1. 首先还是先来了解一下什么是policy，它是用来做什么的
在openstack的用户管理中，有三个概念：Users, Tenants, Roles。简单来说，policy就是用来控制某一个User在某个Tenant中的权限的。这个User能执行什么操作，不能执行什么操作，就是通过policy机制来实现的。直观的看，policy就是一个json文件，位于/etc/[SERVICE_CODENAME]/policy.json中，每一个服务都有一个对应的policy.json文件，通过配置这个文件，实现了对User的权限管理。
另外就是还有一个角色(role)的概念，这个概念肯定都很熟悉了，是权限的集合，可以将role赋予某个user，使这个user拥有相应的权限，方便用户权限管理。policy.json文件可以在role的级别配置，不过默认的配置的角色只有admin，如果需要配置其他的角色，需要自己创建，然后在policy.json中进行配置。
接下来，看一下policy.json长什么样子：
{
"context_is_admin": "role:admin",
"admin_or_owner": "is_admin:True or project_id:%(project_id)s",
"default": "rule:admin_or_owner",
"compute:create": "role:admin",
"compute:create:attach_network": "",
"compute:create:attach_volume": "",
"compute:create:forced_host": "is_admin:True",
"compute:get_all": "",
......
}
复制代码
policy.json有两种写法：
一种是每一行写成列表形式
另一种就是上面的例子，是写成字符串形式的
这里只说后面一种情况。
每一行可以分为两部分：冒号前面的叫做action，即用户执行的操作，冒号后面的叫rule，即用来根据当前的上下文(context)，来判断前面的action是否能够由当前的user执行。policy做的主要工作，就是来解析这个rule的，要把这个字符串的rule，解析成相应的对象，在外部调用policy进行权限认证的时候，根据action映射到相应的rule对象，然后由这个对象判断是否能够执行这个action。
但是如上面的例子，像context_is_admin，admin_or_owner这样的action，怎么看都不像action，它们的确不是action，后面会讲到是怎么回事。
2. 如何实现
这部分功能的实现主要在nova/openstack/common/policy.py模块中实现，首先还是先来看看这个模块的整体结构图：
首先就是那个Rules类，它继承自dict，也就是说Rules是一个字典类型的，它的对象就是保存解析之后的policy.json文件得到的数据的，key保存的是action，value保存的是解析rule得到的对象。这个Rules对象被创建后，会赋值给模块中的_rules变量。
其次是BaseCheck体系类，它们就对应的是rule字符串解析之后得到的对象，即Rules对象的value保存的就是BaseCheck对象。这个类体系可以分为三类：
1）TrueCheck和FalseCheck：解析他们是最简单的，rule如果是空字符串或者是"@"的话，那么就直接对应的是TrueCheck对象，这个对象的返回值总为True；如果rule是"!"的话，那么就对应FalseCheck对象，总是返回False，如果rule不对应任何对象，那么它就最终对应FalseCheck对象
2）RuleCheck, RoleCheck, HttpCheck, GenericCheck：rule字符串中，冒号左边是"rule"的，都会解析成RuleCheck对象，冒号左边是"role"的都会解析成RoleCheck，冒号左边是"http"的都会解析成RoleCheck对象，如果是其他的情况，那么就对应GenericCheck对象，比如rule为is_admin:True的情况。
3）OrCheck, AndCheck, NotCheck：这些对象对应的是复合的rule，即用逻辑符号连接的几条规则，比如上面例子中的"is_admin:True or project_id:%(project_id)s"，它对应的对象为OrCheck类型。上面两种情况的解析都很简单，难的就是这个复合rule的解析，费了一番功夫。上面类图中的ParseState类和ParseStateMeta类就是用来解析复合rule的。
如果不深究每条rule是怎么解析的话，看一个函数就够了，即模块中的_parse_check()函数，从这个函数中，就可以知道每条规则对应哪种对象：
# 真正的解析一个单一的rule,将它由冒号分隔开，得到kind和match，根据kind值，在_check查找对应的Check对象，
# 然后以kind,match为参数，调用Check对象的__call__()返回最终的结果:真或假
def _parse_check(rule):
"""
Parse a single base check rule into an appropriate Check object.
