book

Python para DevOps

by Noah Gift, Kennedy Behrman, Alfredo Deza, Grig Gheorghiu

September 2024

Intermediate to advanced

506 pages

12h 45m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

¿Qué significa DevOps para los autores?Cómo utilizar este libroTemas conceptualesConvenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientosNoahKennedyAlfredoGrig
Instalar y ejecutar PythonLa cáscara de PythonCuadernos JupyterProgramación procedimentalVariablesMatemáticas básicasComentariosFunciones incorporadasImprimirGamaControl de ejecuciónif/elif/elsepara BuclesBucles whileManejo de excepcionesObjetos incorporados¿Qué es un objeto?Métodos y atributos de los objetosSecuenciasFuncionesAnatomía de una funciónFunciones como objetosFunciones anónimasUtilizar expresiones regularesBuscando enJuegos de caracteresClases de personajesGruposGrupos designadosBuscar todoBuscar IteradorSustituciónCompilandoEvaluación perezosaGeneradoresComprensiones del generadorMás funciones de IPythonUtilizar IPython para ejecutar comandos de Unix ShellEjercicios
Leer y escribir archivosUtilizar expresiones regulares para buscar textoTratar con archivos grandesCifrar textoHashing con HashlibCifrado con criptografíaEl módulo osGestión de archivos y directorios con os.pathRecorrer árboles de directorios con os.walkRutas como objetos con Pathlib
Trabajar con el caparazónHablar con el Intérprete con el Módulo sysTratar con el sistema operativo utilizando el módulo osGenerar procesos con el módulo subprocesoCrear herramientas de línea de comandosUtilizar sys.argvUtilizar argparseMediante clicfuegoImplementar Plug-insCaso práctico: Turbocharging Python with Command-Line Tools (Turboalimentación de Python con herramientas de línea de comandos)Utilizar el compilador Numba Just-in-Time (JIT)Uso de la GPU con CUDA PythonEjecutar Python multihilo multinúcleo real utilizando NumbaAgrupación KMeansEjercicios
Utilidades de discoMedir el rendimientoParticionesRecuperar información específica del dispositivoUtilidades de redTúnel SSHBenchmarking HTTP con Apache Benchmark (ab)Pruebas de carga con molotovUtilidades de la CPUVer procesos con htopTrabajar con Bash y ZSHPersonalizar el shell de PythonGlobbing recursivoBuscar y sustituir con preguntas de confirmaciónEliminar archivos temporales de PythonProcesos de listado y filtradoMarca de tiempo UnixMezclar Python con Bash y ZSHGenerador de contraseñas aleatorias¿Existe mi módulo?Cambiar directorios a la ruta de un móduloConvertir un archivo CSV a JSONMonólogos de PythonDepuradores¿Cómo de rápido es este fragmento?straceEjerciciosPregunta de un caso práctico
¿Por qué es importante el envasado?Cuando el envasado puede no ser necesarioNormas de envasadoVersionado descriptivoEl registro de cambiosElegir una estrategiaSoluciones de envasadoEmpaquetado nativo en PythonEmpaquetado DebianEmbalaje RPMGestión con systemdProcesos de larga duraciónPuesta en marchaEl archivo de unidad systemdInstalación de la unidadManipulación de registrosEjerciciosPregunta de un caso práctico
Caso práctico real: Conversión de un sitio WordPress mal mantenido a HugoConfigurar HugoConvertir WordPress a Hugo PostsCrear un índice Algolia y actualizarloOrquestar con un MakefileImplementación con AWS CodePipelineCaso práctico real: Implementación de una aplicación Python App Engine con Google Cloud BuildEstudio de un caso real: NFSOPS
Conceptos clave para construir sistemas fiablesPrincipios inmutables de DevOpsRegistro centralizadoCaso práctico: La base de datos de producción acaba con los discos duros¿Lo construiste o lo compraste?Tolerancia a fallosMonitoreoGrafitoStatsDPrometeoInstrumentaciónConvenciones de nomenclaturaRegistro¿Por qué es difícil?La configuración básicaConfiguración más profundaPatrones comunesLa pila ELKLogstashElasticsearch y KibanaEjerciciosPregunta de un caso práctico
Probando superpotencias con pytestPrimeros pasos con pytestPruebas con pytestDiferencias con unittestpytest Característicasconftest.pyEl asombroso asertoParametrizaciónAccesoriosCómo empezarEmpotrablesPruebas de infraestructura¿Qué es la validación del sistema?Introducción a TestinfraConexión a nodos remotosCaracterísticas y accesorios especialesEjemplosProbar cuadernos Jupyter con pytestEjerciciosPregunta de un caso práctico
Fundamentos del Cloud ComputingTipos de computación en nubeTipos de servicios en la nubeInfraestructura como servicioMetal como servicioPlataforma como servicioComputación sin servidorSoftware como servicioInfraestructura como códigoEntrega continuaVirtualización y contenedoresVirtualización del hardwareRedes definidas por softwareAlmacenamiento definido por softwareContenedoresRetos y oportunidades de la informática distribuidaPython Concurrencia, Rendimiento y Gestión de Procesos en la Era de la NubeGestión de procesosGestionar Procesos con SubprocesoUtilizar el multiprocesamiento para resolver problemasProcesos bifurcados con Pool()Función como servicio y sin servidorPython de alto rendimiento con NumbaUtilizar el compilador Numba Just in TimeUtilizar servidores de alto rendimientoConclusiónEjerciciosPreguntas del caso práctico

