基于Python的DevOps
安道 译
出版时间：2022年02月
页数：512
在过去的十年里，技术发生了很大的变化。数据是热门话题，云无处不在，许多组织都需要某种形式的自动化。在这场变革中，Python发展成为世界上最流行的语言之一。这本实用的资料 将向你展示如何使用Python来完成Linux系统的日常管理任务，如何使用当下最火热的DevOps工具，包括Docker、Kubernetes和Terraform。
对数百万专业人士来说，学习如何与Linux交互及实现自动化是必不可少的技能。通过这本书，你将学会如何使用容器开发软件、解决问题，以及如何监控、测试、负载测试和操作你的软件。想寻找借助Python解决问题的有效方法？看这本书绝对没错。
● Python基础知识，简单介绍语言特性。
● 如何自动处理文本，编写命令行工具和自动处理文件系统。
● Linux实用程序、包管理、构建系统、监控、监测和自动化测试。
● 云计算、IaC、Kubernetes和Serverless。
● 站在DevOps的角度探讨机器学习和数据工程。
● 构建、部署和优化一个机器学习项目。
对数百万专业人士来说，学习如何与Linux交互及实现自动化是必不可少的技能。通过这本书，你将学会如何使用容器开发软件、解决问题，以及如何监控、测试、负载测试和操作你的软件。想寻找借助Python解决问题的有效方法？看这本书绝对没错。
● Python基础知识，简单介绍语言特性。
● 如何自动处理文本，编写命令行工具和自动处理文件系统。
● Linux实用程序、包管理、构建系统、监控、监测和自动化测试。
● 云计算、IaC、Kubernetes和Serverless。
● 站在DevOps的角度探讨机器学习和数据工程。
● 构建、部署和优化一个机器学习项目。
- 前言
- 第1章 Python DevOps基础知识
- 1.1 安装和运行Python
- 1.1.1 Python shell
- 1.1.2 Jupyter Notebooks
- 1.2 过程式程序设计
- 1.2.1 变量
- 1.2.2 基本的数学运算
- 1.2.3 注释
- 1.2.4 内置函数
- 1.3 执行控制
- 1.3.1 if/elif/else
- 1.3.2 for循环
- 1.3.3 while循环
- 1.4 处理异常
- 1.5 内置对象
- 1.5.1 对象是什么
- 1.5.2 对象的方法和属性
- 1.5.3 序列
- 1.6 函数
- 1.6.1 函数剖析
- 1.6.2 函数是对象
- 1.6.3 匿名函数
- 1.7 使用正则表达式
- 1.7.1 搜索
- 1.7.2 字符集合
- 1.7.3 字符类
- 1.7.4 分组
- 1.7.5 具名分组
- 1.7.6 查找所有
- 1.7.7 查找迭代器
- 1.7.8 替换
- 1.7.9 编译
- 1.8 惰性求值
- 1.8.1 生成器
- 1.8.2 生成器推导
- 1.9 更多IPython功能
- 1.9.1 在IPython中运行UNIX shell命令
- 1.9.2 使用IPython的魔法命令
- 1.10 练习题
- 第2章 文件和文件系统自动化处理
- 2.1 读写文件
- 2.2 使用正则表达式搜索文本
- 2.3 处理大型文件
- 2.4 加密文本
- 2.4.1 哈希和hashlib
- 2.4.2 使用Cryptography库加密
- 2.5 os模块
- 2.6 使用os.path管理文件和目录
- 2.7 使用os.walk遍历目录树
- 2.8 使用pathlib处理路径对象
- 第3章 使用命令行
- 3.1 使用shell
- 3.1.1 使用sys模块探知系统信息
- 3.1.2 使用os模块处理操作系统
- 3.1.3 使用subprocess模块派生进程
- 3.2 编写命令行工具
- 3.2.1 使用sys.argv
- 3.2.2 使用argparse
- 3.2.3 使用click
- 3.2.4 使用fire
- 3.2.5 实现插件系统
- 3.3 案例分析：使用命令行工具提速Python
- 3.3.1 使用Numba JIT编译器
- 3.3.2 通过Python CUDA使用GPU
- 3.3.3 使用Numba真正多核多线程运行Python代码
- 3.3.4 k均值聚类算法
- 3.4 练习题
- 第4章 Linux实用程序
- 4.1 磁盘实用程序
- 4.1.1 衡量性能
- 4.1.2 分区
- 4.1.3 获取特定的设备信息
