Shell在运维工程师思想中比较根深蒂固了，而且应用比较广泛，但是可移植差，也已经被公认了。

Shell又称为胶水语言，就是把不同的命令粘合在一起的一种语言。是一种系统级别的语言，对操作系统依赖性强。就算是Linux范围内的不同的操作系统之间移植改动可能都超过重写，所花费的时间和经历。

因此经常见到各种各样的Shell脚本，只是为了某一类甚至是某几个问题，而开发的。而且执行的时候，并不考虑系统资源占用的问题，最快的解决问题，才是它的最终目标。这正是类似救火队员的运维工程师需要所需要的工具，比较好用。

在我刚从事运维的时候，听说过这样一句话“掌握了3P就掌握了运维的未来”(不要想歪了)。这里面的3P---PHP、Perl、Python。经过时间的冲刷，PHP变成了世界上最好的语言，Perl的变成了Unix中的王牌工具，Python的触角伸向了各个尖端技术和高新行业。可见3P中Python功能和作用。

话题扯远了，回到题主的问题中。因为运维这个职业包括很多个方向，Python几乎都可以参与，或者替代Python。题主所说的运维岗可能就是面对服务器、应用的日常维护，那么其中肯定会涉及到批量管理或者自动化运维的相关内容。

批量管理或自动化，无非就是将人工执行的命令，变成脚本，让机器自动执行。那么Shell和Python的区别又在哪里呢。

如果是单台或者十台之内，且执行的命令无需长时间等待返回结果，从效果上看Shell和Python之间并没有多大差异。然而实际工作场景可能是面对几十台 甚至几百台终端(其中包括服务器、虚机、Docker)，在时间消耗和资源占用上，可就是天壤之别了。

举个例子，一个代码，需要在30台终端上执行，每台执行时间是1分钟。

Shell是顺序执行，因此执行时间 = 1分钟 X 30次，就是30分钟，且每次执行都是长链接，对系统资源的损耗和占用非常明显；

Python中Fabric工具，从执行时间上看，每一次都是通知终端需要执行这个，然后就返回通知下一个终端，每次通知时间可以忽略不计，相当于每个终端开始执行时间可能相差不到1秒，当全部执行完成，应该不到2分钟(算上网络延迟)，由于使用的短连接方式，因此对系统资源的消耗和占用基本上可以忽略不计。