為什么說Python 是大數(shù)據(jù)全棧式開發(fā)語言

Python 大數(shù)據(jù) 開發(fā)語言

極客頭條 | 2017-07-11 15:54

【數(shù)據(jù)猿導(dǎo)讀】云平臺分為私有云和公有云。私有云平臺如日中天的OpenStack，就是Python寫的。曾經(jīng)的追趕者CloudStack，在剛推出時大肆強(qiáng)調(diào)自己是Java寫的，比Python有優(yōu)勢。

前段時間，ThoughtWorks在深圳舉辦一次社區(qū)活動上，有一個演講主題叫做“Fullstack JavaScript”，是關(guān)于用JavaScript進(jìn)行前端、服務(wù)器端，甚至數(shù)據(jù)庫(MongoDB)開發(fā)，一個Web應(yīng)用開發(fā)人員，只需要學(xué)會一門語言，就可以實現(xiàn)整個應(yīng)用。

受此啟發(fā)，我發(fā)現(xiàn)Python可以稱為大數(shù)據(jù)全棧式開發(fā)語言。因為Python在云基礎(chǔ)設(shè)施，DevOps，大數(shù)據(jù)處理等領(lǐng)域都是炙手可熱的語言。

領(lǐng)域流行語言

云基礎(chǔ)設(shè)施 Python, Java, Go

DevOps Python, Shell, Ruby, Go

網(wǎng)絡(luò)爬蟲 Python, PHP, C++

數(shù)據(jù)處理 Python, R, Scala

云基礎(chǔ)設(shè)施就像只要會JavaScript就可以寫出完整的Web應(yīng)用，只要會Python，就可以實現(xiàn)一個完整的大數(shù)據(jù)處理平臺。

這年頭，不支持云平臺，不支持海量數(shù)據(jù)，不支持動態(tài)伸縮，根本不敢說自己是做大數(shù)據(jù)的，頂多也就敢跟人說是做商業(yè)智能(BI)。

云平臺分為私有云和公有云。私有云平臺如日中天的OpenStack，就是Python寫的。曾經(jīng)的追趕者CloudStack，在剛推出時大肆強(qiáng)調(diào)自己是Java寫的，比Python有優(yōu)勢。結(jié)果，搬石砸腳，2015年初，CloudStack的發(fā)起人Citrix宣布加入OpenStack基金會，CloudStack眼看著就要壽終正寢。

如果嫌麻煩不想自己搭建私有云，用公有云，不論是AWS，GCE，Azure，還是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK?？梢姼骷以破脚_對Python的重視。

提到基礎(chǔ)設(shè)施搭建，不得不提hadoop，在今天，Hadoop因為其MapReduce數(shù)據(jù)處理速度不夠快，已經(jīng)不再作為大數(shù)據(jù)處理的首選，但是HDFS和Yarn——Hadoop的兩個組件——倒是越來越受歡迎。Hadoop的開發(fā)語言是Java，沒有官方提供Python支持，不過有很多第三方庫封裝了Hadoop的API接口(pydoop，hadoopy等等)。

Hadoop MapReduce的替代者，是號稱快上100倍的Spark，其開發(fā)語言是Scala，但是提供了Scala，Java，Python的開發(fā)接口，想要討好那么多用Python開發(fā)的數(shù)據(jù)科學(xué)家，不支持Python，真是說不過去。HDFS的替代品，比如GlusterFS，Ceph等，都是直接提供Python支持。Yarn的替代者，Mesos是C++實現(xiàn)，除C++外，提供了Java和Python的支持包。

DevOps

DevOps有個中文名字，叫做開發(fā)自運(yùn)維?；ヂ?lián)網(wǎng)時代，只有能夠快速試驗新想法，并在第一時間，安全、可靠的交付業(yè)務(wù)價值，才能保持競爭力。DevOps推崇的自動化構(gòu)建/測試/部署，以及系統(tǒng)度量等技術(shù)實踐，是互聯(lián)網(wǎng)時代必不可少的。

