Linux执行Python脚本:从零构建稳定可靠的自动化执行体系
在Linux服务器环境中,Python脚本常被用于自动化运维、数据处理、Web服务部署、定时巡检、日志分析等场景。然而,许多用户在将本地开发的Python脚本部署到Linux环境时,常遭遇“脚本无法运行”、“模块缺失”、“权限不足”、“路径错误”、“环境不一致”、“定时任务不触发”等典型问题。本文以linux 执行python脚本为核心,系统梳理从开发测试到生产部署的全流程关键环节,结合真实案例与可复用配置模板,帮助您构建一套健壮、可维护、可扩展的Python脚本执行体系。
为什么Linux成为Python脚本部署首选平台?
- 原生兼容性:Python语言由C语言编写,Linux内核与C库深度集成,运行时性能优于Windows子系统环境
- 资源占用低:无图形界面依赖,适合服务器环境长期运行,内存占用平均降低25%-40%
- 命令行生态完善:bash/zsh、systemd、cron、journalctl等工具链与脚本天然协同
- 部署标准化程度高:Docker容器化、systemd服务化、supervisor常驻进程等模式高度成熟
核心原则提醒
在linux 执行python脚本过程中,务必遵循:环境隔离、路径显式、权限最小化、日志可追溯四大原则,避免因环境混杂或隐式依赖导致生产故障。
典型应用场景全景图
| 场景类型 | 执行方式 | 典型工具链 | 适用频率 |
|---|---|---|---|
| 一次性数据清洗 | 手动执行 | python3 script.py | 高 |
| 定时报表生成 | crontab定时 | 0 2 * * * /usr/bin/python3 /opt/report/gen.py | 极高 |
| Web服务后端 | systemd守护 | python3 -m gunicorn app:app | 中 |
| 监控告警脚本 | supervisor常驻 | supervisord -c /etc/supervisor/conf.d/monitor.conf | 高 |
| CI/CD流水线任务 | Jenkins/GitLab Runner | python3 -m pytest tests/ | 中 |
重要提示
切勿直接使用 python script.py 这种相对路径方式部署到生产环境!必须使用绝对路径(如 /usr/bin/python3),并确保脚本内所有路径(如日志、配置文件)均为绝对路径。
执行失败率统计(基于2024年开源社区调研)
| 失败原因 | 占比 | 解决难度 | 典型表现 |
|---|---|---|---|
| Python路径错误 | 32.7% | 低 | bash: python: command not found |
| 依赖模块缺失 | 28.4% | 中 | ModuleNotFoundError: No module named 'xxx' |
| 权限不足 | 18.9% | 低 | Permission denied: '/var/log/app.log' |
| 虚拟环境未激活 | 12.3% | 中 | ImportError: cannot import name 'xxx' |
| 时间/时区问题 | 7.1% | 高 | 定时任务延迟24小时执行 |
最佳实践速查
- 使用
#!/usr/bin/env python3作为shebang,避免硬编码路径 - 生产环境统一使用
/opt/python-scripts/作为脚本存储目录 - 日志文件路径统一配置为
/var/log/python-scripts/并确保目录存在且属主正确 - 所有脚本通过
python3 -m py_compile script.py预编译检查语法错误
一、基础执行流程:从脚本到运行
在Linux系统中执行Python脚本看似简单,实则涉及多个系统层级的协同:shell解释器→Python解释器→脚本逻辑→系统资源。任一环节异常,都将导致执行失败。
1.1 最小可运行脚本模板
以下是一个经过生产验证的最小可运行模板,包含错误处理、日志输出和退出码规范:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Linux环境Python脚本基础框架
作者:xservx
功能:演示标准执行流程与异常处理
"""
import sys
import os
import logging
from datetime import datetime
# 配置日志(生产环境建议使用文件日志)
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s [%(levelname)s] %(message)s',
handlers=[
logging.StreamHandler(sys.stdout),
logging.FileHandler('/var/log/python-scripts/demo.log')
]
)
def main():
"""主逻辑入口"""
try:
logging.info("脚本启动")
# 示例:获取当前用户
current_user = os.getenv("USER") or os.getenv("LOGNAME") or "unknown"
logging.info(f"当前执行用户: {current_user}")
# 示例:获取系统信息
logging.info(f"Python版本: {sys.version}")
logging.info(f"系统平台: {sys.platform}")
# 示例业务逻辑
result = 1 + 1
