用了一个月不装 Agent 的开源运维平台，记个流水账

前阵子换了家公司，接手运维八台服务器。交接文档约等于没有，前任留下的就是一个 Excel 表——IP、密码、跑了什么服务，有些还是过期的。

我以前用 Ansible 管过一段时间，但这家公司的机器跨了两个云厂商，而且有两台是托管在客户机房的物理机，客户不让装 Agent 类的东西。Ansible 倒是不需要 Agent（走 SSH），但光 playbook 的维护成本就够喝一壶了，而且团队里只有我会写 YAML，真出事了别人接不了。

想找个简单点的工具，翻了一圈 GitHub 找到一个开源的运维平台。不装 Agent，装好后通过 SSH 连接目标机器，Web 界面操作。试了一个月，把踩的坑和实际感受记一下。

部署

Docker 部署，照着文档跑了两条命令就起来了，这步没啥好说的。加主机的时候需要填 SSH 连接信息（IP、端口、用户名、密码或密钥），填完测试连接，通了就行。八台机器大概十分钟录完。

第一个坑：批量执行的输出

上手第一件事是批量看一下各台机器的磁盘状况。选了 8 台主机，执行 df -h。结果出来了，每台单独一个输出框，能看到哪台成功哪台失败。

比以前 for 循环 SSH 好的地方在于：不用等前一台执行完才跑下一台，而且某台连接失败不会把整个流程卡住。

但第一个坑也来了：有一台机器的 SSH 端口不是 22，我录主机信息的时候没注意写错了。平台报错信息不太明确，我排查了十来分钟才发现是端口的问题。这个算是自己的锅，但错误提示确实可以更友好一些。

日常用得最多的：在线终端

实话说，这个月用得最多的功能就是 Web 终端。点一下主机名就能开一个终端窗口，不用再打开本地的 iTerm 挨个连。

有一天晚上在外面吃饭，收到告警说有台机器 CPU 飙高。掏出手机打开浏览器，Web 终端登上去一看，是一个定时任务卡死了，kill 掉就好了。要是以前得回家开电脑连 VPN，这个场景确实方便。

不过 Web 终端的体验跟原生 SSH 客户端还是有差距，比如偶尔会有延迟，vim 操作不太跟手。日常看个日志、跑个命令没问题，长时间编辑文件我还是会切回 iTerm。

发版：够用但不算惊艳

我接手的一个 Java 项目之前是纯手工发版的——登上去、git pull、mvn package、重启。把这个流程配到平台的"应用发布"里，拆成了几个步骤，配了一次之后每次发版在页面上点一下就行。

两个好处：一是有发布记录，谁在什么时间发了什么版本能查到；二是回滚方便，选上一个版本重新发就行。

不足的地方：发布流程比较线性，没有灰度发布、没有审批流、没有和 CI 打通。对于我这个规模够用了，但稍微正式一点的团队可能会觉得简陋。

任务计划

把几个定时脚本挪到了平台的"任务计划"里。以前是每台机器各自写 crontab，散在各处，有时候这台改了那台忘了。集中到一个地方管理确实清爽不少，而且执行结果有日志，不用再去机器上翻 cron 的邮件了。

一个月后的不满

该吐槽的也得吐槽。

日志查看是最大的短板。 平台不采集应用日志。每次排查问题还是得开终端去机器上 tail 日志。我知道这不是一个轻量运维工具该干的事，但用了平台之后反而更觉得这块缺了。

监控只覆盖基础指标。 CPU、内存、磁盘、端口探活这些有，但没有业务层面的监控。我想看某个接口的响应时间、某个消费者的堆积量，做不到。不过平心而论，要做到这些就不是一个运维平台的事了。

没有权限管理的精细度。 只有管理员和普通用户两种角色。我想给开发开一个只读权限——能看主机状态但不能执行命令——做不到。

文件传输没有进度条。 往服务器上传一个 200M 的包，页面上看不到进度，只能等。传完了也没有 MD5 校验提示。

最后

一个月用下来的总结：这个平台解决的是"不想在每台机器上装 Agent，但又想有个统一界面管理服务器"的问题。批量执行、Web 终端、应用发布这几个核心功能确实够用，日常运维的效率比纯 SSH 高了一截。

但它不是万能的。日志、APM、细粒度权限这些不在它的能力范围内。把它当成一个轻量级的运维中控台，期望值放对了，体验就不会差。

开源项目，感兴趣的可以看看：https://github.com/openspug/spug