自動化構(gòu)建是因應(yīng)用而易的，如果是Python應(yīng)用，因為有setuptools, pip, virtualenv, tox, flake8等工具的存在，自動化構(gòu)建非常簡單。而且，因為幾乎所有Linux系統(tǒng)都內(nèi)置Python解釋器，所以用Python做自動化，不需要系統(tǒng)預(yù)安裝什么軟件。

自動化測試方面，基于Python的Robot Framework企業(yè)級應(yīng)用最喜歡的自動化測試框架，而且和語言無關(guān)。Cucumber也有很多支持者，Python對應(yīng)的Lettuce可以做到完全一樣的事情。Locust在自動化性能測試方面也開始受到越來越多的關(guān)注。

自動化配置管理工具，老牌的如Chef和Puppet，是Ruby開發(fā)，目前仍保持著強(qiáng)勁的勢頭。不過，新生代Ansible和SaltStack——均為Python開發(fā)——因為較前兩者設(shè)計更為輕量化，受到越來越多開發(fā)這的歡迎，已經(jīng)開始給前輩們制造了不少的壓力。

在系統(tǒng)監(jiān)控與度量方面，傳統(tǒng)的Nagios逐漸沒落，新貴如Sensu大受好評，云服務(wù)形式的New Relic已經(jīng)成為創(chuàng)業(yè)公司的標(biāo)配，這些都不是直接通過Python實現(xiàn)的，不過Python要接入這些工具，并不困難。

除了上述這些工具，基于Python，提供完整DevOps功能的PaaS平臺，如Cloudify和Deis，雖未成氣候，但已經(jīng)得到大量關(guān)注。

網(wǎng)絡(luò)爬蟲

大數(shù)據(jù)的數(shù)據(jù)從哪里來除了部分企業(yè)有能力自己產(chǎn)生大量的數(shù)據(jù)，大部分時候，是需要靠爬蟲來抓取互聯(lián)網(wǎng)數(shù)據(jù)來做分析。

網(wǎng)絡(luò)爬蟲是Python的傳統(tǒng)強(qiáng)勢領(lǐng)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，都是能夠獨當(dāng)一面的類庫。

不過，網(wǎng)絡(luò)爬蟲并不僅僅是打開網(wǎng)頁，解析HTML這么簡單。高效的爬蟲要能夠支持大量靈活的并發(fā)操作，常常要能夠同時幾千甚至上萬個網(wǎng)頁同時抓取，傳統(tǒng)的線程池方式資源浪費比較大，線程數(shù)上千之后系統(tǒng)資源基本上就全浪費在線程調(diào)度上了。Python由于能夠很好的支持協(xié)程(Coroutine)操作，基于此發(fā)展起來很多并發(fā)庫，如Gevent，Eventlet，還有Celery之類的分布式任務(wù)框架。被認(rèn)為是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了對高并發(fā)的支持，網(wǎng)絡(luò)爬蟲才真正可以達(dá)到大數(shù)據(jù)規(guī)模。

抓取下來的數(shù)據(jù)，需要做分詞處理，Python在這方面也不遜色，著名的自然語言處理程序包NLTK，還有專門做中文分詞的Jieba，都是做分詞的利器。

數(shù)據(jù)處理

萬事俱備，只欠東風(fēng)。這東風(fēng)，就是數(shù)據(jù)處理算法。從統(tǒng)計理論，到數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)，再到最近幾年提出來的深度學(xué)習(xí)理論，數(shù)據(jù)科學(xué)正處于百花齊放的時代。數(shù)據(jù)科學(xué)家們都用什么編程

如果是在理論研究領(lǐng)域，R語言也許是最受數(shù)據(jù)科學(xué)家歡迎的，但是R語言的問題也很明顯，因為是統(tǒng)計學(xué)家們創(chuàng)建了R語言，所以其語法略顯怪異。而且R語言要想實現(xiàn)大規(guī)模分布式系統(tǒng)，還需要很長一段時間的工程之路要走。所以很多公司使用R語言做原型試驗，算法確定之后，再翻譯成工程語言。