logging.info(f"计算结果: {result}")
return 0 # 正常退出
except Exception as e:
logging.error(f"执行异常: {e}", exc_info=True)
return 1 # 异常退出
if __name__ == "__main__":
sys.exit(main())
1.2 执行流程解析
步骤1:设置执行权限
脚本保存为 demo.py 后,必须赋予执行权限:
chmod +x demo.py
验证:ls -l demo.py 应显示 -rwxr-xr-x
步骤2:直接执行
使用绝对路径或相对路径执行:
./demo.py # 当前目录执行
/opt/scripts/demo.py # 绝对路径执行
注意:若使用相对路径,必须确保脚本在当前工作目录中
步骤3:通过解释器执行
不依赖shebang,直接调用解释器:
/usr/bin/python3 /opt/scripts/demo.py
此方式最可靠,推荐用于生产环境
1.3 路径问题深度解析
路径错误是linux 执行python脚本失败的首要原因。需区分三类路径:
- 脚本路径:脚本文件自身位置(如
/opt/scripts/report.py) - 工作目录:执行时当前目录(
os.getcwd()) - 模块搜索路径:Python查找模块的路径列表(
sys.path)
致命陷阱:相对路径依赖工作目录
以下代码在交互式环境中正常,但通过cron执行时必败:
with open("config.json") as f: # 依赖当前目录
config = json.load(f)
正确做法:
import os
SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
CONFIG_PATH = os.path.join(SCRIPT_DIR, "config.json")
with open(CONFIG_PATH) as f:
config = json.load(f)
路径调试技巧
在脚本开头添加以下代码可快速定位路径问题:
print("=== 路径诊断 ===")
print(f"脚本绝对路径: {os.path.abspath(__file__)}")
print(f"工作目录: {os.getcwd()}")
print(f"模块搜索路径:")
for p in sys.path:
print(f" → {p}")
1.4 依赖管理最佳实践
生产环境必须使用虚拟环境隔离依赖,避免污染系统Python环境:
创建虚拟环境
python3 -m venv /opt/venvs/demo-env
source /opt/venvs/demo-env/bin/activate
pip install requests pandas
在脚本中使用虚拟环境
修改shebang指向虚拟环境中的Python:
#!/opt/venvs/demo-env/bin/python3
或始终通过虚拟环境执行:
/opt/venvs/demo-env/bin/python /opt/scripts/demo.py
依赖冻结与复现
生产环境必须保存依赖版本:
# 生成依赖清单
pip freeze > requirements.txt
# 在新环境复现
pip install -r requirements.txt
依赖诊断命令
快速检查依赖状态:
# 查看已安装包
pip list | grep -i pandas
# 检查模块是否可导入
python3 -c "import pandas; print(pandas.__version__)"
# 列出模块文件位置
python3 -c "import pandas; print(pandas.__file__)"
二、权限体系:安全与执行的平衡
Linux权限模型对脚本执行影响深远。权限配置不当会导致“脚本能运行但无法写入日志”、“无法访问配置文件”、“无法连接数据库”等隐性故障。
2.1 三类用户与九种权限
权限结构解析
| 权限位 | 用户组 | 含义 | 示例 |
|---|---|---|---|
| user (u) | 文件所有者 | 所有者权限 | -rwxr-xr-x |
| group (g) | 所属组成员 | 组内成员权限 | -rwxr-xr-x |
| others (o) | 其他用户 | 其他用户权限 | -rwxr-xr-x |
2.2 关键权限场景
场景1:脚本文件本身权限
必须至少有执行权限:
chmod +x script.py
生产环境建议:
chmod 755 script.py # 所有者全权限,组和其他用户读/执行
场景2:脚本访问的资源权限
脚本可能需要访问:/var/log/、/etc/、/opt/data/等目录。必须确保执行用户对目标路径有适当权限:
# 创建专用日志目录
mkdir -p /var/log/python-scripts
chown appuser:appuser /var/log/python-scripts
chmod 750 /var/log/python-scripts
场景3:敏感数据访问
当脚本需要读取密码文件时,应限制文件权限:
# 创建敏感配置文件
echo "DB_PASSWORD=secret123" > /etc/python-scripts/.secrets
chown appuser:appuser /etc/python-scripts/.secrets
chmod 600 /etc/python-scripts/.secrets # 仅所有者可读写
2.3 以特定用户执行
避免使用root执行脚本,应创建专用运行用户:
创建运行用户
