前一篇我们通过代码对Jenkins上的任务和节点进行遍历，通过计算可以推断任务执行的资源是否充足。这一篇将通过另外一个角度去观察资源的分布情况。

在我们使用限制运行节点的配置时，系统会自己在配置项下方计算可用环境数量，如果我们点击这个链接，会跳转到下面这样的一个页面

这上面可以很方便的观察任务和节点的绑定情况。

我们这一篇要做的就是将每个label的这个信息提取出来，确认当前的label下的机器分布情况。

基本流程

先统计全部任务中配置的不一样的label。再结合label的这个页面进行数据的提取和对比。

 

代码实现

label提取参照上一篇文章，此时不需要统计任务的具体数量，只需要维护一个label的集合即可。

job_names = jks.keys()  
label_set = set()  
for job_name in job_names:  
    job = jks.get_job(job_name)  
    dt = parseString(job.get_config())  
    collection = dt.documentElement  
    try:  
        assign_node = collection.getElementsByTagName("assignedNode")[0]  
        label = assign_node.firstChild.data  
    except IndexError as e:  
        print(e)  
        label = 'built-in'  
    label_set.add(label)  
print(label_set)

在本地机器上得到了这三个label

 

接下来使用jenkinsapi中的api数据来提取上面那个网页的内容。

for label_name in label_set:  
    label = jks.get_label(label_name)  
    label_data = jks.get_data(jks.python_api_url(label.baseurl))  
    print(label_data)

打印的值如下所示，在网页里也可以点击右下角的Rest api里面的Python api来得到这个数据。

借助Pycharm来对这个数据进行格式化。可以观察到几个关键信息。

   

执行器数量方面：busyExecutors，忙碌的执行器数量；idleExecutors，闲置的执行器数量，totalExecutors，总执行器数量。

环境资源方面：clouds，云的信息；nodes，节点；

任务方面：tiedJobs，关联到这个label的任务。

同时我们也可发现built-in是主节点。也有相关机器，但看不出相关的任务。

---

通过上面的方法，我们可以很清晰的去判断自己配置的单个label下所用的机器和分配的任务是否合理。

优缺点分析

优点是很容易观察到执行器相关的信息，并且这是个动态的数据，随任务运行会有变化。还能看到cloud的绑定情况。

缺点是不同label间可能会有交叉。需要做进一步的运算才能确认资源的紧缺情况。

其他

Jenkins中任务非常多的时候，执行遍历任务会耗时较长，我们的jks实例很可能会断掉，此时只需要在jks执行命令的地方加上异常处理，捕捉到异常后重新建立jks并执行这个步骤一般都可解决这个问题。如:

try:  
    job = jks.get_job(job_name)  
except Exception as e:  
    print(e)  
    jks = Jenkins('http://127.0.0.1:8080/', username='bob', password='110c70ea8f41063e377aca53007a1ca2e4',  
          use_crumb=True)  
    job = jks.get_job(job_name)