Ansible Tower/AWX实例故障时作业执行行为及负载转移问询

场景1：单实例部署环境 #

服务器总数100台，仅1个AWX/Tower实例

• Task3在8台服务器执行完成后实例故障
  作业会直接中断，已完成的8台服务器上的Task3执行结果会被保留，但剩余92台的Task3及后续任务都不会继续执行，作业状态会标记为失败/中断。需要手动触发作业重试（可使用--start-at-task参数从Task3继续，或利用AWX的作业重试功能），不会自动恢复。
• Task3在8台服务器执行完成后CPU/内存达到峰值
  实例资源耗尽会导致作业执行卡顿，严重时Ansible进程会被系统OOM Killer终止，作业最终失败。已完成的8台结果保留，剩余任务未执行，需排查资源瓶颈（比如调整forks值、优化剧本）后重新执行。

场景2：3实例集群部署环境 #

服务器总数100台，3个AWX/Tower实例组成集群

注意：AWX/Tower集群的多实例是用来并行处理多个不同作业，单个作业的所有任务只会由集群中的某一个实例完整执行，不会拆分负载到多个实例。forks参数控制的是单个实例同时处理的目标服务器数量，和集群实例数无关。

• Task3在8台服务器执行完成后某实例故障
  如果故障的实例正好是当前作业的执行节点，作业会直接中断，已完成的8台结果保留，剩余任务停止，作业标记为失败。集群中其他存活实例不会自动接管这个未完成的作业，需要手动重试。如果故障的是其他未执行当前作业的实例，对当前作业无影响。
• Task3在8台服务器执行完成后CPU/内存达到峰值
  若峰值出现在执行当前作业的实例上，结果和单实例场景一致：作业卡顿或失败，已完成部分保留，剩余任务未执行。若峰值出现在其他实例上，当前作业不受影响，会继续执行。

额外问题：forks=3时实例故障，负载会自动转移吗？ #

不会。forks=3仅表示执行作业的单个实例同时对3台目标服务器执行Task3，所有负载都集中在该实例上。当该实例故障时，作业直接中断，集群中其他实例不会自动接管剩余任务，必须手动重试作业。

内容的提问来源于stack exchange，提问作者Koushik Padmanaban