# 创建用户组
groupadd -r python-scripts
# 创建用户并加入组
useradd -r -g python-scripts -s /bin/false -d /opt/scripts -c "Python Scripts Runner" python-runner
切换用户执行
# 方法1:su -c(需密码)
su -c "/opt/scripts/demo.py" python-runner
# 方法2:sudo(需配置sudoers)
sudo -u python-runner /opt/scripts/demo.py
systemd服务配置(推荐)
创建服务文件 /etc/systemd/system/pydemo.service:
[Unit]
Description=Python Demo Script
After=network.target
[Service]
Type=simple
User=python-runner
Group=python-scripts
WorkingDirectory=/opt/scripts
ExecStart=/opt/venvs/demo-env/bin/python /opt/scripts/demo.py
Restart=always
RestartSec=5
StandardOutput=journal
StandardError=journal
[Install]
WantedBy=multi-user.target
启用服务:
systemctl daemon-reload
systemctl enable pydemo
systemctl start pydemo
journalctl -u pydemo -f
2.4 SELinux与AppArmor限制
检查SELinux状态
getenforce # 显示 Enforcing / Permissive / Disabled
临时禁用SELinux(仅调试用)
setenforce 0 # 临时禁用
setenforce 1 # 重新启用
配置SELinux策略(生产环境)
# 安装策略工具
yum install -y policycoreutils-python-utils
# 添加目录策略
semanage fcontext -a -t httpd_sys_rw_content_t "/var/log/python-scripts(/.*)?"
restorecon -Rv /var/log/python-scripts/
安全警告
永远不要在生产环境永久禁用SELinux!应通过策略模块精细授权。AppArmor配置类似,需使用 aa-status 和 aa-complain 等命令管理。
三、环境变量:隐式依赖的显式管理
环境变量是连接脚本与外部世界的桥梁。配置不当会导致“本地正常、线上失败”的经典问题。
3.1 环境变量分类
系统级环境变量
影响所有用户和进程:/etc/profile、/etc/environment
用户级环境变量
仅影响特定用户:~/.bashrc、~/.profile
进程级环境变量
仅影响当前进程:export VAR=value 或 VAR=value command
3.2 脚本中获取环境变量
Python标准方式
import os
db_host = os.getenv("DB_HOST", "localhost") # 默认值为localhost
db_port = int(os.getenv("DB_PORT", "3306"))
验证环境变量
print("=== 环境变量诊断 ===")
for key in ["PATH", "HOME", "USER", "DB_HOST", "PYTHONPATH"]:
print(f"{key} = {os.getenv(key, '未设置')}")
3.3 环境变量注入方式
方式1:在执行命令中直接设置
DB_HOST=prod-db.example.com DB_PASS=secret123 \
/opt/venvs/demo-env/bin/python /opt/scripts/demo.py
方式2:通过.env文件加载
创建 /opt/scripts/.env:
DB_HOST=prod-db.example.com
DB_PORT=3306
DB_USER=app_user
DB_PASS=secret123
在脚本中加载:
from dotenv import load_dotenv
load_dotenv("/opt/scripts/.env")
# 然后通过 os.getenv() 获取
方式3:systemd服务配置
在 pydemo.service 中添加:
[Service]
Environment="DB_HOST=prod-db.example.com"
Environment="DB_PORT=3306"
Environment="PYTHONUNBUFFERED=1"
3.4 关键环境变量清单
Python运行相关
| 变量 | 用途 | 推荐值 |
|---|---|---|
PYTHONPATH |
模块搜索路径扩展 | /opt/scripts;/opt/libs |
PYTHONUNBUFFERED |
禁用输出缓冲 | 1 |
LC_ALL |
字符编码与区域设置 | en_US.UTF-8 |
业务相关(示例)
| 变量 | 用途 | 安全建议 |
|---|---|---|
DB_HOST |
数据库地址 | 使用secret管理工具 |
API_KEY |
第三方API密钥 | 加密存储 + 权限控制 |
LOG_LEVEL |
日志级别 | 生产环境建议为INFO |