- 4.2 网络实用程序
- 4.2.1 SSH隧道
- 4.2.2 使用Apache Benchmark（ab）评测HTTP
- 4.2.3 使用molotov做负载测试
- 4.3 CPU实用程序
- 4.3.1 CPU实用程序简介
- 4.3.2 使用htop查看进程
- 4.4 使用Bash和ZSH
- 4.4.1 自定义Python shell
- 4.4.2 递归路径模式匹配
- 4.4.3 搜索和替换确认提示
- 4.4.4 删除Python临时文件
- 4.4.5 列出和筛选进程
- 4.4.6 UNIX时间戳
- 4.5 Python与Bash和ZSH混合使用
- 4.5.1 随机密码生成器
- 4.5.2 这个模块是否存在
- 4.5.3 进入模块所在的目录
- 4.5.4 把CSV文件转换成JSON文件
- 4.6 Python单行程序
- 4.6.1 调试器
- 4.6.2 这段代码的运行速度有多快
- 4.7 strace
- 4.8 练习题
- 4.9 实操题
- 第5章 包管理
- 5.1 打包简介
- 5.1.1 打包的重要性
- 5.1.2 何时不需要打包
- 5.2 打包准则
- 5.2.1 恰当的版本号
- 5.2.2 更改日志
- 5.3 选择一种策略
- 5.4 打包方案
- 5.4.1 Python原生包
- 5.4.2 Debian包
- 5.4.3 RPM包
- 5.5 使用systemd管理服务
- 5.5.1 长时间运行的进程
- 5.5.2 创建项目
- 5.5.3 systemd单元文件
- 5.5.4 安装单元
- 5.5.5 处理日志
- 5.6 练习题
- 5.7 实操题
- 第6章 持续集成和持续部署
- 6.1 真实案例分析：把维护不善的WordPress网站转换成Hugo
- 6.1.1 设置Hugo
- 6.1.2 把WordPress文章转换成Hugo文章
- 6.1.3 创建并更新Algolia索引
- 6.1.4 使用Makefile编排流程
- 6.1.5 使用AWS CodePipeline部署
- 6.2 真实案例分析：使用Google Cloud Build把Python应用部署到Google App Engine中
- 6.3 真实案例分析：NFSOPS
- 第7章 监控和日志
- 7.1 构建可靠系统的关键概念
- 7.2 不可变的DevOps原则
- 7.2.1 集中处理日志
- 7.2.2 案例分析：生产数据库塞满硬盘
- 7.2.3 自建还是购买？
- 7.2.4 容错
- 7.3 监控
- 7.3.1 Graphite
- 7.3.2 StatsD
- 7.3.3 Prometheus
- 7.4 监测程序
- 7.4.1监测程序概述
- 7.4.2 命名约定
- 7.5 日志
- 7.5.1 为什么很难
- 7.5.2 basicconfig
- 7.5.3 深度配置
- 7.5.4 常用模式
- 7.6 ELK栈
- 7.6.1 Logstash
- 7.6.2 Elasticsearch和Kibana
- 7.7 练习题
- 7.8 实操题
- 第8章 pytest在DevOps中的应用
- 8.1 测试小钢炮pytest
- 8.2 pytest入门
- 8.2.1 使用pytest测试
- 8.2.2 与unittest的区别
- 8.3 pytest特性
- 8.3.1 conftest.py
- 8.3.2 出色的assert
- 8.3.3 参数化
- 8.4 固件
- 8.4.1 入门
- 8.4.2 内置固件
- 8.5 基础设施测试
- 8.5.1 什么是系统验证
- 8.5.2 Testinfra简介
- 8.5.3 连接远程节点
- 8.5.4 特性和特殊固件
- 8.5.5 案例
- 8.6 使用pytest测试Jupyter Notebooks
- 8.7 练习题
- 8.8 实操题
- 第9章 云计算
- 9.1 云计算基础知识
- 9.2 云计算的类型
- 9.3 云服务的类型
- 9.3.1 IaaS
- 9.3.2 MaaS
- 9.3.3 PaaS
- 9.3.4 Serverless
- 9.3.5 SaaS
- 9.4 IaC
- 9.5 持续交付
- 9.6 虚拟化和容器
- 9.6.1 硬件虚拟化
- 9.6.2 SDN
- 9.6.3 SDS
- 9.6.4 容器
- 9.7 分布式计算面临的挑战和机遇
- 9.8 云时代Python的并发、性能和进程管理
- 9.9 进程管理
