fabric挖矿命令
『壹』 华为交换机理有个配置是 undo irf-fabric authentication-mode
1,在没有开启Fabric端口的情况下，不能更改本地交换机的Unit ID。
在设备的Unit ID修改后，Fabric的配置文件中关于该设备的配置将自动更新编号信息，例如在将Unit ID由2变更为4之后，配置文件中该设备的端口将自动由“2/0/x”修改为“4/0/x”，而无需用户手工更新配置。
2,Quidway S3900系列交换机提供了IRF自动堆叠功能，可以在候选交换机与Fabric中现有设备的软件版本和Fabric name不同的情况下，使候选交换机自动完成软件下载和Fabric name的修改工作，减少手工维护的工作量.
3,
irf-fabric authentication-mode命令用来配置IRF Fabric的认证模式及认证密码。undo irf-fabric authentication-mode命令用来取消IRF Fabric认证的相关配置。 缺省情况下，交换机上没有配置认证模式。
IRF Fabric的认证功能主要用于保证接入Fabric的设备的安全性，只有配置了相同认证模式和认证密码的授权设备才能够接入现有Fabric。
『贰』 关于fabric 并行执行任务求助
上篇笔记介绍了Fabric的概念、支持的元操作及task的定义方法，本篇笔记旨在说明如何在多台目标机器上正确地执行tasks以实现远程自动部署或运维。特别地，文中会说明如何配置fabric task以便远程执行命令时不会弹出密码输入提示。
1. Fabric的任务运行规则
根据Fabric Execution model的说明，fabric默认以串行方式运行tasks，具体而言：
1）在fabfile及其import文件中定义的task对象依次被创建（只是创建对象，并未真正执行），任务之间保持其定义的先后顺序。
2）对于每个task，生成将要运行该task的目标机器列表。
3）fab执行tasks时，按任务被指定的顺序依次执行这些任务；针对每个任务，依次在其指定的目标机器运行且只运行一次。
4）未指定目标机器的task被当作本地任务运行，且只会被运行一次。
假设在fabfile.py中定义了如下tasks:
from fabric.api import run, envenv.hosts = ['host1', 'host2']def taskA(): run('ls')def taskB(): run('whoami')
在终端运行fab –list时，我们会看到taskA和taskB两个任务，运行之：
$ fab taskA taskB
结果示例如下：
taskA executed on host1taskA executed on host2taskB executed on host1taskB executed on host2
通过上面的实例，大家应该可以明白fabric默认的串行执行策略是怎么回事。
Fabric还允许我们指定以并行方式（借助multiprocessing模块实现多个进程并行执行）在多台机器上并行地运行任务，甚至还可在同一个fabfile文件中指定某些task以并行方式运行，而某些task以默认的串行方式运行。具体地，可以借助@parallel或@serial指定任务的运行模式，还可以在命令行中通过-P参数指定任务是否要并性执行。示例如下：
from fabric.api import *@paralleldef runs_in_parallel(): passdef runs_serially(): pass
当运行如下命令时：
$ fab -H host1,host2,host3 runs_in_parallel runs_serially
执行结果示例如下：
runs_in_parallel on host1, host2, and host3runs_serially on host1runs_serially on host2runs_serially on host3
此外，还可以通过对@parallel传入pool_size参数来控制并行进程数以防并行进程太多把机器拖垮。
2. 为task指定目标机器
有多种方式可以指定任务的将要运行的目标机器，下面分别进行说明。
1）通过env.hosts或env.roles进行全局指定
Fabric的env模块中定义了一系列全局变量，可以将其理解为可以控制fabric行为的环境变量。其中env.hosts和env.roles可以用来全局指定task的目标机器列表，这两个“环境变量”的默认值都是空列表[]。
env.hosts的元素是fabric约定的”host strings”，每个host strings由username@hostname:port三部分构成，其中username和port部分可以缺省。本篇笔记前面的第1个代码实例其实已经说明了如何用env.hosts全局地指定task的目标机器列表，这里不再赘述。
env.roles则是在配置了env.roledefs的情况下才有用武之地。在很多时候，不同的机器有着不同的角色，如有些是接入层，有些是业务层，有些是数据存储层。env.roledefs可以用来组织这些机器列表以体现其角色，示例如下：
from fabric.api import envenv.roledefs = { 'web': { 'hosts': ['www1', 'www2', 'www3'], }, 'db': { 'hosts': ['db1', 'db2'], }}@roles('web')def mytask(): run('ls /var/www')
上例通过env.roledefs配置了两个角色web和db，分别包含3台、2台机器，并借助@roles为mytask指定了目标机器列表。
2）通过命令行进行全局指定
$ fab -H host1,host2 mytask
需要注意的是，命令行通过-H参数指定的机器列表在fabfile脚本load前被解释，故如果fabfile中重新配置了env.hosts或env.roles，则命令行指定的机器列表会被覆盖。为了避免fabfile覆盖命令行参数，在fabfile中应该借助list.extend()指定env.hosts或env.roles，示例如下：
from fabric.api import env, runenv.hosts.extend(['host3', 'host4'])def mytask(): run('ls /var/www')
此时，当我们运行”fab -H host1,host2 mytask”时，env.hosts包含来自命令行和fabfile的4台机器。
3）通过命令行为每个任务指定机器列表
$ fab mytask:hosts="host1;host2"
上述方式会覆盖全局指定的机器列表，确保mytask只会在host1, host2上执行。
4）借助装饰器@hosts为每个任务指定目标机器
from fabric.api import hosts, run@hosts('host1', 'host2')def mytask(): run('ls /var/www')
或者：
my_hosts = ('host1', 'host2')@hosts(my_hosts)def mytask(): # ...