Python也是數(shù)據(jù)科學(xué)家最喜歡的語言之一。和R語言不同，Python本身就是一門工程性語言，數(shù)據(jù)科學(xué)家用Python實現(xiàn)的算法，可以直接用在產(chǎn)品中，這對于大數(shù)據(jù)初創(chuàng)公司節(jié)省成本是非常有幫助的。正式因為數(shù)據(jù)科學(xué)家對Python和R的熱愛，Spark為了討好數(shù)據(jù)科學(xué)家，對這兩種語言提供了非常好的支持。

Python的數(shù)據(jù)處理相關(guān)類庫非常多。高性能的科學(xué)計算類庫NumPy和SciPy，給其他高級算法打了非常好的基礎(chǔ)，matploglib讓Python畫圖變得像Matlab一樣簡單。Scikit-learn和Milk實現(xiàn)了很多機(jī)器學(xué)習(xí)算法，基于這兩個庫實現(xiàn)的Pylearn2，是深度學(xué)習(xí)領(lǐng)域的重要成員。Theano利用GPU加速，實現(xiàn)了高性能數(shù)學(xué)符號計算和多維矩陣計算。當(dāng)然，還有Pandas，一個在工程領(lǐng)域已經(jīng)廣泛使用的大數(shù)據(jù)處理類庫，其DataFrame的設(shè)計借鑒自R語言，后來又啟發(fā)了Spark項目實現(xiàn)了類似機(jī)制。

對了，還有iPython，這個工具如此有用，以至于我差點把他當(dāng)成標(biāo)準(zhǔn)庫而忘了介紹。iPython是一個交互式Python運(yùn)行環(huán)境，能夠?qū)崟r看到每一段Python代碼的結(jié)果。默認(rèn)情況下，iPython運(yùn)行在命令行，可以執(zhí)行ipython notebook在網(wǎng)頁中運(yùn)行。用matplotlib繪制的圖可以直接嵌入式的顯示在iPython Notebook中。

iPython Notebook的筆記本文件可以共享給其他人，這樣其他人就可以在自己的環(huán)境中重現(xiàn)你的工作成果;如果對方?jīng)]有運(yùn)行環(huán)境，還可以直接轉(zhuǎn)換成HTML或者PDF。

為什么是Python

正是因為應(yīng)用開發(fā)工程師、運(yùn)維工程師、數(shù)據(jù)科學(xué)家都喜歡Python，才使得Python成為大數(shù)據(jù)系統(tǒng)的全棧式開發(fā)語言。

對于開發(fā)工程師而言，Python的優(yōu)雅和簡潔無疑是最大的吸引力，在Python交互式環(huán)境中，執(zhí)行import this，讀一讀Python之禪，你就明白Python為什么如此吸引人。Python社區(qū)一直非常有活力，和NodeJS社區(qū)軟件包爆炸式增長不同，Python的軟件包增長速度一直比較穩(wěn)定，同時軟件包的質(zhì)量也相對較高。有很多人詬病Python對于空格的要求過于苛刻，但正是因為這個要求，才使得Python在做大型項目時比其他語言有優(yōu)勢。OpenStack項目總共超過200萬行代碼，證明了這一點。

對于運(yùn)維工程師而言，Python的最大優(yōu)勢在于，幾乎所有Linux發(fā)行版都內(nèi)置了Python解釋器。Shell雖然功能強(qiáng)大，但畢竟語法不夠優(yōu)雅，寫比較復(fù)雜的任務(wù)會很痛苦。用Python替代Shell，做一些復(fù)雜的任務(wù)，對運(yùn)維人員來說，是一次解放。

對于數(shù)據(jù)科學(xué)家而言，Python簡單又不失強(qiáng)大。和C/C++相比，不用做很多的底層工作，可以快速進(jìn)行模型驗證;和Java相比，Python語法簡潔，表達(dá)能力強(qiáng)，同樣的工作只需要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(dá)過，Python是最適合作為大學(xué)計算機(jī)科學(xué)編程課程使用的語言——MIT的計算機(jī)入門課程就是使用的Python——因為Python能夠讓人學(xué)到編程最重要的東西——如何解決問題。

來源：極客頭條

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。