运维自动化核心_Python的重要性（新人必看！）

大家好，我是云百科的客服小柏，我来为大家解答以上问题。运维自动化核心_Python的重要性（新人必看！）的很多人还不知道，那么运维自动化核心_Python的重要性（新人必看！）的问题，我们一起来看看吧！

解答：

1、 Python堪称大数据全栈开发语言。因为Python是云基础设施、DevOps、大数据处理等领域的热门语言。

2、 就像只要懂JavaScript就能写出完整的Web应用一样，只要懂Python就能实现完整的大数据处理平台。

3、 这年头，不支持云平台，不支持海量数据，不支持动态伸缩。我根本不敢说我在做大数据。最多也就敢跟人说我是做商业智能(BI)的。

4、 云平台分为私有云与公有云。私有云平台如火如荼的OpenStack就是Python写的。曾经的追赶者CloudStack强调，刚上线的时候是用Java写的，比Python有优势。结果脚下扔了块石头。2015年初，CloudStack创始人Citrix宣布加入OpenStack基金会，CloudStack即将寿终正寝。

5、 如果不想自建私有云，公有云如AWS、GCE、Azure、阿里云、青云现在都提供PythonSDK，其中GCE只提供Python和JavaScriptSDK，青云只提供PythonSDK。可见各种云平台对Python的重视。

6、 说到基础设施建设，不得不提Hadoop。如今，Hadoop已经不再是大数据处理的首选，因为它的MapReduce数据处理速度不够快，但是HDFS和Yarn——Hadoop的两个组件3354越来越受欢迎。Hadoop的开发语言是Java，没有官方的Python支持，但是有很多第三方库封装了Hadoop的API接口(pydoop，hadoopy等。).

7、 HadoopMapReduce的替代者是Spark，号称快100倍。它的开发语言是Scala，但是提供了Scala，Java，Python的开发接口。想讨好那么多用Python开发的数据科学家，却不支持Python，真的很不合理。HDFS的替代品，如GlusterFS、Ceph等。都直接提供Python支持。Mesos，Yarn的替代品，是用C实现的，除了C之外，还提供了Java和Python的支持包。

8、 DevOps有个中文名，叫开发自运维。在互联网时代，只有能够在第一时间快速测试新想法，安全可靠地传递商业价值，才能保持竞争力。DevOps提倡的自动化构建/测试/部署和系统度量等技术实践在互联网时代是必不可少的。

9、 由于应用，自动构造很容易。如果是Python应用，由于setuptools、pip、virtualenv、tox、flake8等工具的存在，自动构建非常简单。而且，因为几乎所有的Linux系统都内置了Python解释器，所以不需要在Python中预装任何软件来实现自动化。

10、 在自动化测试方面，基于Python的Robot框架是企业应用最喜欢的自动化测试框架，它与语言无关。黄瓜也有很多支持者，Python对应的生菜也可以做完全一样的事情。在自动化性能测试中，Locust也开始引起越来越多的关注。

11、 自动化配置管理工具，如Chef和Puppet，都是由Ruby开发的，它们仍然保持着强劲的势头。不过新一代Ansible和SaltStack——都是Python开发3354。因为在设计上比前两者更轻便，所以受到越来越多开发者的欢迎，也开始给前辈们制造了不小的压力。

12、 在系统监控和测量方面，传统的Nagios逐渐没落，Sensu等新贵颇受好评。云服务NewRelic已经成为创业公司的标配。这些都不是Python直接实现的，但是Python访问这些工具并不难。

13、 除了上述工具之外，基于Python并提供完整DevOps功能的PaaS平台，如Cloudify、Deis等，虽然还没有普及，但也受到了很多关注。

14、 大数据的数据从哪里来？除了部分企业有能力自行生成大量数据外，大部分时候需要依靠爬虫抓取互联网数据进行分析。

15、 网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTPtoolkiturlib2，HTML解析工具beautifulsoup，XML解析器lxml等。都是可以独立的类库。

16、 然而，网络爬虫不仅仅是打开网页，而是解析HTML。一个高效的爬虫应该能够支持大量灵活的并发操作，经常需要同时爬行几千甚至上万个网页。传统的线程池方式浪费了大量资源，上千个线程之后，系统资源基本上都浪费在线程调度上了。

17、 因为Python可以很好的支持协程操作，所以基于它开发了很多并发库，比如Gevent、Eventlet、Celery等。被认为比AMQP更高效的ZeroMQ也是第一个提供Python版本的。在高并发的支持下，网络爬虫才能真正达到大数据的规模。

18、 抓取的数据需要分词，Python在这方面并不逊色。著名的自然语言处理包NLTK和专门做中文分词的街霸都是分词的利器。

19、 万事俱备，只欠东风。这是数据处理算法。从统计理论来看，

20、Python的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的Pylearn2，是深度学习领域的重要成员。Theano利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有Pandas，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。 对了，还有iPython，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行ipythonnotebook在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPythonNotebook中。 iPythonNotebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。

本文到此讲解完毕了，希望对大家有帮助。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！