fabric并行任务
默认情况下，Fabric 会默认 顺序 执行所有任务.这篇文档将介绍 Fabric 如何在多个主机上 并行 执行任务，包括 Fabric 参数设置，以及命令行全局控制。
Fabric 并行是如何运转的
由于 Fabric 1.x 并不是完全线程安全（以及为了更加通用，任务函数之间并不会产生交互），该功能的实现是基于 Python multiprocessing 模块，它会为每一个主机和任务组合创建一个线程，同时提供了一个（可选的）弹窗用于阻止创建过多的进程。
举个例子，假设你正打算更新数台服务器上的 Web 应用代码，所有服务的代码都更新后开始重启服务器。你可能会写出下面这样的代码：
from fabric.api import *
def update():
with cd("/root"):
run("git pull")
def reload():
sudo("service apache2 reload")
在三台服务器上并行执行，就像这样：
$ fab -H web1,web2,web3 update reload
常见的情况是没有启动任何并行执行参数，Fabric 将会按顺序在服务器上执行：
-
在 web1 上 更新
-
在 web2 上 更新
-
在 web3 上 更新
-
在 web1 上 重新加载配置
-
在 web2 上 重新加载配置
-
在 web3 上 重新加载配置
如果激活并行执行（通过 -P ）它将变成这样,-P后面会介绍：
-
在 web1、web3 和 web3 上 更新
-
在 web1、web2 和 web3 上 重新加载配置。
这样做的好处非常明显：如果 update 花费 5 秒 reload 花费 2 秒，顺序执行总共会花费 (5+2)*3 = 21 秒，而并行执行只需要它的 1/3，也就是 (5+2) = 7 秒。
如何使用
由于并行执行影响的最小单位是任务，也就是函数，所以功能的启用或禁用也是以任务为单位使用 parallel 或 serial 注解来实现的。
parallel表示并行，serial表示串行。
serial 注解可以省略，省略的情况下，默认就是串行执行。
以下面这个 fabfile 为例：
from fabric.api import *
@parallel
def runs_in_parallel():
print("执行runs_in_parallel")
pass
def runs_serially():
print("执行runs_serially")
pass
如果运行下面的命令：
$ fab -H host1,host2,host3 runs_in_parallel runs_serially
将会按照下面的流程执行：
-
runs_in_parallel 并行运行在 host1、host2 和 host3 上
-
runs_serially 运行在 host1 上
-
runs_serially 运行在 host2 上
-
runs_serially 运行在 host3 上
代码中的@parallel，表示这个任务可以在多台机器上并行执行。也就是fab同时向各台机器发送执行命令。这里的host1，host2，host3，可以是ip或者域名。-H表示后面跟的主机参数。
命令行参数
你也可以使用命令行选项 -P 或者环境变量 env.parallel ~fabric.decorators.serial 的任务会忽略该设置，仍旧保持顺序执行。
例如，下面的 fabfile 会产生和上面同样的执行顺序：
from fabric.api import *
def runs_in_parallel():
pass
@serial
def runs_serially():
pass
在这样调用时：
$ fab -H host1,host2,host3 -P runs_in_parallel runs_serially
和上面一样，runs_in_parallel 将会并行执行,因为有一个 -P 命令选项。 runs_serially 顺序执行。
bubble 大小
主机列表很大时，用户的机器可能会因为并发运行了太多的 Fabric 进程而被压垮，因此，你可能会选择 moving bubble 方法来限制 Fabric 并发执行的活跃进程数。
bubble 是气泡的意思，这里表示每次运行多少个主机并发执行。
默认情况下没有使用 bubble 限制，所有主机都运行在并发池中。你可以在任务级别指定 parallel 的关键字参数 pool_size 来覆盖该设置，或者使用选项 -z 全局设置。
例如同时在 5 个主机上运行：
from fabric.api import *
@parallel(pool_size=5) def heavy_task(): # lots of heavy local lifting or lots of IO here
或者不使用关键字参数 pool_size：
$ fab -P -z 5 heavy_task
行级输出 vs 比特级输出
为了支持 与远程程序集成 特性，Fabric 默认会一字节一字节地讲数据输出到终端。并行情况下，这样的输出结果会非常糟糕，因为多个进程的同时输出结果可能会混在终端的标准输出流中。这样就会非常混乱，输出的单词由于来自不同的机器，所以是不可读的。
为了消除该问题，在并行执行时 Fabric 会自动启用行级输出，这会导致上面链接中提到的远程交互特性大部分失效，不过这是一个合理的折中。
行级输出混淆的情况在多进程的情况下是无法避免的，但是你可以设置主机地址作为前缀来区分。
未来版本会增加增强的日志支持来简化并行运行情况下的问题追踪。
举个例子网技术交流总群(581912254)