- 9.9.1 使用subprocess管理进程
- 9.9.2 使用multiprocessing库解决问题
- 9.9.3 使用Pool()派生进程
- 9.9.4 FaaS和Serverless
- 9.9.5 使用Numba提升Python的性能
- 9.9.6 使用Numba JIT编译器
- 9.9.7 使用高性能服务器
- 9.10 小结
- 9.11 练习题
- 9.12 实操题
- 第10章 IaC
- 10.1 基础设施自动化工具分类
- 10.2 手动配置
- 10.3 使用Terraform自动配置基础设施
- 10.3.1 配置S3 bucket
- 10.3.2 使用ACM配置SSL证书
- 10.3.3 配置Amazon CloudFront分配
- 10.3.4 配置Route 53 DNS记录
- 10.3.5 把静态文件复制到S3中
- 10.3.6 删除使用Terraform配置的所有AWS资源
- 10.4 使用Pulumi自动配置基础设施
- 10.4.1 为AWS新建一个Pulumi Python项目
- 10.4.2 为过渡堆栈创建配置值
- 10.4.3 配置一个ACM SSL证书
- 10.4.4 配置Route 53区域和DNS记录
- 10.4.5 配置一个CloudFront分配
- 10.4.6 为网站的URL配置一个Route 53 DNS记录
- 10.4.7 创建并部署一个新堆栈
- 10.5 练习题
- 第11章 容器技术：Docker和Docker Compose
- 11.1 Docker容器是什么
- 11.2 创建、构建、运行及删除Docker映像和容器
- 11.3 把Docker映像发布到Docker注册处中
- 11.4 使用相同的映像在不同的宿主机中运行Docker容器
- 11.5 使用Docker Compose运行多个Docker容器
- 11.6 把Docker Compose运行的服务移植到新主机和操作系统中
- 11.7 练习题
- 第12章 容器编排：Kubernetes
- 12.1 Kubernetes相关概念简述
- 12.2 使用Kompose根据docker-compose.yaml创建Kubernetes清单
- 12.3 使用minikube把Kubernetes清单部署到本地Kubernetes集群
- 12.4 在GCP中使用Pulumi创建GKE Kubernetes集群
- 12.5 把Flask示例应用部署到GKE中
- 12.6 安装Helm chart Prometheus和Grafana
- 12.7 销毁GKE集群
- 12.8 练习题
- 第13章 Serverless技术
- 13.1 把同一个Python函数部署到三大云服务商中
- 13.1.1 安装Serverless框架
- 13.1.2 把Python函数部署到AWS Lambda中
- 13.1.3 把Python函数部署到Google Cloud Functions中
- 13.1.4 把Python函数部署到Azure中
- 13.2 把Python函数部署到自托管的FaaS平台中
- 13.2.1 把Python函数部署到自托管的PaaS平台的优势
- 13.2.2 把Python函数部署到OpenFaaS中
- 13.3 使用AWS CDK配置DynamoDB数据表、Lambda函数和API网关方法
- 13.4 练习题
- 第14章 MLOps和机器学习工程
- 14.1 机器学习是什么
- 14.1.1 监督型机器学习
- 14.1.2 建模
- 14.2 Python机器学习生态环境
- 14.2.1 Python机器学习框架和生态系统
- 14.2.2 PyTorch深度学习
- 14.3 机器学习云平台
- 14.4 机器学习成熟模型
- 14.4.1 机器学习重点术语
- 14.4.2 第1层：问题构建、范围界定和问题定义
- 14.4.3 第2层：持续交付数据
- 14.4.4 第3层：持续交付净化数据
- 14.4.5 第4层：持续交付探索性数据分析
- 14.4.6 第5层：持续交付传统机器学习和AutoML
- 14.4.7 第6层：机器学习运作反馈环
- 14.5 使用Docker和Kubernetes部署sklearn Flask应用
- 14.5.1 EDA
- 14.5.2 建模
- 14.5.3 调整GBM缩放
- 14.5.4 拟合模型
- 14.5.5 评估
- 14.5.6 adhoc_predict
