我爲何說Python是全棧式開發語言？

來源：馬哥教育

連接：https://mp.weixin.qq.com/s/gwZtzuw1QXRIDApSPaIDag

Python 的排名從去年開始就藉助人工智能持續上升，如今它已經成爲了第一名。但排在前四名的語言 Python、C、Java 和 C++都擁有廣大的用戶羣體，而且他們的用戶總量也十分相近。實際上，Diakopoulos 在對公司招聘所要求的基本語言分析中，C 語言的需求甚至還要在 Python 以前。

下面是平常Python在公司的一些基礎應用：

1、驗證算法：就是對公司一些常見設計算法或者公式的驗證，公式代碼化。

2、快速開發：這個你們應該都比較熟悉，快速開發，就是用成熟框架，更少的代碼來開發網站，Python在網站先後臺有大量的成熟的框架，如django，flask，bottle，tornado，flask和django的使用較多，國內用Python開發的網站有：知乎、豆瓣、扇貝、騰訊、阿里巴巴；

3、測試運維：用python實現的測試工具及過程，包含服務器端、客戶端、web、andriod、client端的自動化測試，自動化性能測試的執行、監控和分析，經常使用selenium appium等
框架。作運維同窗應該清楚，在Linux運維工做中平常操做涵蓋了監控，部署，網絡配置，日誌分析，安全檢測 等等許許多多的方面，無所不包。python能夠寫不少的腳本，把「操做」這個行爲作到極致。與此同時，python在服務器管理工具上很是豐富，配置管理(saltstack) 批量執行( fabric, saltstack)  監控(Zenoss, nagios 插件)  虛擬化管理( python-libvirt) 進程管理 (supervisor) 雲計算(openstack) ......  還有大部分系統C庫都有python綁定。

4、數據分析：Python有三大神器：numpy,scipy,matplotlib,其中numpy不少底層使用C語言實現的，因此速度很快，用它參加各類數學建模大賽，徹底能夠替代r語言和MATLAB。spark，Hadoop都開了Python的接口，因此使用Python作大數據的mapreduce也很是簡單，加上py對數據庫支持都很好，或者相似sqlalchemy的orm也很是強大好用。

特別是目前，Python在雲基礎設施，DevOps，大數據處理等領域都是煊赫一時的語言。

 

領域————————流行語言

雲基礎設施————Python, Java, Go

DevOps——Python, Shell, Ruby, Go

網絡爬蟲————Python, PHP, C++

數據處理                Python, R, Scala

 

雲平臺分爲私有云和公有云。私有云平臺如日中天的OpenStack，就是Python寫的。若是嫌麻煩不想本身搭建私有云，用公有云，不管是AWS，GCE，Azure，仍是阿里雲，青雲，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青雲只提供Python SDK。可見各家雲平臺對Python的重視。提到基礎設施搭建，不得不提Hadoop，不少第三方庫封裝了Hadoop的API接口（pydoop，hadoopy等等）。

 

DevOps

DevOps有個中文名字，叫作開發自運維。互聯網時代，只有可以快速試驗新想法，並在第一時間，安全、可靠的交付業務價值，才能保持競爭力。DevOps推崇的自動化構建/測試/部署，以及系統度量等技術實踐，是互聯網時代必不可少的。

自動化構建是因應用而易的，若是是Python應用，由於有setuptools, pip, virtualenv, tox, flake8等工具的存在，自動化構建很是簡單。並且，由於幾乎全部Linux系統都內置Python解釋器，因此用Python作自動化，不須要系統預安裝什麼軟件。

自動化測試方面，基於Python的Robot Framework企業級應用最喜歡的自動化測試框架，並且和語言無關。Cucumber也有不少支持者，Python對應的Lettuce能夠作到徹底同樣的事情。Locust在自動化性能測試方面也開始受到愈來愈多的關注。

