提到Shell一定会想到系统运维,通常做Linux系统运维的工程师对Shell编程是比较熟悉的,可以说Shell是使用Linux的一种方式。运维工程师通过编写Shell脚本来进行一些自动化运维的设置,其实除了Shell,Python也是编写自动化运维的一种常见方式。
相对于Shell来说,Python能做的事情就丰富多了,Python可以做Web开发、服务后台开发、大数据开发(应用开发和数据分析)、人工智能开发(机器学习、自然语言处理)等,所以相对于Shell来说,Python应用领域更加广泛。看两个Spark平台下的Python小程序:
Shell编程和Python编程有一个共同的特点就是比较简单,对于初学者来说比较容易上手,当然Python也可以编写出非常复杂的程序。二者的发展方向则有较大的区别,如果做系统运维的话,学习Python并没有强制性的要求,但是如果未来要做软件开发的话,学习Python就变得很有必要了,尤其是做大数据相关开发。
目前大数据运维也是岗位需求比较大的领域,大数据运维的工作内容往往集中在计算机网络管理、Linux操作系统、大数据平台搭建、组件部署、系统维护、系统管控等方面,大数据运维是大数据平台运行不可或缺的岗位之一,从发展前景来看也是不错的。
大数据应用开发、大数据分析(含呈现)则需要学习Python编程,目前这两个领域的人才需求比较多,尤其是大数据分析岗位。由于Python有丰富的库支持,所以使用Python做数据分析(算法实现)是比较常见的做法,与Java对比来看,使用Python会明显缩短开发时间,在功能调整方面,Python也具有明显的优势。从发展前景来看,Python开发还是非常值得期待的。看一个Python采用Matplotlib库和Numpy库的小例子:
至于如何选择,一方面取决于自身的知识结构,另一方面取决于自己的兴趣。如果有扎实的数学基础,可以考虑从事大数据分析工作。
作者简介:中国科学院大学计算机专业研究生导师,从事IT行业多年,研究方向包括动态软件体系结构、大数据、人工智能相关领域,有多年的一线研发经验。欢迎关注作者,欢迎咨询计算机相关问题。
Copyright © 广州京杭网络科技有限公司 2005-2024 版权所有 粤ICP备16019765号
广州京杭网络科技有限公司 版权所有