环境变量安全守则
- 禁止将密码硬编码在脚本中
- 避免在shell历史中记录敏感命令(使用
export HISTCONTROL=ignorespace) - 敏感变量应通过secret管理工具(如HashiCorp Vault、AWS Secrets Manager)动态获取
- 使用
env | grep -i secret检查是否意外泄露
3.5 虚拟环境与PATH
虚拟环境激活后PATH变化
激活虚拟环境后,PATH 会.prepend 虚拟环境路径:
# 激活前
echo $PATH
# → /usr/local/bin:/usr/bin:/bin
# 激活后
source /opt/venvs/demo-env/bin/activate
echo $PATH
# → /opt/venvs/demo-env/bin:/usr/local/bin:/usr/bin:/bin
生产环境替代方案
不激活虚拟环境,直接指定解释器路径:
/opt/venvs/demo-env/bin/python /opt/scripts/demo.py
优点:避免PATH污染,确保环境隔离
四、定时任务:cron与systemd深度对比
定时执行是Python脚本在Linux环境的高频场景。cron简单可靠,systemd更现代灵活,二者需根据场景选择。
4.1 cron基础配置
编辑crontab
crontab -e # 编辑当前用户crontab
sudo crontab -u python-runner -e # 指定用户
时间格式详解
* * * * * command
│ │ │ │ │
│ │ │ │ └─ 星期几 (0-7, 0和7均为周日)
│ │ │ └─── 月份 (1-12)
│ │ └───── 日期 (1-31)
│ └─────── 小时 (0-23)
└───────── 分钟 (0-59)
常见定时任务示例
| 需求 | crontab表达式 | 说明 |
|---|---|---|
| 每小时执行一次 | 0 * * * * |
每小时整点 |
| 每天凌晨2:30执行 | 30 2 * * * |
系统负载低谷 |
| 每周日3:00执行 | 0 3 * * 0 |
周末维护窗口 |
| 每3分钟执行 | */3 * * * * |
监控类脚本 |
| 工作日9:00-18:00每小时执行 | 0 9-18 * * 1-5 |
业务时间执行 |
4.2 cron执行Python脚本注意事项
问题:cron环境变量极简
cron执行时仅提供极简环境变量:PATH=/usr/bin:/bin,且无用户shell配置
解决方案
- 在crontab开头定义环境变量
- 使用绝对路径
- 显式激活虚拟环境
# crontab 示例
SHELL=/bin/bash
PATH=/opt/venvs/demo-env/bin:/usr/local/bin:/usr/bin:/bin
PYTHONPATH=/opt/scripts
# 每天凌晨2:30执行
30 2 * * * /opt/venvs/demo-env/bin/python /opt/scripts/daily_report.py >> /var/log/python-scripts/cron.log 2>&1
致命错误:忽略重定向
未重定向输出会导致:
- 错误信息邮件发送给root用户(可能未配置邮件)
- 日志丢失,无法追溯
正确做法:始终重定向输出到文件
command >> /var/log/script.log 2>&1
4.3 systemd定时器(现代方案)
优势对比cron
- 支持延迟启动(
AccuracySec=1h)避免“雷同启动” - 自动重启失败任务
- 与日志系统深度集成
- 支持基于系统唤醒/空闲的触发
创建定时器服务
创建 /etc/systemd/system/pydemo.timer:
[Unit]
Description=Run Python Demo Daily
[Timer]
OnCalendar=*-*-* 02:30:00
Persistent=true
AccuracySec=1h
[Install]
WantedBy=timers.target
关联服务文件
确保 pydemo.service 已存在(见前文),然后启用定时器:
systemctl daemon-reload
systemctl enable pydemo.timer
systemctl start pydemo.timer
# 查看状态
systemctl list-timers
调试定时器
# 查看最近执行记录
systemctl status pydemo.timer
# 查看服务日志
journalctl -u pydemo -n 50
# 手动触发测试
systemctl trigger pydemo.timer
4.4 时间相关陷阱
问题1:时区不一致
cron使用系统时区,但脚本可能使用UTC,导致定时偏移
解决方案
# 检查系统时区
timedatectl status
# 设置为上海时区
timedatectl set-timezone Asia/Shanghai
# 在脚本中显式设置时区
import os
os.environ['TZ'] = 'Asia/Shanghai'
import time
time.tzset()
问题2:夏令时影响
夏令时切换时,cron可能跳过或重复执行
规避建议
- 使用systemd timer(自动处理夏令时)
- 在脚本中校验当前时间与目标时间偏差
- 关键任务避免在夏令时切换日执行
生产环境建议
对于关键任务(如数据备份),优先使用systemd timer而非cron。对于简单定时任务,cron更轻量。二者可混合使用,但需统一管理策略。
