获取主机内部RAM工作的硬件信息但作为Rundeck作业失败的Python脚本

Question

我有一个自定义python脚本，它收集服务器主机硬件（CPU、RAM等）的信息（容量、供应商、制造商等），并将这些信息转储到json格式的输出文件中（即memory_info.json-稍后由另一个脚本用于其他用途）。在本例中，该脚本使用python subprocess来调用像"inxi"这样的外部程序

在各种主机（不同的操作系统、ARCH等）中进行了一些测试之后，它似乎工作得很好，因此我决定对其进行配置，以便作为Rundeck作业运行（用于中央管理目的）。rundeck作业非常简单，它仅以以下方式执行脚本：

sshpass -p ${RD_OPTION_SERVERPASSWORD} ssh -o StrictHostKeyChecking=no -o UserKnownHostsFile=/dev/null -q -t root@${RD_OPTION_SERVERIPADDRESS} "python3 /tmp/hw_inxi.py"

问题来了：

将其作为rundeck作业执行时，我得到以下回溯：

Traceback (most recent call last):
  File "/tmp/hw_inxi.py", line 53, in <module>
    "--output-file", "print", "--output", "json"]).strip().decode()
  File "/usr/lib/python3.7/subprocess.py", line 395, in check_output
    **kwargs).stdout
  File "/usr/lib/python3.7/subprocess.py", line 487, in run
    output=stdout, stderr=stderr)
subprocess.CalledProcessError: Command '['inxi', '-xxxm', '--output-file', 'print', '--output', 'json']' returned non-zero exit status 1.
Result: 1
Failed: NonZeroResultCode: Result code was 1
Execution failed: 2541 in project server_setup: [Workflow result: , step failures: {1=Dispatch failed on 1 nodes: [RUNDECK_SERVER: NonZeroResultCode: Result code was 1 + {dataContext=MultiDataContextImpl(map={ContextView(node:RUNDECK_SERVER)=BaseDataContext{{exec={exitCode=0}}}, ContextView(step:1, node:RUNDECK_SERVER)=BaseDataContext{{exec={exitCode=0}}}}, base=null)} ]}, Node failures: {RUNDECK_SERVER=[NonZeroResultCode: Result code was 1 + {dataContext=MultiDataContextImpl(map={ContextView(node:RUNDECK_SERVER)=BaseDataContext{{exec={exitCode=0}}}, ContextView(step:1, node:RUNDECK_SERVER)=BaseDataContext{{exec={exitCode=0}}}}, base=null)} ]}, status: failed]

Inxi已在目标计算机中安装并正确配置，二进制权限似乎正常。我的脚本在服务器中运行得很好，没有任何错误，当它作为rundeck作业（rundeck版本3.3.10）执行时，就会出现问题

下面可以看到脚本中的相关代码段：

inxi_mem = subprocess.check_output(["inxi", "-xxxm", "--output-file", "print", "--output", "json"]).strip().decode()
memory_list = json.loads(inxi_mem)

关于谁可能是罪魁祸首或如何排除上述问题，您有何想法

（请注意，如果我忘了什么，很抱歉，这是我的第一个问题）

Answer 1

我故意使用作业步骤连接到远程主机，因为这是将第二个脚本与第一个脚本从我的Rundeck服务器中收集的硬件数据一起使用的唯一方法

这个问题似乎与环境变量有关，它是通过在inxi命令中添加“tty”选项解决的，如本issue中所述。现在，subprocess命令如下所示，并像一个符咒一样工作

inxi_mem = subprocess.check_output(["inxi", " tty", "-xxxm", " output-file", "print", " output", "json"]).strip().decode()
memory_list = json.loads(inxi_mem)

Answer 2

如果要使用作业步骤连接到远程节点，一个好方法是：

1. 在model source中配置远程节点

2. 然后，在作业中，在命令步骤中调用脚本dispatching将作业发送到节点