公告Ryan 的 SRE 之旅 —— 内容持续更新,欢迎指正。

SaltStack如何实现自动化运维,自动化运维怎么入门?

2026-11-17 自动化 0 阅读

SaltStack 用 Master-Minion 架构加事件驱动机制,把批量执行、配置管理、监控联动和故障取证串成一条流水线,对十几到几百台机器的 SRE 团队来说,是投入产出比相当高的一套自动化底座。它不像某些工具那样只管配置下发,而是能听懂”事件”——磁盘告警、服务挂掉、配置漂移,都可以触发预设动作,这一层能力在真实故障场景里特别值钱。

## SaltStack 在 SRE 日常里到底管哪几摊事

很多人第一次接触 SaltStack,以为它就是个批量跑命令的工具,用两天就放下了。其实它的价值分三层,越往下越省事。

### 第一层:批量执行,把重复劳动压缩成一行命令

这是最直接的用法。一百台机器要查磁盘、看进程、重启服务,SSH 一台台登进去纯属折磨。SaltStack 里一条命令搞定:

“`
salt ‘*’ cmd.run ‘df -h’
salt ‘web*’ service.restart nginx
salt -L web01,web02 test.ping
“`

目标匹配支持通配符、列表、grains、pillar、正则,甚至复合条件,比如 `salt -C ‘G@os:CentOS and web*’`。业内专家指出,运维自动化的第一步不是写多复杂的脚本,而是先把”对多台机器做同一件事”的成本降到接近零,SaltStack 这一步做得干净。

### 第二层:配置管理,用 State 把”应该是什么样”写下来

命令是临时的,State 是可复用的。把 Nginx 的安装、配置文件、服务启动写成一个 `.sls` 文件,之后任何一台新机器只要执行 `salt ‘new01’ state.apply nginx`,就能推到目标状态。配置文件改错了、被人手动动了,重新 apply 一次就能拉回来。

关键是 State 是幂等的,执行十次和执行一次结果一样,这才敢放进定时任务或者事件触发里。

### 第三层:事件驱动,让告警自己找上门处理

这是 SaltStack 相对其他配置管理工具比较特别的地方。Minion 上发生的事件会通过 ZeroMQ 发回 Master,Master 上的 reactor 可以监听这些事件并触发动作。举个实际场景:磁盘使用率超过阈值,Minion 上跑的 beacon 发出事件,reactor 收到后自动执行清理脚本或者拉起扩容流程。整个过程不需要人盯着告警平台点按钮。行业共识认为,从”人看告警”过渡到”事件驱动响应”,是运维成熟度往上走的关键一步,SaltStack 恰好把这条路铺好了。

## SaltStack 和 Ansible 哪个更适合中小企业

这个问题在运维群里被问得太多,直接摆事实对比。

对比维度 SaltStack Ansible
架构 Master-Minion,常驻 agent 无 agent,走 SSH
执行速度 大规模并发快,千台级别优势明显 机器越多越慢,受 SSH 连接数限制
上手门槛 稍高,要理解 grains、pillar、reactor 低,YAML 写 playbook 就能跑
事件驱动 原生支持,reactor 机制成熟 需要额外组件配合
适用规模 几十到数千台 几十台以内比较舒服
运维成本 要维护 Master 高可用 几乎零基础设施

结论不复杂:机器数量在几十台以内、团队人手紧、只想快速把重复操作脚本化,Ansible 更省心;机器上百台、对执行速度和事件联动有要求、愿意维护一套 Master,SaltStack 更划算。中小企业如果正处于从”手动运维”往”平台化”过渡的阶段,可以先 SaltStack 管核心业务机,边缘机器用 salt-ssh 兜底,两头都不耽误。

## SaltStack 自动化运维怎么入门

别一上来就啃官方文档几百页,按下面这个顺序走,一两天能跑通最小闭环。

### 搭建最小可用环境

1. 一台机器装 Master,`yum install salt-master` 或 `apt install salt-master`,改 `/etc/salt/master` 里的 `interface` 和 `file_roots`。
2. 业务机装 Minion,配置 `/etc/salt/minion` 里的 `master: ` 和 `id: web01`,启动服务。
3. Master 上执行 `salt-key -L` 看待签列表,`salt-key -A` 全部接受。
4. `salt ‘*’ test.ping` 返回 True,链路就通了。

### 几条必须练熟的命令

– `salt ‘*’ grains.items`:看机器的基础信息,做目标匹配全靠它。
– `salt ‘*’ state.show_sls nginx`:执行前先 dry-run,看会改什么,这个习惯能救命。
– `salt-run manage.up`:快速确认哪些 Minion 在线。
– `salt ‘*’ cmd.run ‘xxx’ –output=json`:结构化输出,方便后续接监控或者存档。

