這是不同性質的工作，專業的運維開發（能獨立開發一個運維web項目並應用於生產那種）與業務運維（能快速處理故障操作生產變更那種）兩個角色很難合體。我反正是沒見過能合體的，當然了，公司管理層都是希望能合體，節約人力成本，不過都是一廂情願。現在的基礎架構太複雜了，很多公司的標準化都沒做好，服務治理更是稀爛，部分公司連CTO都不懂運維。所以，理想歸理想，現實歸現實。

python運維開發，本質上是熟悉運維的開發，是個開發崗；作為一個運維開發，將來可以涉及很多業務，包括你想學的k8s，所以先成為一個運維開發吧。

運維超運維開發發展是一個順理成章的職業發展路線。整體上薪資比運維高，更專註一些。

業務時間學習什麼都是么有問題的；如果想學的東西能在工作中實踐，自然是最好的，學再多的東西，不真正應用到工作中，都是浮於表面的，很難學的很深入。

選擇比努力更重要。我覺得這句話，真的很重要，有能力有想法做運維開發，真的很好。如果我在做運維工作四年的時候能有這樣的想法，和這樣的平台，就好了。

建議先動手學學Python 簡單入手，逐步考慮DevOps。

你說現在公司里沒用k8s，其實可以和領導同事做些交流 未來可能上k8s嗎， 另外從公司的實際需求來分析，很多中小公司總共就十幾台伺服器或者雲主機，看到k8s的種種特性 覺得很不錯，想全線換k8s。 這樣的成本其實很高 應用系統首先要支持，其次CI/CD 都要考慮調整，還要有運維人員熟悉k8s，否則遷移過程與日常管理都是坑。

DevOps你可以從小做起，對自己的日常工作做些優化，不但提高效率也提高自己的能力。而且並不會與k8s之類衝突。

Python 可以稱為大數據全棧式開發語言。因為 Python 在雲基礎設施，DevOps，大數據處理等領域都是炙手可熱的語言。只要會 Python，就可以實現一個完整的大數據處理平台。從最底層數據採集、數據存儲與冗餘備份，數據處理，數據分析，數據建模，可視化以及機器學習，深度學習等等

大數據的基礎服務，包括傳輸系統（Flume和Kafka），計算調度（Yarn和K8S）以及存儲系統（HDFS和HBASE）。

K8S是谷歌開發的容器集群管理系統。在Dockers技術的基礎上,為容器化的應用提供部署運

行、資源調度、服務發現和動態伸縮等一些列完整功能 ,提高了大規模容器集群管理的便捷

性。

K8S是一個完備的分散式系統支撐平台，具備完善的集群管理能力,多擴多層次的安全防護和

准入機制、多租戶應用支撐能力、透明的服務註冊和發現機制、內建智能負載均衡器、強大的

故障發現和自我修復能力、服務滾動升級和在線擴容能力、可擴展的資源自動調度機制以及多

粒度的資源配額管理能力。

在Docker容器技術火熱發展的今天，如何將分布在不同物理機上的Docker容器組織、管理、調度起來成為一個急需解決的問題，Kubernetes正是解決這個問題的最佳實踐。Kubernetes是一個開源的系統，可以自動部署，擴展和管理運行在Docker容器中的應用程序。Kubernetes可以根據應用程序對資源的需求在集群中創建相應的容器，在容器中啟動程序，同時藉助於網路插件在不同物理機的容器之間建立通信鏈接。基於Kubernetes，可以非常便利的將運行在容器中的大數據程序部署和管理起來。

在日常運維上這兩並不衝突，但是如果你是希望向專家或某一個技術更加深入的研究，那就得看自己如何選擇，運維開發也不是僅限寫個工單系統或什麼的，目前的定位更多的是如果使用你的開發技能把運維中接觸的數據將他盤活，通過機器學習等技術將運維變成智能化運維，甚至給業務發展提供建議；k8s不管是運維開發還是其他對於現在運維而言都是必備技能，唯一的問題就是是否深入

k8s運維開發路過

VMware公司的vSphere 7 with K8S，了解一下。《vSphere 7融合Kubernetes，構建現代化應用的平台》, 一起來圍觀吧 https://blog.csdn.net/q48S71bCzBeYLOu9T0n/article/details/104809322

這倆又不衝突啊，資深一些的運維，這肯定都要會的。