- 14.5.7 JSON工作流
- 14.5.8 缩放输入
- 14.5.9 adhoc_predict
- 14.5.10 缩放输入
- 14.6 练习题
- 14.7 实操题
- 14.8 学习评价
- 第15章 数据工程
- 15.1 小数据
- 15.1.1 小数据与大数据
- 15.1.2 处理小数据文件
- 15.2 写文件
- 15.3 读文件
- 15.4 使用生成器流水线逐行读取和处理
- 15.5 使用YAML
- 15.6 大数据
- 15.7 大数据工具、组件和平台
- 15.7.1 数据源
- 15.7.2 文件系统
- 15.7.3 数据存储
- 15.7.4 实时流式采集
- 15.8 案例分析：自制数据流水线
- 15.9 Serverless数据工程
- 15.9.1 使用AWS Lambda处理CloudWatch事件
- 15.9.2 使用Amazon CloudWatch日志分析AWS Lambda
- 15.9.3 使用AWS Lambda填充Amazon Simple Queue Service
- 15.9.4 连接CloudWatch事件触发器
- 15.9.5 创建事件驱动型lambda
- 15.9.6 从AWS Lambda中读取Amazon SQS事件
- 15.10 小结
- 15.11 练习题
- 15.12 实操题
- 第16章 DevOps惨痛经验和人物访谈
- 16.1 产不出电影的电影厂
- 16.2 推不出游戏的游戏坊
- 16.3 耗时60秒才启动的Python脚本
- 16.4 用缓存和智能监测程序浇灭火情
- 16.5 自动化会让你失业
- 16.6 DevOps反模式
- 16.6.1 反模式：没有自动化构建服务器
- 16.6.2 盲目行事
- 16.6.3 协调难题不可避免
- 16.6.4 没有团队合作
- 16.7 人物访谈
- 16.7.1 Glenn Solomon
- 16.7.2 Andrew Nguyen
- 16.7.3 Gabriella Roman
- 16.7.4 Rigoberto Roche
- 16.7.5 Jonathan LaCour
- 16.7.6 Ville Tuulos
- 16.7.7 Joseph Reis
- 16.7.8 Teijo Holzer
- 16.7.9 Matt Harrison
- 16.7.10 Michael Foord
- 16.8 一些建议
- 16.9 练习题
- 16.10 挑战题
- 16.11 毕业项目
书名：基于Python的DevOps
译者：安道 译
国内出版社：中国电力出版社
出版时间：2022年02月
页数：512
书号：978-7-5198-6441-5
原版书书名：Python for DevOps
原版书出版商：O'Reilly Media
本书封面上的动物是地毯蟒（Morelia spilota），是一种无毒的蜷缩蛇，主要分布于澳大利亚及邻近的所罗门群岛和新几内亚。作为澳大利亚大陆分布最广的蟒蛇之一，从东北部的昆士兰热带雨林到西南部的地中海林地，地毯蟒随处可见。经常可见地毯蟒在花园里的床上爬行，在阁楼的椽子上盘绕，甚至作为家庭宠物饲养。
多数地毯蟒呈橄榄绿色，带有深色边缘的奶油色斑点。值得注意的是，丛林地毯蟒（Morelia spilota cheynei）的皮肤呈亮黄色和黑色，是养蛇人最喜欢的品种。成年地毯蟒平均身长6.6英尺，据报道有些长达13英尺。
地毯蟒是一种在夜间活动的猎食者，它利用嘴巴两侧的唇窝来探测鸟类、蜥蜴和小型哺乳动物的体温。白天，它们缠在树上，或者寻找一块空地晒太阳。雌性地毯蟒尤其喜欢早上晒太阳，然后回到巢穴中，把热量传递给蛇蛋。此外，它们还会收缩自己的身体，为每年夏天产下的10～47枚蛇蛋提供热量。
多数地毯蟒呈橄榄绿色，带有深色边缘的奶油色斑点。值得注意的是，丛林地毯蟒（Morelia spilota cheynei）的皮肤呈亮黄色和黑色，是养蛇人最喜欢的品种。成年地毯蟒平均身长6.6英尺，据报道有些长达13英尺。
地毯蟒是一种在夜间活动的猎食者，它利用嘴巴两侧的唇窝来探测鸟类、蜥蜴和小型哺乳动物的体温。白天，它们缠在树上，或者寻找一块空地晒太阳。雌性地毯蟒尤其喜欢早上晒太阳，然后回到巢穴中，把热量传递给蛇蛋。此外，它们还会收缩自己的身体，为每年夏天产下的10～47枚蛇蛋提供热量。
购买选项
|
© 2024，奥莱利技术咨询(北京)有限公司。版权所有。 传真: +86-10-88097463 京ICP备05003502号 |
|