从混沌到秩序：Python的依赖管理工具分析

Python 的依赖管理工具不停没有标准化，原因主要包括：

• 汗青发展的随意性：Python发展早期对于依赖管理的器重程度不足，缺乏从一开始就进行统一规划和设计的意识
  
• 社区的分散性：Python社区庞大且分散，众多开发者和团队各自为政，根据自己的需求和偏好开发工具，缺乏统一的和谐和整合机制
  
• 多样化的使用场景：Python应用场景广泛，从 Web 开发到数据科学、机器学习、系统管理脚本等。不同场景对依赖管理有着不同的要求
  
• 向后兼容性的挑战：Python 语言本身非常注重向后兼容性，这在一定程度上限制了对依赖管理工具进行根本性变革的可能性
  
• 缺乏统一的治理：与一些编程语言（如 Java 有 Oracle 主导的规范订定）不同，Python 没有一个强有力的单一实体来主导依赖管理工具的标准化工作
  
• 生态系统的快速变革：Python 生态系统发展迅速，新的库和框架不断涌现，这使得依赖关系变得越来越复杂
  

1. 什么是依赖管理

依赖管理工具常用于处置处罚软件项目中的依赖关系。
在软件开发过程中，一个项目往往会依赖于许多其他的软件库、框架或组件。
依赖管理工具可以或许帮助开发者精确地指定这些依赖项的版本，主动下载和安装它们，并且可以在不同的环境中（如开发、测试、生产环境）包管依赖项的一致性。
如许可以有效制止因依赖版本杂乱而导致的软件故障、兼容性问题等环境。
比如，其他编程语言的标准依赖管理工具有：NodeJS的npm，Rust的cargo，Java的Maven等等。
依赖管理工具最关键的作用是可重复性，意味着我们可以遵循一系列步调，最终得到的软件项目是完全相同的。
特殊是现在的项目（不管是开源的还是内部的）基本都需要多人协作，确保每个人的代码编译出来的软件运行效果一致是至关重要的。
良好的依赖管理可以对开发、构建和部署阶段的全部依赖关系都明确声明，并与版本控制中的代码一起跟踪。
简单来说：应用步伐=代码+全部依赖项。
具体可以归纳为以下几个步调：

• 创建定义文件：项目的描述，声明所需的依赖项和最小版本约束等
  
• 天生锁定文件：固定依赖项的版本和依赖项之间的关系
  
• 同步环境：一般都过git之类的版本管理工具互相同步
  
• 追踪定义文件和锁定文件：定义文件和锁定文件有变革时及时互相同步
  

2. 依赖管理工具对比

Python 的依赖管理工具固然没有统一，但是有很多可供选择，下面一一分析每个工具的优缺点。
2.1. pip

pip是自带的默认包管理器，也是使用最多的工具，它的特点是只能用来安装Python包。
优势：

• 自Python 3.4起包罗在Python中，无需额外安装
  
• 2013年开始引入wheels分发格式，安装速度大大进步
  
• 2020年开始加入了依赖解析算法，可以或许更好的保持环境的一致性
  

不足之处：

• 依赖Python，也就是说使用pip必须先安装Python
  
• 不能安装非Python的包
  
• 没有锁定文件
  

2.2. venv

用于创建虚拟环境的内置工具，在虚拟环境中可使用 pip 安装包，通过设置环境变量来隔离环境。
优势：自Python 3.3起包罗在Python中。
不足之处：

• 是 Python 工具，依赖 Python 安装
  
• 全部环境必须使用相同的 Python 表明器
  
• 无法安装非 Python 包
  

2.3. virtualenv

在 venv 成为 Python 内置工具前，我们通常使用virtualenv创建虚拟环境，可指定不同的 Python 表明器创建虚拟环境，需通过 pip 安装。
优势：能指定不同 Python 表明器创建虚拟环境。
不足之处与venv 是一样的。
2.4. pip-tools

轻量级工具，引入锁文件机制。
需先编写requirements.in作为定义文件，再用pip-compile天生requirements.txt锁文件，同步环境是使用pip-sync。
优势：轻量、简单，与基本的 pip/venv 工具协同工作。
不足之处：

• 是 Python 工具，需安装到项目环境中，可能存在兼容性问题
  
• 只能处置处罚 pip 可安装的包
  
• 定义文件需手动维护
  

2.5. Pipenv

整合了 pip、virtualenv 和 pip-tools 的功能，通过Pipfile和Pipfile.lock管理依赖和虚拟环境，主动更新文件。
优势：轻量、简单，包装了基本的 pip/venv 工具。
不足之处：

• 是 Python 工具
  
• 有自己的定义和锁文件格式
  
• 只能处置处罚 pip 可安装的包
  
• 只能区分开发和非开发依赖，环境定义不够机动
  

2.6. Poetry

旨在涵盖 Python 项目整个开发流程，包括项目引导、虚拟环境、依赖管理、构建和发布包。
通过pyproject.toml管理依赖，主动维护poetry.lock，支持依赖分组。
优势：

