使用 Conda 和 uv 实现灵活的 Python 环境管理

目录

背景

Python 项目种类繁多，从数据分析、机器学习到 Web 开发和小型工具脚本，每类项目对 Python 版本、环境隔离和依赖管理的需求各异。简单的项目可能仅需 pip 管理依赖，但随着项目规模扩大或复杂度增加，版本冲突和环境膨胀问题逐渐显现。

例如，数据科学项目常依赖庞大的机器学习库（如 TensorFlow 或 PyTorch），需要稳定的环境隔离；而 Web 开发或轻量级脚本项目则更注重轻便、快速的依赖管理和灵活的 Python 版本切换。传统的 conda 虽然功能强大，但其环境体积动辄数 GB，显得过于臃肿。基于此，我优化了环境管理方案，采用 Conda 和 uv 组合，取代了原有的 conda-pyenv-poetry 组合，以实现更高效、轻量的 Python 环境管理。

我的目标是：

• Conda：为数据科学和机器学习项目提供隔离良好的重量级虚拟环境，允许多个相似项目共享环境以节省空间
• uv：为常规项目提供快速、独立的虚拟环境，并支持灵活的 Python 版本管理和依赖锁定

Conda

Conda 是一个开源的包管理和环境管理系统，最初是为 Python 数据科学项目设计的，但现在已经支持多种编程语言（如 R、Node.js、Java 等）。它由 Anaconda 公司开发，广泛用于数据科学、机器学习和科学计算领域。

• 虚拟环境隔离：Conda 创建完全隔离的虚拟环境，避免依赖冲突，适合管理复杂的科学计算库
• 依赖自动解析：相比 pip，Conda 的依赖解析更加强大
• 多语言支持：不仅限于 Python，还可管理 R、Julia 等语言的依赖

安装与配置

推荐使用 Miniforge，这是针对 conda-forge 频道的轻量级 Conda 发行版，预设以下功能：

• 默认使用 conda-forge 由社区维护的开源软件仓库，提供了比默认 Conda 渠道更丰富、更新更频繁的包。
• 提供 mamba，一个更快的 Conda 替代品，加速包解析和安装。

配置优化：

# 禁用 base 环境自动激活，避免干扰其他 Python 环境
conda config --set auto_activate_base false

# 验证 Conda 安装：
conda --version
mamba --version

注意：在 Windows 上，确保 Conda 的 PATH 优先级低于 uv 提供的 Python 路径，以避免版本冲突。可以在系统 PATH 中调整顺序，将 uv 的路径置于 Conda 之前。

uv

uv 是一个用 Rust 编写的现代 Python 包管理器，集成了 Python 版本管理、虚拟环境创建和依赖管理的功能，性能远超 Pyenv 和 Poetry 等其他工具。其核心优势包括：

• 🚀 一个工具即可替代 pip、pip-tools、pipx、poetry、pyenv、twine、virtualenv 及更多。
• ⚡️ 比 pip 快 10-100 倍
• 🗂️ 提供全面的项目管理，并配备通用锁文件
• ❇️ 运行脚本，支持内联依赖元数据
• 🐍 安装和管理 Python 版本
• 🛠️ 运行和安装作为 Python 包发布的工具
• 🔩 包含一个与 pip 兼容的接口，通过熟悉的 CLI 提升性能
• 🏢 支持 Cargo 风格的工场，适用于可扩展项目
• 💾 磁盘空间高效，具有全局缓存用于依赖项去重
• ⏬ 可通过 curl 或 pip 无 Rust 或 Python 进行安装
• 🖥️ 支持 macOS、Linux 和 Windows

安装与配置

安装 UV：

• 在 Windows 上，使用 PowerShell 安装：

  Invoke-WebRequest -Uri "https://astral.sh/uv/install.ps1" -OutFile "install.ps1"; .\install.ps1

• 在 Ubuntu 或其他 Linux 系统上：

  curl -LsSf https://astral.sh/uv/install.sh | sh

• 验证安装：

  uv --version

配置 UV：

• 设置全局 Python 版本：

  uv python install 3.11  # 安装 Python 3.11
  uv python pin 3.11      # 设置全局默认版本

• 为项目指定 Python 版本：

  cd my-project
  uv python pin 3.10      # 项目使用 Python 3.10

  这会在项目目录下生成 .python-version 文件，记录版本设置。

• 创建虚拟环境并管理依赖：

  uv venv                    # 创建虚拟环境
  uv add numpy pandas        # 添加依赖
  uv sync                    # 同步依赖到虚拟环境

  依赖信息记录在 pyproject.toml 和 uv.lock 中，确保一致性。

• 验证项目环境：

  uv run python -c "import sys; print(sys.executable)"

  输出应为项目虚拟环境的 Python 路径，例如 .../my-project/.venv/Scripts/python.exe（Windows）。

• 使用 UV 打包项目并发布到 PyPI：

  uv build
  uv publish

• 自定义 uv 配置（uv.toml），例如设置自定义缓存目录或配置 pip 索引 URL，创建一个 uv.toml 文件。此文件可以放在全局位置（例如 Linux/Mac 上的~/.config/uv/uv.toml 或 Windows 上的%APPDATA%\uv\uv.toml），或放在项目目录中以进行项目特定的设置。

  cache-dir = "/Volumes/Work/Temporary/uv_cache"
  
  [[index]]
  url = "https://pypi.tuna.tsinghua.edu.cn/simple"
  default = true