Linux运维方向需要学些啥，之后可以从事哪些工作

Posted 2023-05-08

推荐几本学习Linux的书籍供参考：

一、《快乐的Linux命令行》

这本书介绍如何生存在 Linux 命令行的世界。不像一些书籍仅仅涉及一个程序，比如像shell 程序， bash。这本书将试着向你传授如何与命令行界面友好相处。它是怎样工作的？它能做什么？使用它的最好方法是什么？

正如书中所说的“就像有位老师在你身边，指导你学习”，这本书的特点是语言简洁流畅，即使是英文版，看起来也不费劲（目前已有中文版）。涵盖了大部分命令行工具和Shell编程。最主要的是它基于 CC 协议共享，任何人都可以免费下载。

二、《Linux命令行与shell脚本编程大全》

这是一本非常适合Linux小白的入门教程，内容通俗易懂、深入浅出，除了日常工作中用的基础命令之外，像正则表达式、sed、awk 这样的高级命令也有介绍，书上还配有大量的实例，如果你想精通 shell 编程，那么这本书就是为你准备的。也是有志于从事系统运维开发的朋友必备读品，总之，只要你能跟着这本教程学完，使用 Linux 就轻车熟路了。

三、鸟哥的Linux私房菜 : 基础学习篇

如果你想要学习Linux，强烈建议通过《鸟哥的Linux私房菜》这套书籍去学习，浅显易懂，小编就是通过这套书籍学会Linux的。

四、Linux UNIX系统编程手册 套装上下册

《linux/unix系统编程手册(上、下册)》是介绍linux与unix编程接口的权威著作。linux编程资深专家michael kerrisk在书中详细描述了linux/unix系统编程所涉及的系统调用和库函数，并辅之以全面而清晰的代码示例。

《linux/unix系统编程手册(上、下册)》涵盖了逾500个系统调用及库函数，并给出逾200个程序示例，另含88张表格和115幅示意图。

学成之后从事的工作也是围绕运维进行的：

应用运维(SRE)：应用运维负责线上服务的变更、服务状态监控、服务容灾和数据备份等工作，对服务进行例行排查、故障应急处理等工作，工作职责如下：设计评审、服务管理、资源管理、例行检查、预案管理、数据备份。

系统运维(SYS)：负责IDC、网络、CDN和基础服务的建设(LVS、NTP、DNS);负责资产管理，服务器选型、交付和维修，工作职责如下：IDC数据中心建设、网络建设、LVS负载均衡和SNAT建设、CDN规划和建设、服务器选型、交付和维护、内核选型和OS相关维护工作、资产管理、基础服务建设。

数据库运维(DBA):数据库运维负责数据存储方案设计、数据库表设计、索引设计和SQL优化，对数据库进行变更、监控、备份、高可用设计等工作，详细的工作内容如下：设计评审、容量规划、数据备份与灾备、数据库监控、数据库安全、数据库高可用和性能优化、自动化系统建设、运维研发、运维平台、监控系统、自动化部署系统。

运维安全(SEC)：运维安全负责网络、系统和业务等方面的安全加固工作，进行常规的安全扫描、渗透测试，进行安全工具和系统研发以及安全事件应急处理，工作内容如下：安全制度建立、风险评估、安全建设、安全合规、应急响应。

参考技术A 运维需要用到的东西很杂，从硬件设备到软件维护。
硬件设备 比如服务器的安装 网络的部署布局 ，最好能够了解防火墙，路由器，交换机的设置。
linux系统的深入了解。最好能够深入到内核和代码层面
部署在linux服务器上的应用的了解和维护，比如tomcat apache weblogic nagios cacti等。包括开发人员编写的软件，都需要去进行维护和调优建议，最好了解js和java语言。服务器的各种使用情况的监控，如磁盘，cpu，mem，io等。
架构设计的了解，以及自动化运维的脚本编写。
比如搭建集群或负载模式的架构等，实现服务器的多机热备高可用。
脚本编写，以减少人力操作来提高执行效率和准确性，一般需要shell，python，perl一类的语言基础，也包括awk，except等小语种使用。
数据库的维护
熟悉主流的数据库操作，主要是添删改查的操作。
oracle，mysql，芒果db，db2，memcache，redis等
之后可以做LINUX运维工程师 参考技术B

