Linux运维自动化核心在于可复用、可追溯、易协作，需坚持声明式描述、安全、幂等、分环境三原则；Ansible适合中小规模，SaltStack适配大规模，均须遵循IaC规范与故障应急机制。
Linux运维自动化不是写几个脚本就完事，关键在可复用、可追溯、易协作的设计逻辑。批量部署和配置管理的核心，是把“人执行的动作”变成“机器理解的声明式描述”，同时守住安全、幂等、分环境这三条底线。
用Ansible做轻量级批量部署：不装Agent，也能稳控百台机器
Ansible适合中小规模场景，SSH直连、YAML写法直观、模块丰富。重点不在“能跑”，而在“怎么组织”。建议按角色拆解playbook：web.yml、db.yml、monitor.yml，每个文件只负责一类服务；变量统一放在group_vars/或host_vars/下，避免硬编码IP或密码；敏感信息用ansible-vault加密，而不是注释掉或写进Git。
- 首次上线前，先用ansible all -m ping -u deploy_user验证连通性和权限
- 部署包用copy模块传文件时，加backup: yes，出错可快速回退
- 服务启动后加wait_for_connection和uri模块做简单健康检查，别只看systemctl是否返回0
用SaltStack管大规模配置：状态驱动+环境隔离是关键
SaltStack适合500+节点以上场景，Master-Minion架构天然支持高并发。真正落地难点不在安装，而在state文件设计。推荐按功能分SLS文件（如nginx.sls、users.sls），再用top.sls按环境（dev/staging/prod）绑定主机和状态；所有路径、端口、用户都定义为Jinja变量，通过pillar动态注入；禁止在state里写shell命令，该用file.managed就不用cmd.run。
- 每次修改pillar数据后，先salt '*' pillar.items确认下发结果，再执行state.highstate
- 用salt-run state.event pretty=True监听实时事件，排查执行卡点
- 给关键state加test=True参数预演，尤其涉及用户删除、服务重启等操作
配置即代码（IaC）落地要点：版本、评审、灰度三步不能少
所有playbook、SLS、模板文件必须进Git仓库，分支策略参考Git Flow：main存生产就绪配置，develop集成功能，feature分支命名带业务标识（如feat-redis-auth）。每次合并前走PR流程，至少一人CR；上线前用ansible-playbook --check或salt '*' state.show_highstate预览变更；生产环境首次应用，先选3台同类机器灰度，确认日志、监控、业务指标无异常再全量。
- 配置文件中禁用绝对路径硬编码，统一用{{ grains['os'] }}或{{ salt['grains.get']('env') }}动态适配
- 定时任务、系统参数等需持久化的内容，用cron.present或sysctl.present等原生模块，而非echo追加到crontab或sysctl.conf
- 每季度清理过期的host_vars、废弃的pillar key，避免“配置腐烂”
故障快速止血：自动化也要留手动出口
再完善的自动化，也要考虑“一键切回人工”的能力。比如Ansible playbook里保留deploy_manual.yml，只做基础环境准备（用户、目录、权限），跳过服务启停；Salt的top.sls里预留manual环境，对应minion_id以-manual结尾；所有部署脚本输出完整日志到/var/log/automate/，带时间戳和执行ID，方便关联ELK排查。