Clasificación de las herramientas de automatización de infraestructurasAprovisionamiento manualAprovisionamiento automatizado de infraestructuras con TerraformAprovisionar un Bucket S3Aprovisionar un certificado SSL con AWS ACMAprovisionamiento de una distribución de Amazon CloudFrontAprovisionamiento de un registro DNS de Route 53Copiar archivos estáticos a S3Eliminar todos los recursos de AWS aprovisionados con TerraformAprovisionamiento automatizado de infraestructuras con PulumiCrear un nuevo proyecto Pulumi Python para AWSCrear valores de configuración para la pila de preparaciónAprovisionar un certificado SSL ACMAprovisionamiento de una zona Route 53 y registros DNSAprovisionamiento de una distribución de CloudFrontAprovisionar un registro DNS Route 53 para la URL del sitioCreación e Implementación de una Nueva PilaEjercicios
¿Qué es un contenedor Docker?Crear, construir, ejecutar y eliminar imágenes y contenedores DockerPublicación de imágenes Docker en un Registro DockerEjecutar un contenedor Docker con la misma imagen en un host diferenteEjecutar varios contenedores Docker con Docker ComposePortar los servicios docker-compose a un nuevo host y sistema operativoEjercicios
Breve descripción de los conceptos de KubernetesUso de Kompose para crear manifiestos de Kubernetes a partir de docker-compose.yamlImplementación de manifiestos de Kubernetes en un clúster local de Kubernetes basado en minikubeLanzamiento de un clúster de Kubernetes GKE en GCP con PulumiImplementación de la aplicación de ejemplo Flask en GKEInstalación de los gráficos de Helm de Prometheus y GrafanaDestruir el Cluster GKEEjercicios
Implementación de la misma función Python en los "tres grandes" proveedores de la nubeInstalación del Framework Sin ServidorImplementación de una función Python en AWS LambdaImplementación de funciones Python en Google Cloud FunctionsImplementación de funciones Python en AzureImplementación de una función Python en plataformas FaaS autoalojadasImplementación de funciones Python en OpenFaaSAprovisionamiento de tabla DynamoDB, funciones Lambda y métodos de puerta de enlace de API mediante AWS CDKEjercicios
¿Qué es el aprendizaje automático?Aprendizaje automático supervisadoModeladoEcosistema Python de aprendizaje automáticoAprendizaje profundo con PyTorchPlataformas de aprendizaje automático en la nubeModelo de madurez del aprendizaje automáticoTerminología clave del aprendizaje automáticoNivel 1: Encuadre, identificación del alcance y definición del problemaNivel 2: Entrega continua de datosNivel 3: Entrega continua de datos limpiosNivel 4: Entrega continua de Análisis Exploratorio de DatosNivel 5: Entrega continua de ML tradicional y AutoMLNivel 6: Bucle de retroalimentación operativo MLSklearn Flask con Kubernetes y DockerSklearn Flask con Kubernetes y DockerEDAModeladoSintonizar GBM escaladoModelo de ajusteEvalúaadhoc_predecirFlujo de trabajo JSONEntrada de escalaadhoc_predict de PickleEntrada de escalaEjerciciosPregunta de un caso prácticoEvaluaciones del aprendizaje
Datos pequeñosTratar con archivos de datos pequeñosEscribir un archivoLeer un archivoTubería generadora para leer y procesar líneasUtilizar YAMLGrandes datosHerramientas, componentes y plataformas de Big DataFuentes de datosSistemas de archivosAlmacenamiento de datosIngestión de flujo en tiempo realCaso práctico: Creación de una canalización de datos propiaIngeniería de datos sin servidorUso de AWS Lambda con eventos de CloudWatchUso de Amazon CloudWatch Logging con AWS LambdaUso de AWS Lambda para poblar Amazon Simple Queue ServiceCableado del activador de eventos de CloudWatchCrear lambdas controladas por eventosLectura de eventos de Amazon SQS desde AWS LambdaConclusiónEjerciciosPregunta de un caso práctico
El estudio de cine no puede hacer películasUn estudio de juegos no puede enviar el juegoLos scripts de Python tardan 60 segundos en iniciarseApagar un incendio con una caché e instrumentación inteligente¡Te automatizarás y te quedarás sin trabajo!Antipatrones DevOpsAntipatrón de servidor de compilación no automatizadoVolar a ciegasDificultades en la Coordinación como Realización ContinuaSin trabajo en equipoEntrevistasGlenn SolomonAndrew NguyenGabriella RomanRigoberto RocheJonathan LaCourVille TuulosJoseph ReisTeijo HolzerMatt HarrisonMichael FoordRecomendacionesEjerciciosDesafíosProyecto final

Overview

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

La tecnología ha cambiado mucho en la última década. Los datos están de moda, la nube es omnipresente y muchas organizaciones necesitan alguna forma de automatización. A lo largo de estas transformaciones, Python se ha convertido en uno de los lenguajes más populares del mundo. Este práctico recurso te muestra cómo utilizar Python para las tareas cotidianas de administración de sistemas Linux con las herramientas DevOps más útiles de la actualidad, como Docker, Kubernetes y Terraform.

Aprender a interactuar y automatizar con Linux es esencial para millones de profesionales. Python lo hace mucho más fácil. Con este libro, aprenderás a desarrollar software y resolver problemas utilizando contenedores, así como a supervisar, instrumentar, realizar pruebas de carga y poner en funcionamiento tu software. ¿Buscas formas eficaces de "hacer cosas" en Python? Esta es tu guía.

Fundamentos de Python, incluida una breve introducción al lenguaje
Cómo automatizar texto, escribir herramientas de línea de comandos y automatizar el sistema de archivos
Utilidades de Linux, gestión de paquetes, sistemas de compilación, supervisión e instrumentación, y pruebas automatizadas
Computación en la nube, infraestructura como código, Kubernetes y sin servidor
Operaciones de aprendizaje automático e ingeniería de datos desde una perspectiva DevOps
Creación, despliegue y puesta en marcha de un proyecto de aprendizaje automático