Ansible如何在循环任务中对失败迭代项进行重试

不需要调大全局等待间隔，直接用Ansible原生的任务重试机制即可实现需求，仅在单个节点操作失败时触发额外等待+重试，不影响正常场景下的执行效率。

核心逻辑说明 #

• 保留原有正常场景下节点间12秒的基础间隔，不拉长全局执行耗时
• 针对单个循环项（单台主机）配置独立重试规则：操作失败时等待更长时间后重新执行当前节点的移除操作，不直接跳到下一个节点
• 可自定义单节点最大重试次数、重试等待时长，避免偶发的锁未释放、间隔不足问题

可直接使用的任务配置 #

- name: Loop through removing all hosts
  shell: "echo yes | gravity remove --force {{ item }}"
  loop: "{{ result.stdout_lines }}"
  # 单节点失败重试配置
  register: remove_op_result
  # 重试终止条件：命令返回码为0即判定执行成功，终止重试
  until: remove_op_result.rc == 0
  # 单节点最多重试3次，可根据实际场景调整
  retries: 3
  # 仅重试时触发的等待时长，单位秒，失败后等20秒再重试当前节点
  delay: 20
  loop_control:
    # 保留原有节点间的基础12秒间隔，仅上一个节点操作最终成功后才触发
    pause: 12

可选优化：避免假成功 #

如果碰到过命令返回码为0、但实际操作未完成（比如后台进程仍持有锁）的场景，可以把成功判断条件加严，把实际碰到过的报错关键词加入判断规则，示例：

until:
  - remove_op_result.rc == 0
  - "'operation is in progress' not in remove_op_result.stderr"
  - "'resource locked' not in remove_op_result.stderr"

执行流程说明 #

• 节点操作一次成功：执行移除命令 → 等待12秒 → 开始处理下一个节点，和原有逻辑完全一致
• 节点操作偶发失败：执行移除命令失败 → 等待20秒 → 重新执行当前节点的移除命令 → 重试成功后等待12秒，再处理下一个节点
• 节点连续重试达到上限次数仍失败：直接标记任务失败，终止整个流程，避免异常扩散

内容的提问来源于stack exchange，提问作者adb