Python 的包管理

Q：生成 Pipfile.lock 太慢？

A：不像 npm 等依赖管理工具（依赖通过纯文本定义），对于 Python 包，如果你要获取详细的依赖情况，需要下载安装包并执行 setup.py 文件，所以会耗费一定时间。通常来说，更换 PyPI 源已经可以大幅提升速度。如果你仍然不想等待生成 Pipfile.lock 的时间，那么可以在执行 pipenv install 命令时添加--skip-lock 选项来跳过 lock 步骤，最后使用 pipenv lock 命令来统一执行 lock 操作。

xiaket

2018-12-12 06:52:50 +08:00

据我所知, 那是因为 npm 根本没有处理依赖管理和版本冲突问题吧...

daxy223

2018-12-12 07:34:27 +08:00 via Android

anaconda 一劳永逸

orangeade

2018-12-12 07:51:49 +08:00 via Android

pip ＋ virtualenv 不就够了？用 pipenv 的理由？

OldPanda

2018-12-12 07:55:42 +08:00

赞成楼上和楼上的楼上，平时自己开项目还是 virtualenv + pip 用的比较多，除非是刻意想要了解一下 pipenv 这个新工具

silkriver

2018-12-12 08:07:30 +08:00

pip 加标准库的 venv 也就够了

fivestrong

2018-12-12 08:07:34 +08:00 via Android

pipenv 改一下 pipfile 里面的下载地址，会快很多

zst

2018-12-12 08:07:57 +08:00 via Android

用 anaconda 吧舒服

xiaket

2018-12-12 08:12:01 +08:00

@orangeade

pip 解决冲突的办法挺凑合的, 有些 corner case 没解决好.

例如你需要安装某包 A 和 B, A 依赖某 C > 1.5, B 依赖某 C <= 2.0, 此时, 某 C 的最新版是 2.3. 我们期待 pip 安装的结果是装一个满足 1.5 < C <= 2.0 的版本, 但是 pip 会按 requirements 文件的顺序挨个解决冲突, 因此它先看 A 的依赖, 发现要大于 1.5, 于是直接装了一个满足大于 1.5 的版本 2.3, 等回头要装 B 的时候就耍赖报个版本冲突的警告不管了. 我们使用时的解决办法是锁 C 的版本为 2.0，并写到 A 和 B 的前面, 这样安装 A 和 B 时发现依赖都已经被满足了, 不会装新包. Github 上相关讨论链接: https://github.com/pypa/pip/issues/988

pipenv 在这一点上是比 pip 更好的. 它会分析一个 requirements 文件里的所有依赖, 然后正确解决上面所述的冲突. 这一点上, 是比 pip 优秀的.

当然, 它还有一些较小的方便之处, 例如, 所有的 venv 都会放在一个统一的地方, 不会放到当前目录下, 这样你也不需要在.gitignore 里加东西不是?

clino

2018-12-12 08:28:01 +08:00

没用过 pipenv，大概看了下也觉得没需要用
直接用 virtualenv 觉得就挺好了

im67

2018-12-12 08:50:43 +08:00

推荐 pipenv，跟 npm 很像

chengxiao

2018-12-12 09:00:49 +08:00

python 因为系统中经常存在多个版本且可能会切换的原因所以感觉 pipenv 其实不是最好的选择
常规的 pip+virtualenv 是最稳定的

xuanli

2018-12-12 09:19:20 +08:00

pip + venv 或者 virtualenv

vissssa

2018-12-12 09:24:56 +08:00

pyenv 每个文件夹一个环境

freakxx

2018-12-12 09:49:54 +08:00

下载慢换源：
[[source]]

url = "https://pypi.doubanio.com/simple"
verify_ssl = true
name = "douban"

[packages]

lock 慢，加上
--skip-lock

ClutchBear

2018-12-12 10:02:59 +08:00

包管理用 requirement.txt 就行了啊.
用那么复杂的工具干啥.

jmc891205

2018-12-12 10:24:14 +08:00

conda 也不错 pip+venv 也够用

xiaotiange

2018-12-12 10:34:58 +08:00 via Android

用 anaconda，发现真香，包管理加环境管理，一劳永逸

xpresslink

2018-12-12 10:54:37 +08:00

目前做 Python 开发部署，比较成熟普遍的工程实践是使用 virtualenv
在开发的时候用 Pycharm 创建一个项目和对应的虚拟环境，
每需要增加一个包就在项目根目录的的 requirements.txt 中增加一行包名，
这个特性是被 Pycharm 支持的，pycharm 就自动帮你把包装在虚拟环境了。

部署的时候也是先用 virtualenv 先创建一个虚拟环境然后在虚拟环境中执行
pip install -r requirements.txt 就自动把所有依赖包安装齐了。