linux的基本操作，如vim编辑器、系统基础应用命令、docker容器应用、OpenStack等

数据库服务操作管理语句、数据库备份

shell脚本的编写、Python语言开发

主要从事工作有很多，例如：

1、Linux运维工程师（服务器系统运维）

2、Linux 服务器 开发

3、Linux内核开发

4、云计算

5、自动化运维

参考技术C

您好很高兴回答您的问题:

学习什么:

Linux基础,命令基础,排障基础,基本技术点与原理

网站架构与网站架构技术栈

自动化编程,DevOps,CI/CD,DevSecOps,Zabbix+Grafana+Prometheus,Elastic Stack

运维DBA,MySQL,Redis.

容器与K8S.

从事哪些工作

在拉钩,Boss上找找运维工程师,Linux运维工程师,云计算工程师等等.

by  oldboylidao996

想要学人工智能需要学些啥python的知识

Python和人工智能的关系及应用，以及想要学人工智能的你，究竟需要学些什么Python的知识，先来上两张图人工智能和Python的图。

从上图可以看出，人工智能包含常用机器学习和深度学习两个很重要的模块，而下图中Python拥有matplotlib、Numpy、sklearn、keras等大量的库，像pandas、sklearn、matplotlib这些库都是做数据处理、数据分析、数据建模和绘图的库，基本上机器学习中对数据的爬取（scrapy）、对数据的处理和分析（pandas）、对数据的绘图（matplotlib）和对数据的建模（sklearn）在Python中全都能找到对应的库来进行处理。

所以，要想学习AI而不懂Python，那就相当于想学英语而不认识单词。

如果你想要学好python最好加入一个好的学习环境，可以来这个Q群，首先是629，中间是440，最后是234，这样大家学习的话就比较方便，还能够共同交流和分享资料

那么要想学人工智能，想学Python，那些东西要学习呢，下面给大家简单介绍下：

首先，你要学Python如何爬取数据，你要做数据分析、数据建模，起码你要有数据，这些数据来源有多种方法，但是很多都来自网络，这就是爬虫。

爬虫：requests、scrapy、selenium、beautifulSoup，这些库都是写网络爬虫需要使用到的，好好掌握这些东西，数据就有了。

然后，有了数据就可以进行数据处理和分析了，这个时候，你需要用到数据处理的一些库。

数据处理：Numpy、scipy、pandas、matplotlib，这些库分别可以进行矩阵计算、科学计算、数据处理、绘图等操作，有了这些库，你就可以一步步开始把数据处理成你需要的格式。

接着，数据符合你的格式以后，你就需要利用这些数据进行建模了，这个时候你用到的库也有很多。

建模：nltk、keras、sklearn，这些库主要是用于自然语言处理、深度学习和机器学习的，把这些用好了，你的模型就构建出来了。

最后，如果你的项目是基于Python开发的线上系统，你还可以学一学Python的Web开发，这样，你做的模型还能直接用在线上系统。

Web开发：django、flask、tornado，这些库搞明白了，你Web开发也就搞定了。

不过，有句话叫“人生苦短，我用Python”，之所以这么说是因为Python在实现各个功能的时候要远比其他语言简练的多，很多功能在Python中只需要一行代码搞定，但是在Java中你可能需要写好多好多代码才能实现。

就拿一个简单的例子，读写文件来说吧：

Python读写文件：

//读文件  

with open('readFile', 'r') as inFile:  

for line in inFile.readlines():  

print line  

...  

//写文件  

with open('writeFile', 'w') as outFile:  

outFile.write("...")

