运维自动化脚本编写：Shell与Python实战指南

运维自动化脚本编写是提升运维效率的关键。但很多运维新手在编写脚本时常常陷入选择困难：到底用 Shell 还是 Python？今天我们就从几个实际场景出发，边操作边解释，帮你掌握脚本编写的核心技巧，并理解两者之间的取舍。

从日志清理脚本看 Shell 的威力

假设你有一台服务器，日志文件不断增长，磁盘空间告警。你希望写一个脚本，定期清理超过 7 天的日志。这种任务 Shell 是天然的选择。

#!/bin/bash
LOG_DIR="/var/log/myapp"
find "$LOG_DIR" -type f -name "*.log" -mtime +7 -delete

这个脚本的核心是 find 命令，它通过 -mtime +7 筛选出修改时间超过 7 天的文件，然后 -delete 直接删除。整个过程简单直接，没有复杂的逻辑。Shell 的优势在于它直接调用系统命令，对于文件操作、文本处理、管道组合等任务，效率极高。

但这里有个常见误区：直接使用 find -delete 可能误删重要文件。建议先使用 -print 预览结果，确认无误后再加入 -delete。另外，如果日志文件正在被进程写入，删除后可能引发问题，可以考虑使用 logrotate 工具，但那是另一个话题。

当 Shell 力不从心时：Python 的用武之地

假设你需要从多个服务器拉取指标数据，进行格式转换，然后推送到监控系统，比如 Prometheus。这种任务涉及网络请求、JSON 解析、数据聚合，Shell 脚本会变得复杂且难以维护。此时 Python 是更好的选择。

import requests
import json

# 从各服务器获取指标
servers = ["http://server1/metrics", "http://server2/metrics"]
all_metrics = {}
for url in servers:
    resp = requests.get(url)
    if resp.status_code == 200:
        data = resp.json()
        all_metrics.update(data)

# 推送到 Prometheus 的 pushgateway
push_url = "http://pushgateway:9091/metrics/job/some_job"
resp = requests.post(push_url, data=json.dumps(all_metrics))

Python 拥有丰富的第三方库，如 requests、paramiko 等，能够轻松处理网络、SSH、数据解析等复杂任务。而且 Python 代码的可读性和可维护性远胜于复杂的 Shell 脚本。Prometheus 官方文档指出，它收集和存储的是带时间戳的时序数据，这种数据往往需要程序化处理，Python 正是合适的工具。

但要注意，Python 脚本需要解释器环境，依赖管理也可能成为问题。在资源受限的嵌入式系统或最小化容器中，可能没有 Python 环境，此时 Shell 更轻量。

批量部署：Shell 与 Python 的协作

实际运维中，我们经常需要批量在多个服务器上执行操作，比如部署应用、修改配置。纯粹的 Shell 脚本可以使用 ssh 循环执行，但处理错误和并行化比较麻烦。Python 结合 paramiko 或 fabric 库能提供更优雅的解决方案。

from fabric import Connection

servers = ["web1", "web2", "db1"]
for host in servers:
    conn = Connection(host)
    result = conn.run("systemctl restart nginx", warn=True)
    if result.failed:
        print(f"{host} 重启失败")
    else:
        print(f"{host} 重启成功")

这个示例中，我们使用 Fabric 库远程执行命令，并检查返回状态。相比 Shell 的 ssh host command，Python 代码可以更精细地处理错误、并行执行、收集结果。当然，你也可以在 Shell 中使用 pssh 等工具，但 Python 的灵活性更高。

这里的关键取舍是：如果任务简单且服务器数量少，Shell 足够；如果任务复杂、需要错误处理和结果汇总，Python 更合适。

错误处理与可观测性

脚本不仅要实现功能，还要考虑错误处理和可观测性。在 Shell 中，使用 set -e 可以在命令失败时立即退出，但有时你希望捕获错误并继续执行。Python 的异常处理机制更成熟。

try:
    result = requests.get(url, timeout=5)
    result.raise_for_status()
except requests.exceptions.RequestException as e:
    logging.error(f"请求失败: {e}")

同时，脚本应该输出清晰的日志，方便排查问题。OpenTelemetry 作为可观测性框架，强调遥测数据的收集和导出，虽然它主要用于应用监控，但脚本同样可以借鉴其思路，将执行状态、耗时等作为指标输出，集成到 Prometheus 等监控系统中。

CI/CD 中的脚本编写

在现代 DevOps 流程中，脚本通常嵌入到 CI/CD 流水线中，例如 GitHub Actions。GitHub Actions 允许你在工作流中直接运行 Shell 或 Python 命令，实现自动化构建、测试和部署。

name: deploy
on: push
jobs:
  deploy:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Run deploy script
        run: |
          python deploy.py

在编写 CI/CD 脚本时，要注意环境一致性，确保脚本在流水线环境中能正常运行。GitHub Actions 官方文档强调，你可以组合各种 actions 来执行任意任务，但脚本本身的可移植性同样重要。

常见误区与失败条件

误区一：忽视命令的退出码。在 Shell 中，如果忘记检查退出码，脚本可能在错误状态下继续执行，导致更严重的故障。
误区二：硬编码路径和变量。脚本中直接写死路径，换环境就失效。应该使用变量或配置文件。
误区三：没有考虑幂等性。脚本重复执行应该产生相同结果，否则可能造成重复部署或数据错误。

失败条件：脚本在遇到权限不足、网络超时、依赖缺失等情况下会失败，编写时要预判这些情况，并给出明确错误信息。

总结与选择建议

回到最初的问题：Shell 还是 Python？没有绝对的答案，取决于任务类型。简单文件操作、系统管理用 Shell；复杂逻辑、数据处理、跨平台用 Python。实际项目中，两者经常结合使用，Shell 负责轻量级任务，Python 处理复杂核心。

无论选择哪种，都要注重脚本的健壮性、可读性和可维护性。希望本文的实战示例能帮你写出更高效的运维自动化脚本。如果你对 CI/CD 流水线设计感兴趣，可以参考我们的相关文章，进一步探索自动化运维的深度实践。

参考资料

延伸阅读