每个任务的@hosts装饰器指定的机器列表会覆盖全局目标机器列表，但不会覆盖通过命令行为该任务单独指定的目标机器列表。
上述4种为task指定目标机器列表的方式之间的优先级规则总结如下：
1) Per-task, command-line host lists (fab mytask:host=host1) override absolutely everything else.
2) Per-task, decorator-specified host lists (@hosts(‘host1’)) override the env variables.
3) Globally specified host lists set in the fabfile (env.hosts = [‘host1’]) can override such lists set on the command-line, but only if you’re not careful (or want them to.)
4) Globally specified host lists set on the command-line (–hosts=host1) will initialize the env variables, but that’s it.
截止目前，我们可以看到，fabric允许我们混合使用上面列出的几种目标机器指定方式，但是我们要明白混合的结果是否符合预期。
此外，fabric默认会对通过不同来源出现多次的同一个目标机器做去重，当然，可以通过设置env.depe_hosts为False来关闭默认的去重策略。甚至还可以指定任务需要跳过的机器列表。具体细节可以参考Fabric Execution model的说明，这里不赘述。
3. 任务执行时，目标机器的密码管理
如果你亲自运行上面的示例代码，就会发现，每次在目标机器远程执行task时，fabric均会要求输入目标机器的登录名及密码。如果要在多台机器上执行task，那这些密码输入的过程可以自动化吗？
答案是肯定的。实现方式有两种，下面分别进行说明。
1）通过env.password或env.passwords配置目标机器的登录信息
下面的示例说明了如何通过env.passwords配置多台机器的登录信息：
#!/bin/env python#-*- encoding: utf-8 -*-from fabric.api import run, env, hosts## 需要注意的是，这里的host strings必须由username@host:port三部分构成，缺一不可，否则运行时还是会要求输入密码env.passwords = { '[email protected]:22': 'xxx', '[email protected]:23': 'yyy',}@hosts('10.123.11.209', '10.123.11.210')def host_os_type(): run('uname -a')
由于通过env.passwords配置了目标机器的登录用户名/密码，所以，当我们在终端运行fab host_os_type时，会发现不用手动输入密码了，大大方便了脚本远程自动执行。
但是，这种明文指定登录名/密码的方式存在安全性问题，所以，fabric还支持以ssh key认证的方式免密在远程机器执行任务。
在具体实现上，需要事先在目标机器上生成ssh public key并配置在~/.ssh/config文件中，然后在定义任务的fabfile中将env.use_ssh_config设置为True来启用基于ssh public key方式的身份认证，以便实现免密码远程执行任务。
具体细节可以参考Fabric Leveraging native SSH config files文档的说明，或者参考StackOverflow的这篇帖子Connecting to a host listed in ~/.ssh/config when using Fabric，限于篇幅，这里不再赘述。
最后，推荐DigitalOcean上一篇Fabric教程How To Use Fabric To Automate Administration Tasks And Deployments，浅显易懂，值得一读。Enjoy it
『叁』 怎么将fabric-sdk-java-master在myeclipse中使用
方法步骤如下:前提：系统已经安装gradle1.下载MaterialDrawer-develop.zip，并进行解压。2.新建文件夹MaterialDrawerProjects\library3.将目录MaterialDrawer-develop\library\src\main下的文件拷贝到新建的文件夹下，并将java文件夹重命名为src4.文件MaterialDrawer-develop\library\build.gradle开头处，添加“applyplugin:'eclipse'”5.启动cmd，进入目录MaterialDrawer-develop,执行命令：gradleeclipse6.目录MaterialDrawer-develop\library会生成两个文件.classpath和.project7.将生成的文件.classpath和.project拷贝到MaterialDrawerProjects\library下8.将.project下的library修改为MaterialDrawerlibrary9.通过eclipse软件将MaterialDrawerProjects\library导入到工程10.MaterialDrawerProjects\library依赖的库，需要仿造上面的步骤导入到eclipse中recycleriview:androidSDK自带的库(路径：extras\android\support\v7)MaterializeLibary（github.com/mikepenz/Materialize），前面加上pat，也需要导入到eclipse。
