Python技术栈以及工具整理的详细介绍
开发环境
编辑器
vim / SublimeText2 / PyCharm
用着顺手就好,我是由vim转PyChram的。集成开发环境自动补全、单步调试等功能好很多,有利于提高工作效率。
本地环境
pip/easy_install 包管理
viertualenv + virtualenvwrapper 库/版本管理, 环境隔离
ipython/ipdb
项目开发
管理工具
git
Web框架
Tornado:异步, 高性能, 最新版本4.0。
Flask:轻量! 可以灵活组合各类组件进行开发(第三方组件很丰富), 简单高效, 便于快速开发和维护。
Django:有些重, 配置和约定众多, 可以快速开发一些”管理”性质的后台。
Python Web框架也是超多,目前主流的就是这三个了。目前工作中采用的Tornado,性能卓越。
ORM
SQLAlchemy:标配。
pymongo:访问mongodb。
peewe:一个更轻量的ORM,简单了解,没在生产环境用过。
数据库
No SQL:
分布式存储
HDFS:hadopp生态
Hive:分析log
消息队列
RabbitMQ
: python中pika
操作。
项目部署
服务器
nginx
, 主要用于负载均衡, 反代等uWSGI
,用来部署Django项目。gunicorn
a Python WSGI HTTP Server for UNIX, 用来运行Flask项目
运维管理
saltstack
:别名,盐栈。自动化运维工具。puppet
:这货是Ruby开发的,百度和小米都在大规模使用。fabric
: 用于自动化部署。Supervisor
A Process Control System, 配置管理各种程序, 进程监控, 自动重启等。
三方库
requests
HTTP for humans, 非常好用, 强烈推荐beautifulsoup
配合urllib2或者requests库进项简单的抓取分析工作scrapy
很牛的抓取框架, 适合规模较大,需求复杂的的抓取任务
其他
前端基础
html, css, javascript, jquery,bootstrap,angularjs,react, vue.js。作为一个后端工程师,了解一些基本的前端知识也是必要的。目前工作中用到
bootstrap
+angularjs
来开发后台管理系统。
软件工程
设计模式:Python虽然不像Java里没完没了的设计模式,基本的设计模式也会用到。组合,单例模式、装饰器模式、工厂模式这几个常用。
RESTful 接口。
测试:单元测试,性能测试。
有比较才有差距,多看别人代码,借鉴提高。
云计算
大数据:Hadoop生态。
虚拟化:Docker, KVM, OpenStack。
公有云:AWS,阿里云,Azure,金山云。
私有云:百度的私有云建设的很不错,分布式存储、虚拟化业界领先。
开发环境
编辑器
vim / SublimeText2 / PyCharm
用着顺手就好,我是由vim转PyChram的。集成开发环境自动补全、单步调试等功能好很多,有利于提高工作效率。
本地环境
pip/easy_install 包管理
viertualenv + virtualenvwrapper 库/版本管理, 环境隔离
ipython/ipdb
项目开发
管理工具
git
Web框架
Tornado:异步, 高性能, 最新版本4.0。
Flask:轻量! 可以灵活组合各类组件进行开发(第三方组件很丰富), 简单高效, 便于快速开发和维护。
Django:有些重, 配置和约定众多, 可以快速开发一些”管理”性质的后台。
Python Web框架也是超多,目前主流的就是这三个了。目前工作中采用的Tornado,性能卓越。
ORM
SQLAlchemy:标配。
pymongo:访问mongodb。
peewe:一个更轻量的ORM,简单了解,没在生产环境用过。
数据库
关系型数据库:mysql
No SQL:
redis 缓存/持久化/特殊需求(计数-排行榜-时间线等)
memcached 集群, 多用于有时限性质的缓存
mongodb
分布式存储
HDFS:hadopp生态
Hive:分析log
消息队列
RabbitMQ
: python中pika
操作。
项目部署
服务器
nginx
, 主要用于负载均衡, 反代等uWSGI
,用来部署Django项目。gunicorn
a Python WSGI HTTP Server for UNIX, 用来运行Flask项目
运维管理
saltstack
:别名,盐栈。自动化运维工具。puppet
:这货是Ruby开发的,百度和小米都在大规模使用。fabric
: 用于自动化部署。Supervisor
A Process Control System, 配置管理各种程序, 进程监控, 自动重启等。
三方库
requests
HTTP for humans, 非常好用, 强烈推荐beautifulsoup
配合urllib2或者requests库进项简单的抓取分析工作scrapy
很牛的抓取框架, 适合规模较大,需求复杂的的抓取任务
其他
前端基础
html, css, javascript, jquery,bootstrap,angularjs,react, vue.js。作为一个后端工程师,了解一些基本的前端知识也是必要的。目前工作中用到
bootstrap
+angularjs
来开发后台管理系统。
软件工程
设计模式:Python虽然不像Java里没完没了的设计模式,基本的设计模式也会用到。组合,单例模式、装饰器模式、工厂模式这几个常用。
RESTful 接口。
MVC
测试:单元测试,性能测试。
有比较才有差距,多看别人代码,借鉴提高。
云计算
大数据:Hadoop生态。
虚拟化:Docker, KVM, OpenStack。
公有云:AWS,阿里云,Azure,金山云。
私有云:百度的私有云建设的很不错,分布式存储、虚拟化业界领先。
Atas ialah kandungan terperinci Python技术栈以及工具整理的详细介绍. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Latihan yang diedarkan Pytorch pada sistem CentOS memerlukan langkah -langkah berikut: Pemasangan Pytorch: Premisnya ialah Python dan PIP dipasang dalam sistem CentOS. Bergantung pada versi CUDA anda, dapatkan arahan pemasangan yang sesuai dari laman web rasmi Pytorch. Untuk latihan CPU sahaja, anda boleh menggunakan arahan berikut: PipinstallToRchTorchVisionTorchaudio Jika anda memerlukan sokongan GPU, pastikan versi CUDA dan CUDNN yang sama dipasang dan gunakan versi pytorch yang sepadan untuk pemasangan. Konfigurasi Alam Sekitar Teragih: Latihan yang diedarkan biasanya memerlukan pelbagai mesin atau mesin berbilang mesin tunggal. Tempat