• 一体化工具，涵盖项目开发全生命周期
  
• 有方便的下令行界面
  
• 支持依赖分组
  

不足之处：

• 是 Python 工具，较重量级，依赖多，安装可能有问题
  
• 与其他工具互操作性差，不支持其他构建后端
  
• 不支持维护互斥环境
  
• 有自己的依赖定义和锁文件格式
  
• 只能处置处罚 pip 可安装的包
  

2.7. PDM

雷同于 Poetry，但遵循 PEP 标准，可使用uv进行依赖解析和安装，其构建后端可独立使用。
uv是后面将要介绍的另一个依赖管理工具。
优势：

• 遵循 PEP 标准
  
• 可利用uv进行依赖管理
  

不足之处：与 Poetry 雷同，是 Python 工具，有较多依赖，存在相关缺点。
2.8. pyenv

用于安装和管理不同版本的 Python，可在全局或项目级别激活指定版本，是简单的 shell 实用步伐，不依赖 Python 安装。
优势：

• 纯 shell 脚本，无 Python 依赖
  
• 遵循 Unix 哲学，专注于管理 Python 版本
  

不足之处：

• 安装新 Python 版本需下载并编译源代码，耗时
  
• 首次设置可能较麻烦，需安装多个构建依赖
  
• 不支持 Windows
  

2.9. pipx

将 pip 包安装在用户级别的独立虚拟环境中，制止依赖冲突，通过 symlink(软链接) 将入口点链接到PATH，方便调用。
优势：比直接在用户级别 pip 安装工具更好，能隔离依赖，可使用不同 Python 表明器。
不足之处：

• 是 Python 工具
  
• 无法安装同一工具的多个版本，全部项目需共享工具版本
  

2.10. uv

用 Rust 编写的全能工具，旨在替代多个 Python 管理工具，处置处罚整个开发流程，包括安装包、管理虚拟环境、构建和发布等。
遵循 Python 标准，依赖定义在pyproject.toml，锁文件为uv.lock，支持任意依赖分组，能安装 pip 包作为可执行文件，可管理 Python 版本，维护全局包缓存。
优势：

• 用 Rust 编写，速度极快，单二进制文件，无外部依赖
  
• 多平台支持
  
• 一体化工具，功能全面
  
• 遵循 Python 标准
  
• 支持选择任何构建后端
  
• 支持依赖分组。
  

不足之处：

• 不支持维护多个互斥环境
  
• 只能处置处罚 pip 可安装的包
  

2.11. Conda

由 Anaconda 公司开发的不同生态系统的包管理器，主要用于安装anaconda.org上的包，
能创建虚拟环境，与 pip 生态系统不同，对【包】 的定义更广泛，包括共享库、头文件、可执行文件等。
优势：

• 多平台支持
  
• 有全局包缓存
  
• 包以编译二进制形式分发
  
• 依赖解析算法结实
  
• 可在 Conda 环境中使用 pip
  
• 支持全局和共享环境
  

不足之处：

• 速度慢
  
• 包的下载是串行的
  
• 安装过程有些侵入性，会修改shell设置
  
• 与 “主” Python 生态系统互操作性有限
  
• 无锁文件
  
• 构建和分发 Conda 包较痛楚
  

2.12. Mamba

是Conda的改进版，旨在解决Conda的痛点，如慢的依赖解析和并行下载问题，用 C++ 实现，使用不同算法，推荐安装方式已改变。
速度比Conda 快很多，其他方面和Conda雷同。
2.13. Pixi

雷同于 uv，但针对 Conda 生态系统，用 Rust 编写，支持多平台。
通过pyproject.toml或pixi.toml设置，有方便的下令行界面，支持管理多个虚拟环境和定义文件，有锁文件机制，支持雷同 Makefile 的项目主动化任务，可指定系统依赖，但不帮助构建包。
优势：

• 用 Rust 编写，速度快，单二进制文件，无外部依赖
  
• 多平台支持
  
• 方便的下令行界面
  
• 全局包缓存
  
• 可下载 Python 二进制文件和anaconda.org上的非 Python 包
  
• 能使用pyproject.toml和pixi.toml设置
  
• 可选择任何构建后端
  

不足之处：与其他工具兼容性有限，且没有遵循 Conda 的全局环境理念。
3. 工具选择建议

如此之多的依赖管理工具，我们应该如何选择呢？
如果我们的项目只有对Python包的依赖，那么推荐uv和Pixi；
如果需要维护多个互斥的环境，那么推荐pip + venv + pip-tools + pyenv；
如果需处置处罚无法通过 pip 安装的依赖，那么建议使用Pixi。
4. 总结

Python的依赖管理工具很多，但是大部分工具其实大同小异，只是互相做了一些小的改进。
我们选择时，除了考虑遗留项目的问题之外，只管优先选择新出的工具。
新的工具除了会改进原有工具的缺点，还会借鉴其他语言的优秀的依赖管理工具。
现在，我个人的话，使用uv来管理项目比较多。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。