『肆』 fabric == 2.4.0怎么上传多个服务器
将目录下Moles/Setup.dist文件中”readline readline.c-lreadline -ltermcap”行前的注释去掉
编译安装：
./configure –enable-shared
make -j8 && make install
安装setuptools
tar xf setuptools-0.6c11.tar.gz
cd setuptools-0.6c11
python setup.py install
安装fabric
执行安装时，软件会自动从网上查找依赖的安装包并进行安装
tar xf fabric-0.9rc2.tar.gz
cd goosemo-fabric-1eacbf2
python setup.py install
『伍』 python fabric与shell比较有何优势
以下假定你的使用场景是命令行的脚本。
问题中提到的三个脚本语言（环境），自己都在使用，我的想法是，任何技术都有其擅长的领域和限制，具体到这个问题，显然Python更加强大和通用(general purpose)，shell是 类unix下的命令行语言，bat可认为是shell在Win下的替代品。
所以（假如只能三选一来学习）：
1. 如果只在类unix环境下使用，建议Python（因为Python基本在所有的类unix操作系统都是内置的）
2. 如果是Win并且可以安装Python,建议Python; 如果不能安装，则只能bat
事实上，在命令行脚本方面，我的建议是能够使用Python尽量使用Python，因其优美、可读、字符串处理的强大、跨平台等。
『陆』 如何用Fabric实现无密码输入提示的远程自动部署
上篇笔记介绍了Fabric的概念、支持的元操作及task的定义方法，本篇笔记旨在说明如何在多台目标机器上正确地执行tasks以实现远程自动部署或运维。特别地，文中会说明如何配置fabric task以便远程执行命令时不会弹出密码输入提示。
1. Fabric的任务运行规则
根据Fabric Execution model的说明，fabric默认以串行方式运行tasks，具体而言：
1）在fabfile及其import文件中定义的task对象依次被创建（只是创建对象，并未真正执行），任务之间保持其定义的先后顺序。
2）对于每个task，生成将要运行该task的目标机器列表。
3）fab执行tasks时，按任务被指定的顺序依次执行这些任务；针对每个任务，依次在其指定的目标机器运行且只运行一次。
4）未指定目标机器的task被当作本地任务运行，且只会被运行一次。
假设在fabfile.py中定义了如下tasks:
from fabric.api import run, envenv.hosts = ['host1', 'host2']def taskA(): run('ls')def taskB(): run('whoami')
在终端运行fab –list时，我们会看到taskA和taskB两个任务，运行之：
$ fab taskA taskB
结果示例如下：
taskA executed on host1taskA executed on host2taskB executed on host1taskB executed on host2
通过上面的实例，大家应该可以明白fabric默认的串行执行策略是怎么回事。
Fabric还允许我们指定以并行方式（借助multiprocessing模块实现多个进程并行执行）在多台机器上并行地运行任务，甚至还可在同一个fabfile文件中指定某些task以并行方式运行，而某些task以默认的串行方式运行。具体地，可以借助@parallel或@serial指定任务的运行模式，还可以在命令行中通过-P参数指定任务是否要并性执行。示例如下：
from fabric.api import *@paralleldef runs_in_parallel(): passdef runs_serially(): pass
当运行如下命令时：
$ fab -H host1,host2,host3 runs_in_parallel runs_serially
执行结果示例如下：
runs_in_parallel on host1, host2, and host3runs_serially on host1runs_serially on host2runs_serially on host3
此外，还可以通过对@parallel传入pool_size参数来控制并行进程数以防并行进程太多把机器拖垮。
2. 为task指定目标机器
有多种方式可以指定任务的将要运行的目标机器，下面分别进行说明。
1）通过env.hosts或env.roles进行全局指定