自動化配置管理工具，老牌的如Chef和Puppet，是Ruby開發，目前仍保持着強勁的勢頭。不過，新生代Ansible和SaltStack——均爲Python開發——由於較前二者設計更爲輕量化，受到愈來愈多開發這的歡迎，已經開始給前輩們製造了很多的壓力。

在系統監控與度量方面，傳統的Nagios逐漸沒落，新貴如Sensu大受好評，雲服務形式的New Relic已經成爲創業公司的標配，這些都不是直接經過Python實現的，不過Python要接入這些工具，並不困難。

除了上述這些工具，基於Python，提供完整DevOps功能的PaaS平臺，如Cloudify和Deis，雖未成氣候，但已經獲得大量關注。

 

網絡爬蟲

網絡爬蟲是Python的傳統強勢領域，最流行的爬蟲框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是可以獨當一面的類庫。

 

數據處理

Python也是數據科學家最喜歡的語言之一。和R語言不一樣，Python自己就是一門工程性語言，數據科學家用Python實現的算法，能夠直接用在產品中，這對於大數據初創公司節省成本是很是有幫助的。正式由於數據科學家對Python和R的熱愛，Spark爲了討好數據科學家，對這兩種語言提供了很是好的支持。

對了，還有iPython，這個工具如此有用，iPython Notebook的筆記本文件能夠共享給其餘人。
 

爲何是Python

正是由於應用開發工程師、運維工程師、數據科學家都喜歡Python，才使得Python成爲大數據系統的全棧式開發語言。

 

對於開發工程師而言，Python的優雅和簡潔無疑是最大的吸引力，在Python交互式環境中，執行import this，Python社區一直很是有活力，Python的軟件包增加速度一直比較穩定，同時軟件包的質量也相對較高。

對於運維工程師而言，Python的最大優點在於，幾乎全部Linux發行版都內置了Python解釋器。Shell雖然功能強大，但畢竟語法不夠優雅，寫比較複雜的任務會很痛苦。用Python替代Shell，作一些複雜的任務，對運維人員來講，是一次解放。

對於數據科學家而言，Python簡單又不失強大。和C/C++相比，不用作不少的底層工做，能夠快速進行模型驗證；和Java相比，Python語法簡潔，表達能力強，一樣的工做只須要1/3代碼；和Matlab，Octave相比，Python的工程成熟度更高。不止一個編程大牛表達過，Python是最適合做爲大學計算機科學編程課程使用的語言——MIT的計算機入門課程就是使用的Python——由於Python可以讓人學到編程最重要的東西——如何解決問題。

順便提一句，微軟高調宣佈提升Python在Windows上的編程體驗，包括Visual Studio支持Python，優化Python的C擴展在Windows上的編譯等等。腦補下將來Python做爲Windows默認組件的場景。

如此可見Python號稱全棧式語言是確定有道理的。

目前來學的人羣分爲如下幾類：

第一類：入行編程新手：大學剛畢業或者其餘行業轉崗，想從事編程開發的工做，目前認爲Python比較火，想入行；

第二類：Linux系統運維人員：Linux運維以繁雜著稱，對人員系統掌握知識的能力要求很是高，那麼也就須要一個編程語言能解決自動化的問題，Python開發運維工做是首選，Python運維工資的薪資廣泛比Linux運維人員的工資高。

第三類：作數據分析或者人工智能：不論是常見的大數據分析或者通常的金融分析、科學分析都比較大程度的應用了數據分析，人工智能的一些常見應用也使用了Python的一些技術。

第四類：在職程序員轉Python開發：日常只關注div+css這些頁面技術，不少時候其實須要與後端開發人員進行交互的，如今有不少Java程序在轉到Python語言，他們都被Python代碼的優美和開發效率所折服

第五類：其餘：一些工程師之前在作不少SEO優化的時候，苦於不會編程，一些程序上面的問題，得不到解決，只能作作簡單的頁面優化。 如今學會Python以後，能夠編寫一些查詢收錄，排名，自動生成網絡地圖的程序，解決棘手的SEO問題