Gemessen an echten Playbooks.

Zwei Workloads, jeder von einem Rezept im Repository ausgeführt, gegen ansible-core 2.19.12 mit aktiviertem Pipelining. Jede Zahl auf dieser Seite stammt aus diesen Rezepten, gemessen am 2026-09-27.

50×schneller bei vier Galaxy-Roles
2.15×schneller bei k3s-ansible site.yml
Vier Galaxy-Rolesgeerlingguy.security, nginx, git und pip auf zwei bereits konvergierten Ubuntu-24.04-Hosts, 56 Tasks pro Host
0 s5 s10 s15 s20 s25 s30 s
ansible-core 26.435 sVolant 0.529 s

Fahren Sie über die Kurve, um sie zu lesen.

k3s-ansible site.ymldas offizielle k3s-ansible-Playbook gegen einen installierten Cluster, ein Server und ein Agent
0 s10 s20 s30 s40 s50 s
ansible-core 50.519 sVolant 23.477 s

Fahren Sie über die Kurve, um sie zu lesen.

Median von drei gemessenen Durchläufen am 2026-09-27, gegen ansible-core 2.19.12 mit pipelining = True. Eine Linie ist hoch, solange der Lauf dieser Engine aktiv ist.

Die Faktoren liegen aus gutem Grund weit auseinander. Die Roles ändern auf einem konvergierten Host nichts, daher geht fast die gesamte Zeit der Referenz in die Mechanik um jedes Modul. Das k3s-Playbook startet bei jedem Durchlauf Dienste neu und führt Installationsskripte aus, und diese Arbeit dauert mit beiden Engines gleich lang.

Wo Volant seine Zeit verbringt.

Der mediane Durchlauf, nach Schritten aufgeteilt. Ein nativer Schritt wird vom Agent auf dem Host in Rust beantwortet.

Vier Galaxy-Roles0.529 s für zwei Hosts
Verbindungen öffnen172.6 ms
file ×8, lineinfile ×8, stat ×5nativ52.8 ms
systemd, 3 Tasksnativ52.4 ms
setup, Facts sammelnnativ47.6 ms
apt, 8 Tasksnativ38.4 ms
Frames und Blobs auf der Leitung27.1 ms
Tasks auf dem Controller vorbereiten25 ms
Python-Modulsatz bauenzwischengespeichert15.3 ms
Warten auf den anderen Host10.6 ms
k3s-ansible, der Server23.477 s für zwei Hosts
k3s neu starten, Server und Agentnatives systemd13.03 s
service_factsnativ2.48 s
apt mit update_cachePython2.21 s
Verbindungen öffnen350 ms
Warten auf den anderen Host253 ms
Tasks auf dem Controller vorbereiten185 ms
package_factsnativ168 ms
Facts sammelnnativ55 ms
Python-Modulsatz bauenzwischengespeichert30.6 ms

Bei k3s ist der größte Teil der 23.5 Sekunden Arbeit, die das Playbook verlangt: den k3s-Dienst neu starten, sein Installationsskript ausführen und 13 command-Tasks. Beide Engines zahlen dafür gleich viel, weil es Prozesse auf dem Host sind. Was übrig bleibt erklärt den Rest.

Die Konfiguration.

Auf beiden Seiten Standardeinstellungen, außer Pipelining, das die Referenz schneller macht.

Verwaltete Hosts
zwei Ubuntu-24.04-Hosts, je 4 Kerne
Controller
Ubuntu 26.04, 8 Kerne
Volant
Release-Build, Standardeinstellungen: native Module an, eine SSH-Verbindung pro Host
Referenz
ansible-core 2.19.12 mit pipelining = True, Forks auf dem Standardwert 5
Durchläufe
ein Aufwärmdurchlauf pro Engine, danach je drei gemessene Durchläufe; berichtet wird der Median
Prüfung
jeder Durchlauf muss bei beiden Engines mit demselben PLAY RECAP enden, sonst schlägt das Rezept fehl

Messen Sie Ihren eigenen Lauf.

Bei Ihrem eigenen Playbook gibt --profile die obige Aufteilung für Ihren Lauf aus, Schritt für Schritt.

Um die beiden Workloads zu reproduzieren, bauen die Rezepte Volant im Release-Modus, laufen gegen die Hosts, die Sie nennen, und geben die Mediane und das Verhältnis aus. Sie brauchen ansible-core 2.19.12, installiert mit uv tool install, und zwei Hosts, auf denen das Konto sudo ohne Passwort hat. Die Rezepte verändern diese Hosts, nehmen Sie also Maschinen, die Sie neu aufsetzen können. Die Rezepte

# Your own run, split by step 
volant playbook -i inventory.ini site.yml --profile

# The two workloads of this page 
VOLANT_TARGET_HOST=host1 VOLANT_SECOND_HOST=host2 just bench 3 
VOLANT_TARGET_HOST=host1 VOLANT_SECOND_HOST=host2 just bench-k3s 3

Diese Zahlen beschreiben zwei Playbooks auf zwei Hosts. Ihre hängen von Ihrem Netzwerk ab, davon, was Ihre Tasks tun, wie viele davon ein natives Modul abdeckt und wie viele Hosts Sie gleichzeitig ansteuern. Die vollständige Messung