Penyimpanan Objek Minio: Penyebaran berprestasi tinggi di bawah CentOS System Minio adalah prestasi tinggi, sistem penyimpanan objek yang diedarkan yang dibangunkan berdasarkan bahasa Go, serasi dengan Amazons3. Ia menyokong pelbagai bahasa pelanggan, termasuk Java, Python, JavaScript, dan GO. Artikel ini akan memperkenalkan pemasangan dan keserasian minio pada sistem CentOS. Keserasian versi CentOS Minio telah disahkan pada pelbagai versi CentOS, termasuk tetapi tidak terhad kepada: CentOS7.9: Menyediakan panduan pemasangan lengkap yang meliputi konfigurasi kluster, penyediaan persekitaran, tetapan fail konfigurasi, pembahagian cakera, dan mini

Apabila memasang pytorch pada sistem CentOS, anda perlu dengan teliti memilih versi yang sesuai dan pertimbangkan faktor utama berikut: 1. Keserasian Persekitaran Sistem: Sistem Operasi: Adalah disyorkan untuk menggunakan CentOS7 atau lebih tinggi. CUDA dan CUDNN: Versi Pytorch dan versi CUDA berkait rapat. Sebagai contoh, Pytorch1.9.0 memerlukan CUDA11.1, manakala Pytorch2.0.1 memerlukan CUDA11.3. Versi CUDNN juga mesti sepadan dengan versi CUDA. Sebelum memilih versi PyTorch, pastikan anda mengesahkan bahawa versi CUDA dan CUDNN yang serasi telah dipasang. Versi Python: Cawangan Rasmi Pytorch

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
