Bash vs Python: битва, где нет проигравших

Привет, Хабр! В мире автоматизации часто возникает вопрос: писать скрипт на Bash или на Python? Оба инструмента подходят отлично, но принципиально разные. Bash — больше про «скоропись», для системных задач, где важна скорость и краткость. Python же — универсальный язык, который намного лучше справляется со сложной логикой и структурами данных. Но когда лучше выбрать один, а когда — другой?

Некоторые задачи в Bash решаются одной строкой, когда же на Python потребуется десяток строк кода. При усложнении сценария — Bash превращается в головоломку из awk, sed и прочих, что значительно усложняет поддержку. В данной статье сравним подходы и определим, когда и какой язык лучше использовать.

Введение

Python — универсальный язык, но иногда Bash справится с задачей в разы быстрее и лаконичнее. Особенно в данных ситуациях:

• Работа с файлами (поиск, замена, обработка)

• Вызов системных утилит (grep, awk, sed, find и тд.)

• Интеграция с системными утилитами (systemctl, top и тд.)

• Конвейерная обработка данных (пайплайны, перенаправление вывода)

Но и у Bash есть слабые места: он не очень хорошо работает со сложными структурами данных (JSON, XML), сложно масштабируется, а код быстро становится нечитаемым.

Анализ: когда выигрывает Bash, а когда Python незаменим

1. Обработка логов: сравнение подходов

Bash:

grep ' 500 ' /var/log/nginx/access.log | awk '{print $1}' | sort | uniq -c | sort -nr | head -5 

Преимущества:

• Быстрая скорость обработки (особенно ощутимо на больших файлах)

• Минимальное потребление памяти (потоковая обработка)

Недостатки:

• Хрупкость (зависимость от формата логов)

• Сложность доработки (например, если нужно добавить фильтр по дате)

• Плохая читаемость при усложнении логики

Python:

from collections import defaultdict import re  log_file = "/var/log/nginx/access.log" ip_counts = defaultdict(int) log_pattern = re.compile(r'^(\S+) \S+ \S+ \[(.*?)\] "(.*?)" (\d+)')  with open(log_file) as f:     for line in f:         match = log_pattern.match(line)         if match and match.group(4) == "500":             ip = match.group(1)             ip_counts[ip] += 1  top_ips = sorted(ip_counts.items(), key=lambda x: x[1], reverse=True)[:5] for ip, count in top_ips:     print(f"{count}\t{ip}") 

Преимущества:

• Четкая структура парсинга через регулярные выражения

• Легкость добавления дополнительной логики (фильтрация по дате, URL и т.д.)

• Возможность обработки некорректных строк

• Лучшая читаемость кода

Недостатки:

• Больший объем кода

• Требуется больше памяти для обработки

• Ощутимо медленнее на очень больших файлах

Вывод: для разовых задач на знакомых логах Bash явно предпочтительнее. Для сложного же анализа с большей гибкостью — Python.

2. Массовое переименование файлов

Bash:

# Безопасная версия с проверками find . -maxdepth 1 -name "*.txt" -print0 | while IFS= read -r -d '' file; do     new_name="${file// /_}"     [ "$file" != "$new_name" ] && mv -- "$file" "$new_name" done 

Нюансы:

• Обработка файлов с пробелами и спецсимволами через -print0

• Защита от переименования в то же имя

• Поддержка рекурсивного поиска через find

Python:

import os from pathlib import Path  for item in Path('.').glob('*.txt'):     new_name = item.name.replace(' ', '_')     if new_name != item.name:         item.rename(item.with_name(new_name)) 

Нюансы:

• Не переименовывает файлы без изменений

• Использует современный pathlib вместо os

• Кросс-платформенность

Производительность (возможно незначительное отклонение +-0,1с):

• На 1000 файлах: Bash — 0,2с, Python — 0,5с

• На 10000 файлах: Bash — 2,1с, Python — 4,8с

Вывод: для простых случаев Bash в разы быстрее, но Python предлагает более надежное решение для сложных сценариев.

3. Мониторинг диска

Bash:

#!/bin/bash  threshold=90 recipient="admin@example.com" partition="/"  usage=$(df --output=pcent "$partition" | tail -1 | tr -d '% ') message="Disk usage on $(hostname) for $partition: ${usage}%"  if [ "$usage" -ge "$threshold" ]; then     echo "$message" | mail -s "Disk Alert" "$recipient"     # Дополнительно: логирование и система повторов     logger -t disk_alert "$message" fi 

Python:

import smtplib import socket from email.mime.text import MIMEText from shutil import disk_usage  def send_alert(usage):     host = socket.gethostname()     msg = MIMEText(f"Disk usage on {host}: {usage}%")     msg['Subject'] = 'Disk Alert'     msg['From'] = 'monitoring@example.com'     msg['To'] = 'admin@example.com'          with smtplib.SMTP('smtp.example.com') as server:         server.send_message(msg)  def main():     threshold = 90     partition = '/'          total, used, _ = disk_usage(partition)     usage_percent = (used / total) * 100          if usage_percent >= threshold:         send_alert(round(usage_percent, 1))         # Дополнительные функции:         # - Логирование         # - Очередь сообщений         # - Повторы при ошибках  if __name__ == '__main__':     main() 

Критерии выбора:

4. Обработка CSV-файлов

Для полноты картины поставим задачу: посчитать среднее значение по второму столбцу CSV

Bash:

awk -F',' 'NR>1 {sum+=$2; count++} END {print sum/count}' data.csv 

Python:

import pandas as pd  df = pd.read_csv('data.csv') print(df.iloc[:, 1].mean()) 

Сравнение:

• Bash: 0.8с при файле в 100МВ

• Python: 1.2с, но с поддержкой:

  1. Пропущенных значений

  2. Разных форматов CSV

  3. Дополнительной аналитики

5. Производительность: тесты на реальных данных

Домашний тестовый стенд:

• Ubuntu 20.04

• Intel Core i7-10750H

• 32GB RAM

• SSD NVMe

Результаты:

Итоги

Использовать Bash в случаях, когда:

1. Требуется быстрое решение для одноразовой задачи

2. Работа с текстовыми потоками и системными утилитами

3. Необходима максимальная производительность на простых операциях

4. Скрипт будет выполняться только в Unix-окружении

Выбирать Python, когда:

1. Требуется сложная логика обработки данных

2. Важна читаемость кода

3. Необходима кроссплатформенная совместимость

4. Предполагается дальнейшее развитие скрипта

5. Планируется работа со структурированными данными (JSON, XML, CSV)

Со своей же стороны добавлю. Я часто использую «гибридный» подход. Комбинирование языков даёт максимальную эффективность: Bash — для быстрой предобработки данных, Python — для сложного анализа.

P.S. Я веду свою группу в Телеграмм, буду рад видеть всех, кому интересен процесс написания скриптов и автоматизация в мире IT.