"""
# Handle the special checks
if rule == '!':
return FalseCheck()
elif rule == '@':
return TrueCheck()
try:
kind, match = rule.split(':', 1)
except Exception:
LOG.exception(_("Failed to understand rule %(rule)s") % locals())
# If the rule is invalid, we'll fail closed
return FalseCheck()
# Find what implements the check
if kind in _checks:
return _checks[kind](kind, match)#这里竟然调用的是Check的__init__()，把kind和match赋值给Check中的kind和match
elif None in _checks:
return _checks[None](kind, match)
else:
LOG.error(_("No handler for matches of kind %s") % kind)
return FalseCheck()
复制代码
如果要深究每条rule是如何解析的话，请移步这里：
最后，再来说一下转换成的这些对象有什么用，为什么要费这么大劲转换成对象，直接用字符串的rule来判断不好吗，以及怎么用这些对象去判断用户的操作是否合法？
为什么要将字符串转换成对象？这个理由太好说了，就是为了抽象，抽象是为了方便，是为了以不变应万变，这就是面向对象的好处。比如此处的Check对象，就抽象出了kind和match成员变量，分别对应rule字符串的冒号左边和右边的内容。当用这些对象来判断用户操作是否合法时，是这样来使用的：result = _rules[action](target, creds)，因为Rules类被创建后会赋值给_rules变量，所以这里的_rules变量就代表Rules对象，而Rules对象又是一个字典类型的，key是action，value是BaseCheck对象，所以就相当于是直接在调用BaseCheck对象的__call__()方法了，参数分别是target和creds，target是action要操作的目标，creds是当前的上下文环境，再结合Check对象中的kind和match，就可以根据相应的逻辑来判断这个操作是否合法了。举个简单的例子，看RoleCheck是如何来判断的：
@register("role")
class RoleCheck(Check):
def __call__(self, target, creds):
"""Check that there is a matching role in the cred dict."""
return self.match.lower() in [x.lower() for x in creds['roles']]
复制代码
比如规则"role:admin"，kind为"role"，match为"admin"，所以RoleCheck就是判断一下admin这个用户是否在creds上下文中，如果在，就返回真，不在返回假。
至于OrCheck等对象判断是否合法则更简单，在他们内部都维护了一个rules列表，存放的是每条单一规则对应的Check对象，在他们的__call__()方法中一个for循环，来判断，OrCheck为一真即真，AndCheck为一假即假。
上面还提到有些action看起来不像action的，的确，那样的规则，一般都会转换成GenericCheck对象，而RuleCheck对象的__call__()在判断用户操作是否合法时，是采用递归的方法来判断的，比如下面的例子：
"compute_extension:accounts": "rule:admin_api", #-->RuleCheck
"admin_api": "is_admin:True", #-->GenericCheck
复制代码
RuleCheck对象通过递归调用，最终调用了GenericCheck对象的__call__()方法，得出最终的结果。至于，为什么要这样做，我现在还不是很清楚。
3. 如何使用
如何使用上面已经说的差不多了，在外部只要调用nova/policy.py模块中的enforce()即可：
def enforce(context, action, target, do_raise=True):
init()#读取json文件，解析，并将解析的内容封装成一个Rules对象，然后把这个对象赋值给_rules变量
credentials = context.to_dict()
extra = {}
if do_raise:
extra.update(exc=exception.PolicyNotAuthorized, action=action)
return policy.check(action, target, credentials, **extra)
复制代码
有意思的是每次调用enfore()，都会去重新读取一次policy.json文件，并且重新进行一次解析，所以，对json文件的修改，是起实时作用的，不需要重启任何服务，修改之后，只要调用enfore()就会起作用，这很方便。
4. 测试
说了这么多，不能光说不练啊，这里还是举个创建实例的例子，通过调试的手段，来具体看一下效果。测试的过程如下：
（1）修改程序
在nova/compute/api.py中的_check_create_policies()方法中添加如下几句代码：
print '*'*30
creds=context.to_dict()
print creds['roles']
print '*'*30
raise Exception
复制代码
即打印出当前上下文中的roles。然后抛出异常，停止。
（2）启动各项服务
（3）修改policy.json文件
将 "compute:create" : "" 这条规则修改为："compute:create": "role:admin", 即将原来的任何角色的用户都可以创建实例的权限修改为只有admin角色的用户可以创建实例。
（4）创建实例，观看异常
$ source openrc demo demo
$ nova boot --flavor 1 --image 29936f2a-0e05-47e0-8d43-b9d579b107f9 --key-name pubkey-01 instance-01
ERROR: Policy doesn't allow compute:create to be performed. (HTTP 403) (Request-ID: req-bd0cda7e-2207-46af-becb-72a3a3bec598)
复制代码
看，报出了异常，说policy不允许compute:create被执行，说明修改的规则生效了。
看下日志中输出的当前上下文中的角色：
******************************
[u'Member', u'anotherrole']
******************************
如果使用admin角色的用户创建实例是没有问题的。日志输出如下：
******************************
[u'admin', u'KeystoneAdmin', u'KeystoneServiceAdmin']
******************************