结果。如果不需要查看结果，设为0就好了。还可以通过register和async_status设定暂时不查看结果，等需要的时候再查看。具体做法可以参考上面的异步模式官网文档，也可以看翻译的中文文档。

Pull模式

有些配置管理工具比如Chef和Puppet，是基于拉模式的。所谓拉模式，是酱紫的：

• 管理员写脚本
• 管理员上传脚本
• agent定时取脚本（例如每隔1分钟）
• agent运行新脚本

Ansible是没有agent的，它默认基于推模式，也就是说：

• 管理员写脚本
• 管理员运行脚本
• ansible连接各主机运行脚本

一般来说，拉模式能轻松应付大规模集群，因为每台机器都是自己去拉取脚本来完成任务。不过也有人用ansible的推模式管理着上千台机器。Ansible提供了ansible-pull的工具，能把它变成拉模式。官方资料不多，这篇文章写得比较详细。大致思路是新建一个git的仓库，每台机器运行一个cron定时任务（扮演者agent的角色）每隔一段时间去仓库取最新脚本，然后运行之。在ansible 2.0里ansible-pull也有若干改进。

多级调度

还有一种想法是：如果一台主机的性能只能撑100forks，那么10台主机应该就能撑1000台机器。将这1000台机器分区，比如A区到J区。所以由一台主机分发命令给10台主机，让它们各自运行ansible-playbook，而每台主机根据不同的inventory或者是不同的limit方式来控制不同区的机器并返回结果。理论上这样的多级调度是能够撑起大规模集群的，就是脚本写起来比较麻烦，需要考虑一级主机和二级主机。

其他参考资料

说到底，如果运行得快，那么集群规模大一点也可以。这篇文章介绍了一些ansible性能调优的方法。
Mackerel是一个监控平台。这篇日文文章介绍了使用Ansible和Mackerel API管理1000台规模集群的方法。Ansible tower也提供了类似的可视化管理页面，官方出品，是不是更靠谱呢。