书籍:python网络编程 Python Network Programming - 2019

简介: 简介主要特点掌握Python技能,开发强大的网络应用程序掌握SDN的基本原理和功能为echo和chat服务器设计多线程,事件驱动的体系结构此学习路径强调了Python网络编程的主要方面,例如编写简单的网络客户端,创建和部署SDN和NFV系统,以及使用Mininet扩展您的网络。

简介

图片.png

主要特点

  • 掌握Python技能,开发强大的网络应用程序
  • 掌握SDN的基本原理和功能
  • 为echo和chat服务器设计多线程,事件驱动的体系结构

此学习路径强调了Python网络编程的主要方面,例如编写简单的网络客户端,创建和部署SDN和NFV系统,以及使用Mininet扩展您的网络。您还将学习如何自动化传统和最新的网络设备。在阅读这些章节的过程中,您将使用Python for DevOps和开源工具来测试,保护和分析您的网络。最后,您将使用套接字编程开发客户端应用程序,例如Web API客户端,电子邮件客户端,SSH和FTP。

到本学习路径结束时,您将学习如何使用高级网络数据包捕获和分析技术分析网络的安全漏洞。

你会学到什么

  • 使用异步模型创建基于套接字的网络
  • 为Web API开发客户端应用程序,包括S3 Amazon和Twitter
  • 与具有不同协议的电子邮件和远程网络服务器通信
  • 将Python与Cisco,Juniper和Arista eAPI集成以实现自动化
  • 使用Telnet和SSH连接进行远程系统监控
  • 通过XML-RPC,SOAP和REST API与网站交互
  • 使用Ryu,OpenDaylight,Floodlight,ONOS和POX构建网络
  • 在不同的部署环境中配置虚拟网络

这本书对象

如果您是Python开发人员或想要启动网络编程的系统管理员,则此学习路径可让您更接近目标。新的管理网络设备的IT专业人员和DevOps工程师,或者那些希望在Python中扩展知识和技能的经验最少的人,也会发现这种学习路径很有用。虽然不需要先前的网络知识,但Python编程方面的一些经验将有助于更好地理解学习路径中的概念。

目录

  • 基础概念
  • 用于网络工程师的Python
  • 网络工程师的持续集成
  • 网络自动化中的SDN概念

    低级网络设备交互
  • API和意图驱动的网络
  • Python自动化框架 - Ansible Basics
  • Python自动化框架 - 超越基础
  • AWS云网络
  • 和Git一起工作
  • 套接字,IPv4和简单的客户端/服务器编程
  • 多路复用套接字I / O以获得更好的性能
  • IPv6,Unix域套接字和网络接口
  • 使用HTTP进行Internet编程
  • 电子邮件协议,FTP和CGI编程
  • 跨机器边界编程
  • 使用Web服务 - XML-RPC,SOAP和REST
  • 网络监控和安全
  • 网络建模
  • 身份验证,授权和记帐(AAA)
  • 开放和专有网络解决方案
  • NFV和编排 - 一个更大的生态系统
  • 对Internet进行编程

参考资料

图片.png
图片.png

相关文章
|
2天前
|
机器学习/深度学习 Python
【Python实战】——神经网络识别手写数字(三)
【Python实战】——神经网络识别手写数字
|
2天前
|
机器学习/深度学习 数据可视化 Python
【Python实战】——神经网络识别手写数字(二)
【Python实战】——神经网络识别手写数字(三)
|
4天前
|
机器学习/深度学习 自然语言处理 PyTorch
使用Python实现循环神经网络(RNN)的博客教程
使用Python实现循环神经网络(RNN)的博客教程
24 1
|
22小时前
|
机器学习/深度学习 数据挖掘 PyTorch
使用Python实现长短时记忆网络(LSTM)的博客教程
使用Python实现长短时记忆网络(LSTM)的博客教程
5 0
|
2天前
|
机器学习/深度学习 数据可视化 Python
【Python实战】——神经网络识别手写数字(一)
【Python实战】——神经网络识别手写数字
|
4天前
|
机器学习/深度学习 算法 TensorFlow
Python深度学习基于Tensorflow(6)神经网络基础
Python深度学习基于Tensorflow(6)神经网络基础
16 2
Python深度学习基于Tensorflow(6)神经网络基础
|
4天前
|
存储 Shell 网络安全
|
5天前
|
机器学习/深度学习 PyTorch 算法框架/工具
使用Python实现卷积神经网络(CNN)
使用Python实现卷积神经网络(CNN)的博客教程
30 1
|
6天前
|
存储 JavaScript 前端开发
Python网络数据抓取(5):Pandas
Python网络数据抓取(5):Pandas
28 8
|
13天前
|
机器学习/深度学习 PyTorch TensorFlow
【Python机器学习专栏】循环神经网络(RNN)与LSTM详解
【4月更文挑战第30天】本文探讨了处理序列数据的关键模型——循环神经网络(RNN)及其优化版长短期记忆网络(LSTM)。RNN利用循环结构处理序列依赖,但遭遇梯度消失/爆炸问题。LSTM通过门控机制解决了这一问题,有效捕捉长距离依赖。在Python中,可使用深度学习框架如PyTorch实现LSTM。示例代码展示了如何定义和初始化一个简单的LSTM网络结构,强调了RNN和LSTM在序列任务中的应用价值。