Fabric的env模块中定义了一系列全局变量，可以将其理解为可以控制fabric行为的环境变量。其中env.hosts和env.roles可以用来全局指定task的目标机器列表，这两个“环境变量”的默认值都是空列表[]。
env.hosts的元素是fabric约定的”host strings”，每个host strings由username@hostname:port三部分构成，其中username和port部分可以缺省。本篇笔记前面的第1个代码实例其实已经说明了如何用env.hosts全局地指定task的目标机器列表，这里不再赘述。
env.roles则是在配置了env.roledefs的情况下才有用武之地。在很多时候，不同的机器有着不同的角色，如有些是接入层，有些是业务层，有些是数据存储层。env.roledefs可以用来组织这些机器列表以体现其角色，示例如下：
from fabric.api import envenv.roledefs = { 'web': { 'hosts': ['www1', 'www2', 'www3'], }, 'db': { 'hosts': ['db1', 'db2'], }}@roles('web')def mytask(): run('ls /var/www')
上例通过env.roledefs配置了两个角色web和db，分别包含3台、2台机器，并借助@roles为mytask指定了目标机器列表。
2）通过命令行进行全局指定
$ fab -H host1,host2 mytask
需要注意的是，命令行通过-H参数指定的机器列表在fabfile脚本load前被解释，故如果fabfile中重新配置了env.hosts或env.roles，则命令行指定的机器列表会被覆盖。为了避免fabfile覆盖命令行参数，在fabfile中应该借助list.extend()指定env.hosts或env.roles，示例如下：
from fabric.api import env, runenv.hosts.extend(['host3', 'host4'])def mytask(): run('ls /var/www')
此时，当我们运行”fab -H host1,host2 mytask”时，env.hosts包含来自命令行和fabfile的4台机器。
3）通过命令行为每个任务指定机器列表
$ fab mytask:hosts="host1;host2"
上述方式会覆盖全局指定的机器列表，确保mytask只会在host1, host2上执行。
4）借助装饰器@hosts为每个任务指定目标机器
from fabric.api import hosts, run@hosts('host1', 'host2')def mytask(): run('ls /var/www')
或者：
my_hosts = ('host1', 'host2')@hosts(my_hosts)def mytask(): # ...
每个任务的@hosts装饰器指定的机器列表会覆盖全局目标机器列表，但不会覆盖通过命令行为该任务单独指定的目标机器列表。
上述4种为task指定目标机器列表的方式之间的优先级规则总结如下：
1) Per-task, command-line host lists (fab mytask:host=host1) override absolutely everything else.
2) Per-task, decorator-specified host lists (@hosts(‘host1’)) override the env variables.
3) Globally specified host lists set in the fabfile (env.hosts = [‘host1’]) can override such lists set on the command-line, but only if you’re not careful (or want them to.)
4) Globally specified host lists set on the command-line (–hosts=host1) will initialize the env variables, but that’s it.
截止目前，我们可以看到，fabric允许我们混合使用上面列出的几种目标机器指定方式，但是我们要明白混合的结果是否符合预期。
此外，fabric默认会对通过不同来源出现多次的同一个目标机器做去重，当然，可以通过设置env.depe_hosts为False来关闭默认的去重策略。甚至还可以指定任务需要跳过的机器列表。具体细节可以参考Fabric Execution model的说明，这里不赘述。
3. 任务执行时，目标机器的密码管理
如果你亲自运行上面的示例代码，就会发现，每次在目标机器远程执行task时，fabric均会要求输入目标机器的登录名及密码。如果要在多台机器上执行task，那这些密码输入的过程可以自动化吗？
答案是肯定的。实现方式有两种，下面分别进行说明。
1）通过env.password或env.passwords配置目标机器的登录信息
下面的示例说明了如何通过env.passwords配置多台机器的登录信息：
