技能 Tech

基础设施自动化

面向服务器的 SSH 批量执行、ping 矩阵与健康检查。在跨多台服务器执行基础设施操作时使用。

概述

基础设施自动化为跨服务器集群的 SSH 操作提供可复用模式。它包含带公网 IP 和 Tailscale IP 的服务器清单、批量执行模板、Tailscale 网状连通性测试,以及面向 PROD 服务的 HTTP 健康检查脚本。

服务器清单

一张占位表格,列出服务器角色(例如 web、prod、db)及其公网 IP、Tailscale IP 和 SSH 连接字符串。请从你自己的私有清单中填写,并在使用前核实;随附的 skill 中绝不硬编码真实地址。

SSH 批量执行

使用恰当的标志在所有(或选定的)服务器上运行命令:-o BatchMode=yes 可防止交互式提示挂起自动化流程,-o ConnectTimeout=5 可防止在无法访问的主机上挂起。输出会被限制以防止刷屏。在任何批量自动化之前,通过一个显式的引导步骤将主机密钥一次性添加到 ~/.ssh/known_hosts;先逐节点检查网状可达性,不可达节点回退到公网 IP,或记录日志条目后暂缓处理。

Ping 矩阵(Tailscale)

测试 Tailscale 网状网络中所有设备之间的 N×N 连通性。每台源服务器 ping 其他所有服务器的 Tailscale IP,生成延迟矩阵。适用于诊断网状连通性问题或验证新增节点。

健康检查

按端口检查所有 PROD 服务:从 PROD 服务器本身 curl 每个服务的 /health 端点,报告 HTTP 状态码或 UNREACHABLE。还包含 Docker 服务状态、所有服务器的 Tailscale 状态、磁盘使用检查以及 nginx 配置校验的模板。

安全规则

  • 绝不通过批量执行运行破坏性命令 — 一次一台服务器并显式确认
  • 始终使用 BatchMode=yes 以防止密码提示
  • 在批量运行前先在一台服务器上验证命令
  • 保持 SSH 会话简短 — 运行后即退出,不使用持久会话
  • 进行变更时记录所有操作以形成审计轨迹
  • 在将服务标签(launchd/systemd)写入 runbook 之前,先实时探测 — 绝不凭记忆或占位符填写