Python для сисадмина и DevOps-инженера: скрипты, API и автоматизация серверов
Python для администратора — это язык скриптов, которые делают больше, чем позволяет bash. Он запускает системные команды и разбирает их вывод, обращается к API облака, мониторинга и трекера задач, ходит на серверы по SSH, читает журналы и конфигурации в JSON и YAML, а затем отправляет отчёт в рабочий чат. Для начала хватит синтаксиса, работы с файлами, модуля subprocess и HTTP-запросов. Отдельно придётся разобраться, куда ставить библиотеки на сервере: свежие дистрибутивы Linux запрещают pip трогать системный Python.
Содержание

Обычно всё начинается со скрипта на bash, который за год вырос до двухсот строк: массивы, разбор JSON через jq, повторные попытки, ветвления по кодам возврата. Править его уже никто не берётся. На Python он получает нормальные структуры данных, обработку исключений и тесты. Но важнее языка привычки: проверять код завершения каждой команды, ограничивать по времени всё, что может зависнуть, и не хранить токены в тексте скрипта.
Где заканчивается bash и начинается Python
Bash остаётся лучшим выбором, когда нужно склеить три-четыре команды: перезапустить службу, почистить каталог, скопировать файл. Python выигрывает там, где появляются данные: ответ API облака приходит в JSON с вложенными списками, журнал нужно разобрать регулярным выражением и посчитать ошибки по часам, а список серверов лежит в YAML-файле.
Типичные задачи выглядят так: опросить серверы и собрать версии пакетов в одну таблицу, проверить сроки сертификатов на десятках доменов, создать пользователей по списку через API каталога, найти машины, где диск заполнится раньше чем через неделю. DevOps-инженер добавляет шаги конвейера сборки, собственные модули Ansible, экспортеры метрик для Prometheus и небольшие внутренние сервисы.
Иногда Python не нужен вовсе. Желаемое состояние серверов лучше описывать в Ansible и Terraform, которым на сайте посвящена отдельная статья. Утилиту одним бинарным файлом без зависимостей многие команды пишут на Go. А обработка выгрузок и отчётов для бизнеса — это Python для аналитики, другой маршрут с pandas.
Учебный пример: проверка служб и ночной копии
Ситуация учебная. На сервере работают nginx, PostgreSQL и cron, а ночью rsync копирует резервные файлы на другую машину. Администратор хочет утром получать в чат сообщение, только если что-то сломалось. Скрипт обходится стандартной библиотекой:
import json, os, subprocess, urllib.request
problems = []
for name in ["nginx", "postgresql", "cron"]:
r = subprocess.run(["systemctl", "is-active", name],
capture_output=True, text=True, timeout=10)
if r.returncode != 0:
problems.append(f"{name}: {r.stdout.strip()}")
try:
subprocess.run(["rsync", "-a", "/var/backups/", "backup:/srv/copies/"],
check=True, timeout=3600)
except (subprocess.CalledProcessError, subprocess.TimeoutExpired) as e:
problems.append(f"резервная копия: {e}")
if problems:
body = json.dumps({"text": "\n".join(problems)}).encode()
req = urllib.request.Request(os.environ["CHAT_WEBHOOK"], data=body,
headers={"Content-Type": "application/json"})
urllib.request.urlopen(req, timeout=10)
Два вызова subprocess устроены по-разному намеренно. Для systemctl is-active ненулевой код — нормальный ответ «служба не работает», и скрипт разбирает его сам. Для rsync он означает сбой копирования, и здесь нужен check=True. По документации subprocess этот параметр по умолчанию выключен: без него run молча вернёт код ошибки, и скрипт отчитается, что всё в порядке. timeout защищает от зависшего соединения: процесс завершается, а скрипт получает исключение TimeoutExpired.
Команда передаётся списком, а не строкой с shell=True. Документация объясняет: без оболочки любые символы уходят в процесс как есть, а при её явном вызове экранировать спецсимволы обязан автор кода. Если путь приходит из файла или от пользователя, строка с оболочкой открывает дорогу чужой команде. Адрес чата берётся из переменной окружения, и токен не попадёт в репозиторий.
Куда ставить библиотеки на сервере
Когда скрипту понадобятся requests, Paramiko или PyYAML, администратор по привычке пишет sudo pip install и на свежей системе получает ошибку externally-managed-environment. Это принятый стандарт. PEP 668 позволяет дистрибутиву положить в каталог стандартной библиотеки файл EXTERNALLY-MANAGED. Если файл есть, а установка идёт не в виртуальное окружение, pip обязан остановиться с ошибкой. Внутри виртуального окружения проверка не срабатывает.
Причина описана в самом PEP: pip, обновляя или удаляя пакет в системном интерпретаторе, может задеть файлы операционной системы, и восстановить её потом трудно. Пример оттуда же — командой pip install можно нечаянно сломать менеджер пакетов dnf в Fedora. Debian включил защиту с 12-й версии: в примечаниях к выпуску, раздел 5.2.2 сказано, что pip откажется ставить пакеты в системные интерпретаторы без опции --break-system-packages. Приложения, которых нет в репозитории, там советуют ставить через pipx, а библиотеки — в окружение venv из пакета python3-venv.
Для сервера вывод такой. Скрипт на стандартной библиотеке, как в примере, работает на системном Python без установки чего-либо. Скрипту с зависимостями заводят своё окружение, например в /opt/healthcheck/venv, и в задании cron или юните systemd указывают путь к его интерпретатору. Опция --break-system-packages уместна разве что в одноразовом контейнере: PEP называет такой обход рискованным.