五、故障排查:7大典型场景深度解析
本节基于真实运维日志,系统梳理linux 执行python脚本失败的7大高频场景及解决方案。
5.1 场景1:ModuleNotFoundError
错误表现
Traceback (most recent call last):
File "/opt/scripts/demo.py", line 5, in
import pandas
ModuleNotFoundError: No module named 'pandas'
排查步骤
- 检查模块是否安装:
pip list | grep pandas - 检查虚拟环境是否激活:
which python - 检查PYTHONPATH:
python -c "import sys; print(sys.path)" - 检查是否使用了系统Python而非虚拟环境Python
解决方案
- 安装缺失模块:
/opt/venvs/demo-env/bin/pip install pandas - 确保使用虚拟环境执行:
/opt/venvs/demo-env/bin/python script.py - 在脚本中动态添加路径(临时方案):
sys.path.insert(0, '/opt/libs')
5.2 场景2:Permission Denied
错误表现
PermissionError: [Errno 13] Permission denied: '/var/log/app.log'
排查步骤
- 检查目录权限:
ls -ld /var/log - 检查脚本执行用户:
id - 检查SELinux上下文:
ls -Z /var/log - 检查文件是否存在且属主正确
解决方案
- 修改目录属主:
chown python-runner:python-scripts /var/log/python-scripts - 添加目录写权限:
chmod 750 /var/log/python-scripts - 配置SELinux策略(见前文)
5.3 场景3:脚本无输出
错误表现
脚本执行成功,但无任何日志输出
原因分析
- 标准输出被重定向但未捕获
- 日志缓冲导致输出延迟
- 脚本在非交互式环境(如cron)中运行
解决方案
- 设置环境变量:
export PYTHONUNBUFFERED=1 - 在logging配置中添加
stream=sys.stdout - 显式调用
sys.stdout.flush() - 使用
print(..., flush=True)
5.4 场景4:中文乱码
错误表现
日志中中文显示为问号或乱码:???
排查步骤
- 检查系统语言环境:
locale - 检查文件编码:
file script.py - 检查脚本编码声明:
# -*- coding: utf-8 -*-
解决方案
- 设置环境变量:
export LC_ALL=en_US.UTF-8 - 在脚本开头添加:
import sys; sys.stdout.reconfigure(encoding='utf-8') - 确保文件保存为UTF-8编码
5.5 场景5:路径中的空格
错误表现
sh: 1: /opt/scripts/my script.py: not found
解决方案
- 避免路径含空格(最佳实践)
- 若必须使用,用引号包裹:
" /opt/scripts/my script.py" - 使用转义字符:
/opt/scripts/my\ script.py
5.6 场景6:依赖库版本冲突
错误表现
ImportError: cannot import name 'XXX' from 'xxx' (/opt/venvs/demo-env/lib/python3.9/site-packages/xxx/__init__.py)
排查步骤
- 检查依赖版本:
pip list | grep -i requests - 检查脚本所需版本:
grep -i requests requirements.txt - 检查模块源码是否匹配
解决方案
- 降级/升级模块:
pip install requests==2.28.0 - 使用兼容性检查工具:
pip check - 创建独立虚拟环境隔离依赖
5.7 场景7:cron中PATH缺失
错误表现
脚本在终端正常执行,但通过cron执行时报错:sh: 1: python3: not found
解决方案
- 在crontab开头添加:
PATH=/usr/local/bin:/usr/bin:/bin - 直接使用绝对路径:
/usr/bin/python3 /opt/scripts/script.py - 在脚本中动态获取解释器路径:
#!/usr/bin/env python3
通用排查流程图
执行失败?
│
├─ 有错误输出? → 是 → 分析错误类型(见上7大场景)
│
├─ 无输出? → 是 → 检查重定向、缓冲、日志配置
│
├─ 按预期执行但结果错误? → 是 → 检查环境变量、路径、数据源
│
└─ 按预期执行且结果正确? → 是 → 检查日志记录完整性
排错工具箱
strace -f -o trace.log /opt/venvs/demo-env/bin/python script.py:跟踪系统调用lsof -p $(pgrep -f script.py):查看进程打开的文件python -m trace --trace script.py:逐行跟踪执行journalctl -u pydemo -f:实时查看systemd日志
六、高频问题解答(FAQ)
Q1:如何让Python脚本像bash脚本一样直接执行?
