Python环境管理的新选择：UV和Pixi，高性能Python环境管理方案

deephub

2024-12-29 10:12发布于北京

近期Python生态系统发生了重要变化，特别是在包管理领域。Anaconda对其商业许可证政策进行了调整，要求大型非营利组织（员工超过200人）需要为使用其默认包仓库的每位用户获取商业许可。这一变化促使开发社区开始寻找更开放的解决方案，特别是考虑到Python本身及其大多数包都是开源的这一事实。

Python环境管理和包依赖处理一直是开发过程中的关键挑战。传统工具如virtualenv、pip和conda虽然功能完备，但在性能和用户体验方面存在一定局限。本文将深入介绍UV和Pixi这些新一代Python包管理工具，分析其技术特性及其在实际开发中的应用。

UV

UV是一个用Rust编写的高性能Python包管理工具，其核心设计目标是替代传统的pip和pip-tools工作流。作为Astral开发的工具套件的一部分，UV与同公司的Ruff（Python代码检查工具）和Rye（Python项目管理工具）形成了完整的工具链。

图片

核心技术特性

  1. 高性能实现

    • 底层采用Rust实现，提供比传统Python工具高10-20倍的性能

    • 优化的依赖解析算法，显著提升包安装速度

  2. 项目级环境管理

    • 采用项目级虚拟环境，确保项目间的完全隔离

    • 支持pyproject.toml规范，提供现代化的项目配置方案

  3. 依赖管理机制

    • 精确的依赖版本控制

    • 通过uv.lock文件确保环境可重现性

    • 支持从PyPI源进行包安装

  4. Python版本管理

    • 集成的Python版本管理功能

    • 支持多Python版本并存

    • 项目级Python版本隔离

安装配置

UV的安装过程经过优化，支持主流操作系统平台。

Linux/MacOS安装

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

图片

Windows安装

 powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装完成后，可通过以下命令验证安装：

 uv --version

Python环境管理

与传统的conda不同，UV采用了更轻量级的方式管理Python环境。它不会创建全局的基础环境，而是允许用户按需安装和管理Python版本。

Python版本安装

 uv python install <version>

实际测试显示，UV的Python安装性能显著优于传统工具：

图片

Python 3.12安装性能测试

UV项目环境管理技术详解

虚拟环境管理

UV提供了完整的虚拟环境管理解决方案，采用项目级隔离策略，确保开发环境的一致性和可重现性。

基础虚拟环境创建：

 uv venv

指定Python版本创建环境：

 uv venv --python 3.11

环境激活

 source .venv/bin/activate  # Linux/MacOS环境
 .venv\Scripts\activate     # Windows环境

项目管理

UV的项目管理功能采用现代化的工具链方案，支持完整的项目生命周期管理。

项目初始化

 uv init -p 3.12 project-name

依赖管理

 cd project-name
 uv add requests

图片

初始化后的标准项目结构：

 project-name/
 ├── .git/
 ├── .gitignore
 ├── .python-version
 ├── .venv/
 ├── README.md
 ├── pyproject.toml
 └── uv.lock

依赖锁定与导出

UV支持多种依赖管理格式，可以生成标准的requirements.txt文件：

 uv pip compile pyproject.toml -o requirements.txt

图片

高级功能

1、多Python版本管理

 # 安装指定版本
 uv python install 3.10
 
 # 切换Python版本
 uv python use 3.10

2、依赖解析与锁定机制

UV实现了高效的依赖解析算法，通过lock文件确保环境的精确复制：

 # 从pyproject.toml生成锁定文件
 uv pip compile pyproject.toml -o requirements.txt
 
 # 从多源编译依赖
 uv pip compile pyproject.toml requirements-dev.in -o requirements-dev.txt

3、开发工具集成

UV提供了与开发工具的无缝集成：

 # 安装全局开发工具
 uv tool install black
 
 # 启动交互式环境
 uv run python

图片

实际应用与最佳实践

开发工作流集成

以下展示了在UV环境中开发和运行Python脚本的标准工作流：

 import requests
 
 def get_dad_joke():
     url = "https://icanhazdadjoke.com/"
     headers = {
         "Accept": "application/json"
     }
     response = requests.get(url, headers=headers)
 
     if response.status_code == 200:
         joke = response.json().get('joke')
         return joke
     else:
         return "Failed to fetch a joke."  # 请求失败处理

UV提供了专门的运行时环境：

 uv run script.py

图片

UV自动配置项目的版本控制环境：

 git add .
 git commit -m "Initial project setup"

Pixi

除了UV以外，我们来介绍另一个现代Python环境管理工具Pixi。

Pixi构建在Conda生态系统之上，提供了以下特性：

  • 与conda-forge的原生集成

  • 支持PyPI包管理（通过UV实现）

  • 提供项目级环境隔离

Pixi安装配置

Linux/MacOS安装：

 curl -fsSL https://pixi.sh/install.sh | bash

Windows安装：

 powershell -ExecutionPolicy ByPass -c "iwr -useb https://pixi.sh/install.ps1 | iex"

图片

Pixi项目管理

项目初始化：

 pixi init project-name

依赖管理：

 cd project-name
 pixi add python=3.12
 pixi add requests

图片

标准项目结构：

 project-name/
 ├── .gitattributes
 ├── .gitignore
 ├── .pixi/
 ├── pixi.lock
 └── pixi.toml

Pixi包管理特性

Pixi支持多源包管理：

conda-forge包管理（默认）

图片

PyPI集成

 pixi add --pypi black

图片

开发环境使用

 pixi shell
 python

图片

脚本执行：

 pixi run python script.py

图片

两个方案的技术对比

UV特点

高性能实现

  • Rust编写的核心组件

  • 优化的依赖解析算法

原生PyPI集成

  • 无中间层依赖

标准化配置

  • 支持pyproject.toml

  • 可生成requirements.txt

Pixi特点

Conda生态系统集成

  • 支持conda-forge包

  • 二进制包分发优势

混合包管理

  • 同时支持conda和PyPI

  • UV作为PyPI包管理器

总结

UV和Pixi代表了Python环境管理工具的两种不同技术路线。UV专注于提供高性能的原生PyPI包管理解决方案，而Pixi则致力于桥接Conda生态系统和PyPI。选择时应考虑项目具体需求：

  • 对性能要求高的项目建议选择UV

  • 需要Conda生态系统支持的项目可考虑Pixi

  • 标准Python项目开发推荐使用UV

所以如果主要应用于深度学习方向，并且需要迁移conda环境的话，可以优先考虑Pixi，因为有一些深度学习的库conda安装要方便很多，但是UV作为项目管理（比如作为web服务器）的模式却是一个很好的发展方向，所以如果你有兴趣可以持续关注。

喜欢就关注一下吧：


点个 在看 你最好看！ 

查看原图 7K