С чего начать и в каком порядке осваивать
Порядок удобно строить от того, что администратор уже умеет в терминале. Каждый шаг опирается на предыдущий: без типов данных не разобрать JSON, без subprocess не заменить bash-скрипт, а модули Ansible и экспортеры имеет смысл писать, когда обычные скрипты уже работают надёжно.
- Синтаксис: строки, списки, словари, циклы, функции, исключения.
- Файлы и форматы: pathlib, JSON, YAML, CSV, регулярные выражения для журналов.
- Работа с системой: subprocess, переменные окружения, argparse, коды выхода.
- Сеть: HTTP-запросы к API, SSH через Paramiko или Fabric, обработка ошибок.
- Окружения: venv, зависимости с точными версиями, запуск через cron или таймер systemd.
- Тесты на pytest и логирование — до того, как скриптом начнут пользоваться коллеги.
Первые три пункта можно пройти самостоятельно, переписывая на Python свои bash-скрипты. Если язык с нуля и нужна программа с заданиями, посмотрите онлайн-курс Merion Academy «Python программист с нуля»: четыре месяца по 2–5 часов в неделю, десять блоков от типов данных и файлов до ООП, асинхронности и автотестов, цена на сентябрь 2026 года — 19 890 ₽. Курс общий: заметная часть программы отдана FastAPI, Flask и Django, а финальный проект — сайт каталога фильмов. Как проверяют задания, уточните у школы.
Упражнения и типичные ошибки
Лучшая тренировка — собственная рутина. Перепишите еженедельный скрипт так, чтобы он сообщал о проблемах, а не о том, что всё хорошо. Затем замените константы в коде параметрами командной строки, вынесите список серверов в YAML и напишите для функции разбора журнала пару тестов на pytest с заранее подготовленными строками.
Новички чаще всего ошибаются в трёх местах. Игнорируют коды возврата: команда упала, а скрипт пошёл дальше и удалил старые копии. Не ставят таймауты, и задание cron висит до утра. Проверяют скрипт сразу на рабочем сервере, хотя безопаснее прогнать его на тестовой машине, а для удаляющих действий сделать режим пробного запуска, который лишь печатает план.
Python для API и инфраструктурных инструментов
Следующая ступень — небольшие сервисы. Администратору нужен внутренний API, через который разработчики сами заказывают тестовый стенд, DevOps-инженеру — модуль Ansible для системы без готового модуля или очередь для долгих операций. Здесь пригодятся веб-фреймворк, валидация данных, тесты API и асинхронный код.
Часть этих тем собрана на интенсиве Слёрма «Python: работа с фреймворками и API». Это запись трёхдневного интенсива 2022 года за 7 000 ₽: FastAPI, Pydantic и SQLAlchemy, затем pytest, Sentry и Celery, а в третий день — модули и плагины Ansible с тестами. Проверки заданий нет, сроки в описании противоречат друг другу, а версии библиотек за четыре года могли уйти вперёд. Новичкам в Python обзор интенсив не рекомендует.
Продвинутый уровень: операторы, модули и экспортеры
Уверенно владея скриптами, можно расширять сами инфраструктурные системы. Оператор Kubernetes приводит ресурсы кластера в нужное состояние, экспортер Prometheus отдаёт метрики приложения, у которого их нет, бот в чате перезапускает стенд по команде. Для этого нужны ООП, асинхронный код и тесты: ошибка в операторе затрагивает весь кластер.
Программ именно по Python для инженеров эксплуатации в каталоге мало, поэтому две ссылки из трёх ведут на одну школу. Ближе всего к теме курс Слёрма «Python для инженеров: продвинутый уровень» на четыре месяца: GitLab CI/CD, requests и Paramiko, оператор Kubernetes на Kopf, модуль Ansible, API на синхронном и асинхронном коде, экспортер Prometheus, юнит-тесты и ChatOps. На вход нужны чтение кода на Python, Git и Linux. В октябре 2026 года тариф без проверки стоил 35 000 ₽, с код-ревью — 45 000 ₽. Объём практики требует уточнения: 32 или 73 часа. Точное число нужно подтвердить у школы.
Как навык влияет на доход
Отдельной строкой Python у администратора оплачивается редко. Работодатель платит за то, что навык позволяет делать: автоматизировать эксплуатацию и писать инструменты для команды. В вакансиях DevOps- и SRE-инженеров он обычно стоит рядом с Linux, Kubernetes и Ansible.
Открытые данные дают лишь грубую оценку. В калькуляторе «Хабр Карьеры» в октябре 2026 года для DevOps-инженеров с навыком Python показана зарплата 310 833 ₽ по 54 анкетам, для всех DevOps-инженеров — 225 000 ₽ по 1 226 анкетам. Это все уровни и регионы, данные анкет, а не вакансий. Выборка с Python мала и, вероятно, опытнее, так что разница отражает уровень не меньше, чем навык. Задайте в калькуляторе свой город и квалификацию.
Как выбрать обучение
Посмотрите, на каких задачах идёт практика: администратору нужны системные команды, SSH, API и журналы, а не только веб-страницы. Проверьте версию Python в материалах, разбирает ли кто-то ваш код и будет ли проект, который можно показать: скрипт, модуль Ansible, экспортер.
Сравнить школы поможет рейтинг онлайн-школ с обучением Python. Он общий для разработки, анализа данных и автоматизации, поэтому программы для эксплуатации там придётся отбирать по описанию. А начать можно до оплаты: перепишите на Python один свой разросшийся bash-скрипт, с проверкой кодов возврата и таймаутами, и станет ясно, чего вам не хватает.