自动化脚本：从“手动点点点”到“躺平发版”的实战蜕变
刚入职新公司两个月，说实话，还在适应节奏。之前在滴滴干了四年司机端后端，天天和高并发、低延迟打交道，代码写得还算讲究。现在这家创业公司技术债有点多，但氛围挺好——至少没人半夜三点打电话说“司机接单超时了”。不过最近一次发版，让我又梦回被“重复操作”支配的恐惧。
事情是这样的：上周五晚上八点，产品经理小张（没错，就是那个总在周五下班前甩需求的张哥）跑过来：“兄弟，我们明天早上九点要上线一个紧急活动，需要把100多个司机白名单配置进系统。”
我第一反应是：“不能走配置中心吗？”
他说：“来不及改前端了，先用脚本吧。”
行吧。但你知道最痛苦的是什么吗？不是写脚本，而是每次都要手动登录服务器、连数据库、跑SQL、清缓存、重启服务……一套流程下来半小时，手都点麻了。更别提一不小心删错库，直接喜提P0事故大礼包。
那一刻我突然意识到：再不搞自动化，我就要变成人肉运维机器人了。
其实我对自动化脚本这事一直有点心虚。在滴滴那会儿，基础设施太完善了，CI/CD 流水线、蓝绿发布、自动回滚，啥都有。你只管提交代码，剩下的交给平台。但现在这小公司，很多流程还得靠“老中医式”手搓。好在这些年重度依赖 ChatGPT 和 Claude，遇到问题丢过去，它能给你生成个七七八八的脚本雏形——虽然经常漏掉鉴权或者路径分隔符，但至少省了查文档的时间。
于是周末两天，我决定把几个高频操作全自动化掉。目标很朴素：以后发版、配数据、查日志，只要敲一行命令就行。
从“复制粘贴”到“一键执行”
第一个要解决的就是白名单导入。原来的流程是：
- 打开 Excel，复制司机 ID 列
- 登录跳板机
- 进入生产 DB（战战兢兢）
- 手动拼
INSERT INTO whitelist (driver_id) VALUES (...) - 清 Redis 缓存
- 发企业微信通知测试同学
光看步骤就知道有多反人类。我用 Python 写了个小工具，核心逻辑就几十行：
# import_whitelist.py
import os
import pandas as pd
import redis
import pymysql
def load_driver_ids_from_excel(file_path):
df = pd.read_excel(file_path)
return df['driver_id'].dropna().astype(str).tolist()
def insert_to_db(driver_ids):
conn = pymysql.connect(
host=os.getenv("DB_HOST"),
user=os.getenv("DB_USER"),
password=os.getenv("DB_PASS"),
database="driver_service"
)
cursor = conn.cursor()
values = [(did,) for did in driver_ids]
cursor.executemany("INSERT IGNORE INTO whitelist (driver_id) VALUES (%s)", values)
conn.commit()
conn.close()
def clear_redis_cache():
r = redis.Redis(host=os.getenv("REDIS_HOST"), port=6379, decode_responses=True)
r.delete("driver:whitelist:cache")
if __name__ == "__main__":
ids = load_driver_ids_from_excel("./whitelist.xlsx")
insert_to_db(ids)
clear_redis_cache()
print(f"✅ 成功导入 {len(ids)} 个司机白名单，并刷新缓存！")
关键点在于：
- 用
INSERT IGNORE避免主键冲突 - 环境变量管理敏感信息（绝不硬编码！）
- 最后打印明确的成功提示——毕竟运维同事可能要用
跑完脚本，自动发个企微机器人消息，测试同学秒收到通知。再也不用我手动@他们了。产品同学看到后眼睛都亮了：“这玩意能给我们运营也搞一个吗？”
自动化不只是“省时间”，更是“防人祸”
别小看这些脚本。去年双11我在滴滴值班时，就见过实习生手抖把 UPDATE drivers SET status = 0 漏了 WHERE 条件，结果全量司机下线。虽然有 binlog 回滚，但那十分钟的故障报警声，至今还在耳边回响。
所以这次写脚本，我强制加了三道保险：
- Dry-run 模式：加个
--dry-run参数，只打印 SQL 不执行 - 权限最小化：数据库账号只给 INSERT/SELECT，不给 DELETE/UPDATE
- 操作日志审计：所有脚本执行记录写入 ELK，谁在什么时候跑了什么，清清楚楚
# 示例：安全第一！
$ python import_whitelist.py --dry-run
[DRY RUN] Would insert 128 driver IDs.
