Как использовать list/dict/set comprehensions в Python для автоматизации?

В DevOps я активно использую comprehensions в Python-скриптах для автоматизации, так как они позволяют компактно и эффективно преобразовывать данные, например, при обработке вывода команд или конфигурационных файлов.

Практические примеры из задач автоматизации:

1. Фильтрация списка IP-адресов из вывода команды:

   # Допустим, у нас сырой вывод с адресами
   raw_output = "192.168.1.1 [OK]n10.0.0.5 [FAIL]n192.168.1.10 [OK]"
   lines = raw_output.split('n')
   
   # Используем list comprehension для фильтрации только рабочих адресов
   healthy_ips = [line.split()[0] for line in lines if "[OK]" in line]
   # Результат: ['192.168.1.1', '192.168.1.10']

2. Создание словаря конфигурации для сервисов из списка:

   services = ['nginx', 'postgresql', 'redis']
   # Dict comprehension для задания портов по умолчанию
   service_ports = {service: default_port for service, default_port in zip(services, [80, 5432, 6379])}
   # Результат: {'nginx': 80, 'postgresql': 5432, 'redis': 6379}

3. Обработка и дедупликация списка имен хостов из логов (set comprehension):

   log_entries = ["Host: web-01", "Host: db-01", "Host: web-01", "Host: app-01"]
   unique_hosts = {entry.split(": ")[1] for entry in log_entries}
   # Результат: {'web-01', 'db-01', 'app-01'}

Почему это важно в DevOps:

• Лаконичность: Позволяет писать меньше кода для стандартных операций преобразования данных.
• Читаемость (в меру): Для простых преобразований comprehension часто читается легче, чем эквивалентный цикл for с .append(). Однако для сложной логики с множественными условиями лучше использовать обычный цикл для сохранения читаемости.
• Производительность: Обычно выполняется быстрее, чем аналогичный код с циклами, так как оптимизирован на уровне интерпретатора Python.