A:在脚本顶部添加shebang,并赋予执行权限:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
...
chmod +x script.py
执行:./script.py
Q2:如何传递参数给脚本?
A:使用sys.argv:
import sys
if len(sys.argv) < 2:
print("用法: script.py ")
sys.exit(1)
input_file = sys.argv[1]
执行:python3 script.py data.txt
Q3:如何让脚本后台运行且不随终端退出?
A:推荐使用systemd服务(见前文)。临时方案:
nohup python3 script.py > output.log 2>&1 &
Q4:脚本需要root权限怎么办?
A:创建专用服务用户并配置sudo规则(最小权限原则):
# /etc/sudoers.d/python-scripts
python-runner ALL=(root) NOPASSWD: /opt/scripts/sensitive_script.py
执行:sudo -u python-runner /opt/scripts/sensitive_script.py
Q5:如何监控脚本运行状态?
A:在脚本中添加健康检查端点:
from http.server import HTTPServer, BaseHTTPRequestHandler
class HealthHandler(BaseHTTPRequestHandler):
def do_GET(self):
if self.path == '/health':
self.send_response(200)
self.send_header('Content-type', 'text/plain')
self.end_headers()
self.wfile.write(b'OK')
else:
self.send_response(404)
if __name__ == "__main__":
# 启动健康检查服务(端口9090)
server = HTTPServer(('127.0.0.1', 9090), HealthHandler)
import threading
threading.Thread(target=server.serve_forever, daemon=True).start()
# 主逻辑...
print("脚本运行中,健康检查端口: 9090")
while True:
time.sleep(60)
使用systemd监控:ExecStartPost=/usr/bin/curl -f http://127.0.0.1:9090/health || systemctl restart pydemo
Q6:如何实现脚本热更新?
A:使用supervisor或systemd的Reload信号:
# 在脚本中处理SIGHUP信号
import signal
def reload_config(signum, frame):
logging.info("收到热更新信号,重新加载配置")
load_config()
signal.signal(signal.SIGHUP, reload_config)
发送信号:kill -HUP $(pgrep -f script.py)
Q7:如何打包脚本为独立可执行文件?
A:使用PyInstaller(注意Linux环境):
pip install pyinstaller
pyinstaller --onefile --add-data "config.json:." script.py
生成:dist/script 可直接执行
Q8:脚本执行太慢如何优化?
A:分层优化:
- 代码层:使用列表推导、避免重复计算、使用生成器
- 依赖层:预编译正则、使用C扩展模块(如numpy)
- 系统层:增加进程数(multiprocessing)、使用异步IO(asyncio)
- 硬件层:SSD存储、增加内存、使用专用计算节点
Q9:如何做脚本版本管理?
A:结合Git和语义化版本:
- 脚本目录:
/opt/scripts/app-v1.2.3/ - 软链接:
/opt/scripts/app-current → /opt/scripts/app-v1.2.3/ - 执行时:
/opt/scripts/app-current/script.py - 更新时:
ln -sfn app-v1.2.4 /opt/scripts/app-current
Q10:脚本如何实现优雅退出?
A:处理SIGTERM信号,完成清理工作:
import signal
import threading
stop_event = threading.Event()
def signal_handler(signum, frame):
logging.info(f"收到信号 {signum},开始优雅退出")
stop_event.set()
signal.signal(signal.SIGTERM, signal_handler)
signal.signal(signal.SIGINT, signal_handler)
# 主循环中检查
while not stop_event.is_set():
do_work()
stop_event.wait(timeout=1)
Q11:如何安全存储数据库密码?
A:推荐三级方案:
- 基础层:使用环境变量(如上文)
- 进阶层:使用HashiCorp Vault动态获取
- 高阶层:使用AWS Secrets Manager或阿里云KMS
示例(Vault):
export VAULT_TOKEN=s.xxxxx
export DB_PASS=$(vault read -field=password secret/db/pass)
Q12:脚本如何实现分布式执行?
A:使用Celery + Redis:
- 安装:
pip install celery[redis] - 定义任务:
# tasks.py
from celery import Celery
app = Celery('tasks', broker='redis://localhost:6379/0')
@app.task
def process_data(data):
return f"Processed: {data}"
- 启动worker:
celery -A tasks worker --loglevel=info - 调用任务:
process_data.delay("input")
社区资源
- Python官方文档:docs.python.org
- Linux命令手册:man7.org
- Stack Overflow:标签:linux
- GitHub优秀脚本:python-scripts