提高生产力并削减成本:使用下面列出的这些必备的Python脚本来自动化这些常规的AWS任务
随着业务的发展,其基础设施和云管理的需求也随之增长。AWS提供了强大的云服务工具,但手动管理日常任务耗时且容易出错。使用Python自动化可以简化重复的AWS任务,帮助您高效安全地管理资源。
在这里,我们将介绍10个最佳的Python脚本,用于自动化日常的AWS任务的自动化。这使您能够专注于战略性任务,同时降低成本和开销。
基于Python的AWS自动化了解Python 是最灵活的编程语言之一,非常适合用于云自动化,这要归功于它简单易用以及对 AWS SDK 的强大支持。Boto3,Python 的 AWS SDK,能够流畅地与 AWS 服务交互,并且对于运行这些自动化脚本程序来说是必不可少的。为了跟上教程,请确保:
- 你掌握了基本的 Python 技能。
- 你安装了 Boto3 (
pip install boto3
) 并用必要的凭证配置了 AWS CLI (aws configure
)。 - 你为每个脚本都有适当的 IAM 权限。
每个脚本都是为特定的 AWS 任务设计的,包含其目的、代码示例和简单的设置指南。
1. 让 EC2 实例自动启动与停止- 目的:自动开关EC2实例,以减少非高峰期的成本。
- 脚本:
import boto3
ec2 = boto3.client('ec2')
def manage_ec2(action, instance_ids):
ec2.start_instances(InstanceIds=instance_ids) if action == 'start' else ec2.stop_instances(InstanceIds=instance_ids)
print(f"已{action}实例: {instance_ids}")
manage_ec2('stop', ['i-1234567890abcdef0'])
- 设置:定义实例ID(Instance ID)和操作(
启动(start)
或停止(stop)
)。可以手动运行该脚本,或使用AWS Lambda和CloudWatch Events来安排。
- 目的: 在两个S3桶之间同步数据,以实现备份。
- 脚本:
import boto3
s3 = boto3.resource('s3')
def 同步S3桶内容(source_bucket, destination_bucket):
copy_source = {'Bucket': source_bucket, 'Key': obj.key}
for obj in s3.Bucket(source_bucket).objects.all():
s3.Object(destination_bucket, obj.key).copy(copy_source)
print(f"已将数据从 {source_bucket} 同步到 {destination_bucket}")
同步S3桶内容('source-bucket-name', 'destination-bucket-name')
- 配置:替换桶名后运行。使用Lambda调度,或设置为本地cron作业。
- 目的:定期地从DynamoDB数据表导出数据到S3,用于分析或备份。
- 脚本:
import boto3
dynamodb = boto3.resource('dynamodb')
s3 = boto3.client('s3')
def export_dynamodb_to_s3(table_name, bucket_name, file_name):
table = dynamodb.Table(table_name)
data = table.scan()['Items']
s3.put_object(Bucket=bucket_name, Key=file_name, Body=str(data))
print(f"数据已成功导出到s3://{bucket_name}/{file_name}")
export_dynamodb_to_s3('my-table', 'my-bucket', 'backup.json')
- 配置:定义表名和桶名,并定期执行脚本。
- 目的:定期為RDS實例創建快照以確保數據安全。
- 腳本:
import boto3
rds = boto3.client('rds')
def create_rds_snapshot(db_instance_identifier, snapshot_id):
rds.create_db_snapshot(DBSnapshotIdentifier=snapshot_id, DBInstanceIdentifier=db_instance_identifier)
print(f"输出:已为 {db_instance_identifier} 创建快照 {snapshot_id}")
create_rds_snapshot('my-db-instance', 'my-db-snapshot')
- 设置:替换
db_instance_identifier
和snapshot_id
。通过 Lambda 函数安排任务。
- 目的如下:自动更新并部署Lambda函数。
- 脚本:
import boto3
lambda_client = boto3.client('lambda')
def 部署Lambda函数(function_name, zip_file_path):
with open(zip_file_path, 'rb') as f:
lambda_client.update_function_code(FunctionName=function_name, ZipFile=f.read())
print(f"Lambda函数 {function_name} 更新成功")
deploy_lambda('my-function', '/path/to/your/lambda.zip')
- 配置:将 Lambda 代码打包成一个
.zip
文件,并更新function_name
。
- 目的:为AWS资源设置CloudWatch提醒。
- 代码片段如下:
import boto3
cloudwatch = boto3.client('cloudwatch')
def create_cloudwatch_alarm(instance_id):
cloudwatch.put_metric_alarm(
AlarmName=f'CPU_Utilization_{instance_id}',
MetricName='CPUUtilization',
Namespace='AWS/EC2',
Statistic='Average',
Period=300,
EvaluationPeriods=1,
Threshold=70.0,
ComparisonOperator='GreaterThanThreshold',
AlarmActions=['<SNS_TOPIC_ARN>'],
Dimensions=[{'Name': 'InstanceId', 'Value': instance_id}]
)
print(f"为实例 {instance_id} 创建了 CloudWatch 警报")
create_cloudwatch_alarm('i-1234567890abcdef0')
- 步骤:替换
SNS_TOPIC_ARN
和instance_id
。
- 目的:自动管理IAM用户,例如,创建或删除用户。
- 脚本示例:
import boto3
iam = boto3.client('iam')
def create_iam_user(username):
iam.create_user(UserName=username)
print(f"打印: 'IAM 用户 {username} 已创建'")
create_iam_user('new-user')
- 配置:在脚本中定义 IAM 用户的名称。
- 目的:定时为EC2实例创建AMI,以便定期维护。
- 脚本:
def create_ami(instance_id, ami_name):
ec2 = boto3.client('ec2')
ec2.create_image(InstanceId=instance_id, Name=ami_name, NoReboot=True)
print(f"创建了AMI映像{ami_name}给实例{instance_id}")
# 创建一个AMI映像,实例ID为'i-1234567890abcdef0',名称为'my-ami-backup'
create_ami('i-1234567890abcdef0', 'my-ami-backup')
- 设置:使用 CloudWatch Events 和 Lambda 进行调度。
- 目的是:管理 S3 存储桶的策略以实现安全的访问。
- 脚本内容:
def 更新S3桶的权限策略(bucket_name, policy):
s3 = boto3.client('s3')
s3.put_bucket_policy(Bucket=bucket_name, Policy=policy)
print(f"已更新 {bucket_name} 的权限策略")
- 配置:定义包含权限规则的
policy
JSON 文件。
- 目的:删除旧的EBS快照以控制存储费用。
- 脚本:
import boto3
ec2 = boto3.client('ec2')
def cleanup_old_snapshots(days=30):
snapshots = ec2.describe_snapshots(OwnerIds=['self'])['Snapshots']
for snapshot in snapshots:
age = (datetime.now(pytz.utc) - snapshot['StartTime']).days
if age > days:
ec2.delete_snapshot(SnapshotId=snapshot['SnapshotId'])
print(f"删除了快照 {snapshot['SnapshotId']}, 时间戳为 {snapshot['StartTime']}")
cleanup_old_snapshots()
- 设置:根据保留策略调整
days
的值。
要运行这些脚本,请在本地或AWS Lambda环境中安装Python和Boto3。适当的IAM权限配置和安全地管理和配置AWS CLI凭证对于自动化过程的安全至关重要。
结论部分使用 Python 脚本进行 AWS 任务自动化可以大幅简化日常任务。通过自动化这些任务,您可以节省时间,降低成本,并专注于云管理中的关键任务。实现这些脚本可以帮助您优化工作流程,提高 AWS 整体效率。
点击查看更多内容
为 TA 点赞
评论
共同学习,写下你的评论
评论加载中...
作者其他优质文章
正在加载中
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