把这几条跑熟,日常八成的批量操作需求就覆盖了。

## SaltStack 批量部署配置实战:从监控告警到故障复盘

这部分是 SRE 真正天天打交道的场景,也是 SaltStack 最能体现价值的地方。

### 告警触发后,让机器自己把现场留下来

故障复盘最痛的是什么?是事后发现关键日志被轮转掉了、当时的进程栈没抓、内存快照没了。等工程师登上去,现场已经变样。

用 SaltStack 的 reactor 可以做自动取证。思路是:监控系统(Zabbix、Prometheus 的 Alertmanager 都行)通过 webhook 把告警推到 salt-api,Master 收到后触发一个 reactor,自动在目标机器上执行一组采集命令——`ps aux`、`ss -antp`、`dmesg | tail`、`df -h`、关键日志目录打包,统一落到一个带时间戳的归档路径。整个过程在告警发生后几十秒内完成,人还没打开电脑,现场已经存好了。

配置路径大致是:`/etc/salt/master` 里开 `reactor` 段,指向 `/srv/reactor/` 下的 sls 文件,每个 sls 里写清楚匹配什么事件、调什么 runner 或 state。这块建议先在测试环境把事件打出来看清楚格式,再写匹配规则。

### 故障复盘依赖的数据怎么留

复盘不是写检讨,是要拿数据说话。SaltStack 能在几个环节提供硬材料:

– 变更记录:每次 state.apply 的返回结果可以落库,谁在什么时间改了哪台机器的哪个配置,一目了然。复盘时对照变更窗口和故障时间,能快速排除或锁定嫌疑。
– 配置漂移检测:定期跑 `state.apply test=True`,把有差异的机器列出来,漂移本身就是很多故障的源头。
– 批量取证归档:上面说的自动采集,归档文件按”故障编号+主机+时间”命名,复盘会上直接调取,不用靠回忆。

有一个细节值得注意:取证脚本本身要用 State 管理起来,版本化,别散落在各台机器上,否则下次故障你连采集脚本对不对都说不清。

## SaltStack 运维实施成本大概多少

预算这块得分几块算,别只盯着软件本身。

软件是开源的,SaltStack 本体不花钱,企业版 SaltStack Config 按节点收费,具体报价随节点数和订阅年限浮动,得找厂商谈。真正的成本在三处:一是人力,把 State 体系写清楚、reactor 调通,一个熟悉 SaltStack 的工程师大概要投入几周到一两个月做体系搭建;二是基础设施,Master 要做高可用,多一台备用机,加上 Redis 做 job cache,机器成本不高但要有;三是培训或者外包,团队里没人懂 SaltStack,找培训机构或者请服务商做实施,价格差异很大,一线城市和二三线城市报价能差出一截,像上海、北京这类地方,SaltStack 自动化运维服务商的实施报价通常按人天计,具体数字建议多问几家对比,别只看总价,要看交付物里有没有完整的 State 仓库和文档。

想省钱的路径也有:先自己按官方文档搭一套最小环境跑通,把最痛的批量操作和配置管理吃下来,事件驱动那块等团队消化了再上,分期投入压力小很多。

## 收个尾

SaltStack 不是什么新鲜玩意儿,但它的分层能力——批量执行、状态管理、事件驱动——恰好对应 SRE 从”救火”走向”预防”的三个台阶。选不选它,看机器规模和团队意愿;用不用得好,看有没有把 State 和 reactor 当成正经代码来维护。

## 关于 SaltStack 自动化运维的常见疑问

Q:SaltStack 的 Master 挂掉了,整个运维体系是不是就瘫了?

不至於,但要提前设计。Minion 上的 State 和已下发的配置不受影响,业务继续跑;受影响的是新的批量操作和事件联动。常规做法是 Master 做主备或者多 Master 架构,Minion 配置里写多个 master 地址,配合 `salt-run manage.up` 类巡检和外部监控盯着 Master 进程本身。另外要定期备份 Master 上的 `/etc/salt/`、`/srv/salt/`、`/srv/pillar/` 目录和密钥,恢复起来才快。

Q:Minion 数量涨到几百台以后,执行变慢怎么办?

先排查是不是目标匹配写得太宽,`salt ‘*’` 全量扫本来就慢,能精确到 grains 或主机组就别用通配符。其次看 Master 的 job cache 是不是落在本地文件系统上,换 Redis 或者外部 returner 能明显缓解。再往上,可以考虑多 Master 分担、调整 worker_threads 参数,官方文档给的规模上限是数万台 Minion,几百台远没到瓶颈,多数情况是配置没调好。

Q:用 SaltStack 管 Windows 机器靠谱吗?

可以管,Minion 有 Windows 版本,cmd.run、service、file 这些基础模块都能用,pkg 模块走的是 Windows 的包管理接口。但 State 的写法要和 Linux 分开维护,跨平台复用度不高,event 和 beacon 在 Windows 上的支持也没有 Linux 完整。如果 Windows 机器占比不大,用 salt-ssh 做轻量管理反而更省事;占比高的话,建议单独建一套环境,别和 Linux 混在一个 file_roots 里。

推荐阅读

RELATED
河北名美凯利建筑工程有限公司 冀ICP备2026046508号-4