Java读写文件：

import java.io.InputStreamReader;  

import java.io.FileInputStream;  

import java.io.FileReader;  

import java.io.FileWriter;  

import java.io.BufferedWriter;  

import java.io.File;  

BufferedReader br1 = new BufferedReader(new InputStreamReader(new FileInputStream("read_file1")));  

BufferedReader br2 = new BufferedReader(new FileReader("read_file2"));  

String line = null;  

while((line = br1.readLine())!=null)  

System.out.println(line);  

...  

 

File outfile = new File("write_file");  

if (!file.exists())  

file.createNewFile();  

 

//true = append file  

FileWriter fileWritter = new FileWriter(file.getName(),true);  

BufferedWriter bufferWritter = new BufferedWriter(fileWritter);  

bufferWritter.write(data);  

bufferWritrer.flush();

bufferWritter.close();

各位学习人工智能的同胞们，你们看到了吧，就是一个简单的读写文件，Java的操作要比Python复杂太多太多！

在真实的工作中，我们需要做的事情是把大量的精力集中在数据上、数据分析和理解上，而不是花费30%-50%的时间去写代码，Python不光是提供了机器学习所需要的一切工具库，还能让你专注在数据处理和分析上，所以，要学习和进入人工智能行业的话，好好学习Python吧，骚年！

最后，附上一张今年语言排行榜。

参考技术A 随着人工智能时代呼声渐起，Python凭借其入门简单、应用广泛的优势成为很多想要入行互联网行业的人们的首选编程语言。如果你想学一门语言，可以从语言的适用性、学习的难易程度、企业主的要求几个方面考虑。从这几个角度看，学习Python都没有什么可挑剔的。如果你想要专业的学习Python开发，更多需要的是付出时间和精力，一般在2w左右，时间在4-6个左右。可以根据自己的实际需求去实地看一下，先好好试听之后，再选择适合自己的。只要努力学到真东西，前途自然不会差。 参考技术B 　　深度学习技术在现代社会的各个方面表现出了强大的功能，从Web搜索到社会网络内容过滤，再到电子商务网站上的商品推荐都有涉足。并且它越来越多地出现在消费品中，比如相机和智能手机。深度学习正在取得重大进展，有望成为计算机视觉、语音分析和许多其他领域内机器学习的主要形式。
　　深度学习本质上是深层的Python人工神经网络，它不是一项孤立的技术，而是数学、统计机器学习、计算机科学和人工神经网络等多个领域的综合。
　　想做好深度学习开发，在编程方面除了掌握python自身语法外，还应该着重掌握下面这些库：
　　pandas：超级excel，表格式操作数据，数据清洗和预处理的强大工具。
　　numpy：数值计算库，快的不要不要的。
　　matplotlib：模仿MATLAB的数据可视化工具。
　　scikit-learn：封装超级好的机器学习库，一些简便的算法用起来不要太顺手。
　　ipython notebook：数据科学家和算法工程师的笔记本。
　　深度学习看似难度大，掌握了正确的学习方法，入门还是很轻松的。
　　为了帮助行业人才更快地掌握人工智能技术，中公优就业联合中科院自动化研究所专家，开设人工智能《深度学习》课程，通过深度剖析人工智能领域深度学习技术，培养人工智能核心人才。
　　在为期5周的课程学习中，你将全面了解AI深度学习的相关知识，掌握人工神经网络及卷积神经网络原理、循环神经网络原理、生成式对抗网络原理和深度学习的分布式处理，并应用于企业级项目实战。
　　通过对专业知识的掌握，你会更系统地理解深度学习前沿技术，并对学会学习(元学习)、迁移学习等前沿主流方向发展有自己的想法。 参考技术C 人工bai智能是学科，不算技术。以du前的人工智能玩的是形式逻辑，实现走的是zhi专家系统。目前实现人工智能dao的路线主要是机器学习，深度学习是机器学习一个领域。 Python是编程语言，跟深度学习理论并没有直接关系，只是现在主要的深度学习框架都用Python来编程。你问还有什么，还有机器学习咯 参考技术D 看看这边，名气实力并存，有个比较好些