|
任何编程语言的榜单上，前几位都少不了Python，并且其受欢迎程度非常稳定。Python的强大在于两个方面，一是其语言本身，虽然被“诟病”为胶水语言，但其“简单”的设计理念，无论是对于想尽快上手的入门者，还是处理问题非常复杂多样的老手，都使得其工作变得格外简单。 TIOBE 2017年6月排名 Python保持稳定的状态 分析Github上受欢迎的Python项目，发现其覆盖从基础库到网站开发，到分布式系统，到机器学习等各个方面，几乎任何问题都能找到对应的Python解决方案。也正式因为此，Python才能解决程序员几乎所有的问题。 Github热门Python库 WEB开发 Python Web开发框架 Flask、Django、Tornado，这三个框架比较的问题，在各种地方被讨论。三者各有利弊，关键是寻找解决自己问题最简单的方法。由于这三个平台设计的出发点不同，使得这三个平台分别擅长解决不同的问题。 Flask是一个非常小巧的微框架，设计理念就是简单，小巧，提供WEB开发的核心功能，智能路由，视图展示等等。而对于其它其它框架（说的就是Django）所提供的ORM等功能则需要使用Extension来支持。 Django则是另外的设计理念，希望提供全套服务，让使用者能非常“轻松”的开发解决方案，无论是博客，还是BBS，甚至如豆瓣般的更重型的网站，不需要如Flask般自己构建相关的功能。 在使用Flask和Django后，就有个体会，Flask容易入门，并且在构建项目的过程中，让项目设计者对自己平台内部架构非常了解，甚至会针对不同功能选型合适的，或者容易的解决方案。但这对于开发者的能力需要有较高要求，其选型，代码实现等方面的能力都决定了项目的好坏。而Django则是完全相反，其入门难度稍高，哪怕是开发一个非常简单的接口，也需要对里面各方面的设计理念有所了解，否则很难run起来，同时由于其一整套解决方案的设计，使得开发者只能依规则行事，改造，创新，解bug难度较高。但对于复杂的需求，其内部设计的一致性，稳定性，让其比Flask更受欢迎。 Tornado的主要出发点是设计一个高吞吐，高性能的web server。虽然他也实现了部分web框架的其他功能，但其为人所道的仍多是其异步IO的设计理念，比其他web框架相比，极大地提高了并发访问的能力。但也由于其异步的设计，导致传统框架很容易的功能，比如WSGI的支持就很难。 也正是这样的设计理念，使得Tornado大多用于偏后段的处理模块，而其不擅长的偏前端功能，可以配合其它程序。 运维开发 运维部署框架 运维研发是Python语言另一个大放异彩的场景，小到运维人员日常的脚本，大到一个运维系统。Python程序本身或者开源软件都能很简单支撑运维人员日常的工作。日常工作本身可能也就Shell能和它一比。 Saltstack解决了运维人员最常见的一个任务：部署。当机器规模不大时，自己实现一个脚本就可以将程序分发到不同机器上。当需要部署的规模增大时，出现问题的概率增加，部署不成功的例子常见，这个时候还是用一个很弱的脚本去完成部署，则会困难重重。Saltstack采用master-agent的模式，在每台机器上都安装友agent，master和agent间通过消息机制进行通信，在无异常的情况下，通过可靠的消息机制即可以保证部署成功，即使出现异常状况，也可以通过master或者agent的信息很快定位到是什么问题，以至于在程序中加逻辑解决问题，重新部署。 除了部署外，筛查线上状态也是运维人员一个常见的操作。通过saltstack能很轻松的给机器上的agent发送命令，执行完筛查程序返回结果，然后再借助Django等WEB架构，可以轻松地开发出一个日常信息筛查展示的平台。 Ansible是另一个完成类似功能的程序。其设计理念更加简单，就是借助SSH的功能，将每个程序拷贝到每台主机上，这样部署的工作就不会依赖于类似agent这样程序的覆盖范围。或者更简单点，其实可以看做我们自己实现程序的一个稳定版本（假设运维认为一般情况下，自己开发的部署程序都是SSH到机器上）。 Ansible的缺点也非常明显，就是SSH被禁或者sshd程序异常的情况下，部署肯定是失败的。另外类似于筛查这样的工作，也会更复杂些，需要先将程序部署到机器上，然后运行获得结果，并传回中控机。 资源监控也是运维人员的日常工作，通过资源的异常及时发现业务可能受损的情况。资源监控设计到底层的实现，经常是由C来实现的，但是常见的资源监控平台或者软件ganglia、zabbix等都会支持Python的扩展。也就是说，即使没有Python实现的热门资源监控平台，Python也能让你很快的拓展这些框架或者平台。 数据展示matplotlib应该是Python领域中最知名的图形框架了，通过它的名字也可以看出，他要追求matlab那样的数据展示能力。其支持的图形多种多样，柱状图，折线图，散点图，二维图，三维图，各种数学曲线等等，通过matplotlib的接口即可以轻松实现。 matplotlib也体现了Python简洁的思想，定义画图、定义坐标轴、传入需要画图的数据，matplotlib就会显示对应的图形。它另一个更大的有点，即是在其官网上有丰富的例子，点击图片即可查看实现的源码，设计的也很讨巧。 matplotlib数据展示 seaborn是一个基于matplotlib而成的，更优秀的数据展示库，对于matplotlib图形的一些小的“瑕疵”进行了优化。并且seaborn实现的图要比matplotlib更温柔，更现代（也就是好看点）。 其他Python还会帮程序员解决搜索系统、科学计算、机器学习、常见编码、“泡妹子”等问题，待续... |
|
|
