多主机场景下如何避免Ansible Playbook因单主机失败而终止？

问题根源 #

你遇到的核心问题是：条件判断中的变量未定义属于语法级致命错误，这类错误会直接终止整个Playbook，无法被ignore_errors或max_fail_percentage捕获。原因如下：

• ignore_errors仅处理任务执行阶段的失败（比如模块调用失败），不处理任务解析阶段的变量未定义问题。
• max_fail_percentage统计的是任务执行失败的主机比例，但变量未定义会触发Playbook提前终止，根本轮不到这个参数生效。

在你的场景中，stat任务因Python解释器不匹配失败后，file_status.stat不存在，导致后续两个set_fact的when条件都不满足，fstatus变量始终未被定义。最后一个任务的条件fstatus == 'TRUE'解析时直接报错，终止了整个Playbook。

解决方案 #

要实现10台主机中2台失败、其余8台继续执行的目标，需要从两个层面修复：

1. 确保变量fstatus始终有定义，避免解析错误；
2. 正确配置ignore_errors、max_fail_percentage和strategy: free，让部分主机的任务失败不影响全局。

修正后的Playbook示例

- hosts: all
  strategy: free
  max_fail_percentage: 20  # 10台主机允许最多20%（即2台）失败
  vars:
    # 提前定义fstatus的默认值，避免未定义错误
    fstatus: "FALSE"
  tasks:
    - name: Check if file exists
      stat:
        path: /tmp/file.tmp
      register: file_status
      ignore_errors: true  # 允许stat任务失败，不终止后续任务

    - name: Update fstatus if stat succeeded and file exists
      set_fact:
        fstatus: "TRUE"
      when: file_status is succeeded and file_status.stat.exists

    - name: Execute script if file exists
      shell: python script.py
      register: result
      when: fstatus == 'TRUE'

关键修复点说明

• 提前定义变量默认值：在play的vars块中设置fstatus: "FALSE"，确保无论前面的任务是否失败，变量始终存在，避免条件判断时的解析错误。
• 给stat任务加ignore_errors：让stat任务失败时，后续任务仍能继续执行，而不是直接终止当前主机的任务流程。
• 合理配置max_fail_percentage：设置为20%（对应10台主机中的2台），当失败主机数超过这个比例时才会终止Playbook，符合你的预期。
• strategy: free：保持该策略，让每个主机独立执行任务，不受其他主机的任务失败状态影响。

补充优化方案 #

如果不想在play开头定义默认值，也可以用default过滤器在条件判断中直接处理：

- name: Execute script if file exist
  shell: python script.py
  register: result
  when: (file_status is succeeded and file_status.stat.exists) or (fstatus | default("FALSE") == 'TRUE')

这种方式会在fstatus未定义时自动使用默认值"FALSE"，同样能避免解析错误。

内容的提问来源于stack exchange，提问作者gjvignesh