#!/bin/env python#-*- encoding: utf-8 -*-from fabric.api import run, env, hosts## 需要注意的是，这里的host strings必须由username@host:port三部分构成，缺一不可，否则运行时还是会要求输入密码env.passwords = { '[email protected]:22': 'xxx', '[email protected]:23': 'yyy',}@hosts('10.123.11.209', '10.123.11.210')def host_os_type(): run('uname -a')
由于通过env.passwords配置了目标机器的登录用户名/密码，所以，当我们在终端运行fab host_os_type时，会发现不用手动输入密码了，大大方便了脚本远程自动执行。
但是，这种明文指定登录名/密码的方式存在安全性问题，所以，fabric还支持以ssh key认证的方式免密在远程机器执行任务。
在具体实现上，需要事先在目标机器上生成ssh public key并配置在~/.ssh/config文件中，然后在定义任务的fabfile中将env.use_ssh_config设置为True来启用基于ssh public key方式的身份认证，以便实现免密码远程执行任务。
具体细节可以参考Fabric Leveraging native SSH config files文档的说明，或者参考StackOverflow的这篇帖子Connecting to a host listed in ~/.ssh/config when using Fabric，限于篇幅，这里不再赘述。
最后，推荐DigitalOcean上一篇Fabric教程How To Use Fabric To Automate Administration Tasks And Deployments，浅显易懂，值得一读。Enjoy it
『柒』 ubuntu搭建hyperledger fabric1.4出现了以下问题，好像一直没有在下载
建议看看《Linux就该这么学》 里面有个专栏是 Linux命令大全(手册)
加入我们的群，一起讨论
Linux就该这么学》是一本注重于实用性的Linux系统技术自学书籍，自基础篇公布后网站每天日常阅读量已经超过10000多人，25万多名忠实粉丝读者，是目前国内人气增速最快的IT书籍。您可以在本网站内免费在线阅读书籍的全部章节及最新内容，今后的进阶篇也将会一如既往免费、完整的提供给亲爱的读者们在线学习。
『捌』 服装英语 高手救命 Fabric Detail Sheet
纽约＆公司的织物详细表
季节：
日期： 2008.04.15为：
分工：
供应商质量发展起来的：
面料供应商：
纱线原产国：
织造厂/国家定位的轧机：
针织磨/国家定位的轧机：
戴先生＆终结者/国家定位的轧机：
印表机或纱线染色/国家定位的磨坊：
织物质量号：
纱线尺寸/丹尼/ ＃长丝- （经x纬）
建筑：
捻度每英寸-5 50捻度每米单打：
来往：
内容：
可剪裁宽度：
径：
重量（ g/m2之间） ，然后洗/后洗手：
经x纬（威尔士x课程）
每场（轻/中型/暗色彩） ：
面料/服装终点：
染料染色方法：
容量/每月：
散装交货期，以针织：
散装交货期，以染料颜色aprvl ：
散装交货期打印从罢工小康批准：
散装最低每颜色/命令：
绸胚码数可供查阅：
样本码可每颜色：
样本码数最低数量的百分之颜色：
样本码交货期：
建议护理指导：
织物的历史-2 3年的客户：
手续发运：
月/年：
纱线染色升/时间为升/时间为样本闵重复最大值屏幕
和S /取舍每组合尺寸（长数额或设置
打印方法（周） （周） （码） x宽） clrs收费限制
箔
羊群
直接/亚洲浆纸（湿）
放电（湿）
色素（干）
其他
条纹
y /提花机
固体提花机
织物的过程1 ）织造2 ）冲刷3 ）预设4 ）染色（ 1 ） 5 ） ，终凝
（机/状态）
6 ）中查阅7 ）打印8 ）检查
『玖』 fabric 支持在linux环境nohup后台运行吗
我想写SHELL脚本同启进程并行执行利用NOHUP& 否行
另 若行写两命令并用号隔表示两命令串行执行
比C1C2C3C4表示4条命令
c1;c2
c3;c4
否C1C2串行执行
C1C2C3C4并行执行
假设每条命令执行程序耗
『拾』 Ubuntu上搭建HyperLedger Fabric过程中，执行 ./byfn.sh generate一直报错
这是我找到的一个解决方法，你看看有没有用：
在启动fabric中first-network网络时，需要执行一个自动化脚本：
./byfn.sh -m generate
该脚本需要自动生成相关证书信息，fabric官方提供了两款工具：configtxgen、cryptogen。在脚本执行中会从fabric-simple/bin中取查找并调用两者。初次启动时没有这个工具的。
解决方法：
进入fabric目录，看见make* 文件，使用make configtxgen、make cryptogen两个指令生成工具（如果之前搭建过fabric-1.0环境，直接进fabric/build将bin文件夹直接移动到fabric-sample目录即可）。生成后的文件在fabric/build/bin里面，移动到相关位置即可。
楼主如果对Linux系统感兴趣，想学习更多Linux系统操作知识，可以网络《Linux就该这么学》，不错的一本Linux入门学习教程。