[DRY RUN] Would delete key 'driver:whitelist:cache' in Redis.
产品经理一开始嫌麻烦：“搞这么复杂干嘛，快点上线就行。”
但我坚持：“你可以不要命，但我得保住饭碗。”
后来他默默改了需求文档，加了一句：“需支持安全审计”。
脚本也要有“产品思维”
很多人觉得脚本就是临时工具，写完就扔。但如果你把它当成一个微型产品，体验会完全不同。
比如我给脚本加了：
- 友好的 help 信息（
--help输出清晰） - 进度条（用
tqdm显示导入进度） - 错误分类（网络超时 vs 数据格式错误，提示不一样）
- 默认参数（Excel 文件名默认
./whitelist.xlsx，不用每次都输）
甚至写了份简单的 README：
# 白名单导入工具
## 使用方式
```bash
python import_whitelist.py [--file path/to/file.xlsx] [--dry-run]
注意事项
- 确保
.env文件包含 DB 和 Redis 配置 - Excel 必须有
driver_id列，且为纯数字 - 生产环境请务必先 dry-run！
结果运维小哥用了之后说：“这比我们某些正式服务还好用。”
我心想：**这不是理所当然的吗？用户（哪怕是内部用户）体验差，迟早要背锅。**
## 技术选型：简单 > 完美
有人可能会问：为什么不直接上 Airflow 或 Jenkins？
答：杀鸡焉用牛刀。
我们目前就几个固定场景：数据导入、日志分析、定时清理。用 Shell + Python 足够了。引入重型调度框架，反而增加维护成本。等哪天脚本数量超过 50 个、依赖关系复杂了，再考虑升级不迟。
另外，脚本语言选 Python 而不是 Go，原因很现实：
- 团队里 Python 更普及
- pandas 处理 Excel/CSV 太香了
- 快速原型，调试方便
| 方案 | 上手速度 | 维护成本 | 适用场景 |
|------|--------|--------|--------|
| Shell 脚本 | ⭐⭐⭐⭐ | ⭐⭐ | 简单命令组合 |
| Python 脚本 | ⭐⭐⭐ | ⭐⭐⭐ | 数据处理、复杂逻辑 |
| Airflow | ⭐ | ⭐⭐⭐⭐⭐ | 任务依赖、大规模调度 |
现阶段，Python 是甜点区。
## 最后的感悟：自动化是工程师的“防卷盔甲”
在滴滴那四年，我见过太多人陷在重复劳动里：每天查日志、对账、手动回滚。表面看是“负责”，实则是**把人力当机器用**。而真正优秀的团队，会不断把人的精力从机械操作中解放出来，去思考架构、体验、业务价值。
现在虽然公司小，但我也想守住这条线：**能自动化的，绝不手动；能一次写好，绝不反复救火。**
上周五那个白名单需求，现在只需要产品把 Excel 丢进指定目录，CI 监听到文件变化，自动触发脚本，全程无人值守。我甚至可以在家喝着咖啡看执行日志。
当然，老板还不知道这事——要是知道了，怕是要给我加更多“自动化需求”了 😅
但没关系。因为我知道，**每一次自动化，都是对“无效加班”的一次反抗。**
而这，或许就是我们写代码最朴素的意义。
评论 0