Môi trường Python thống nhất: từ venv và Conda đến uv

Trang chủ » Python » Môi trường Python thống nhất: từ venv và Conda đến uv

Khi làm việc với Python trong các dự án thực tế, người ta nhanh chóng nhận ra một sự thật phũ phàng: chỉ một cài đặt Python toàn cục duy nhất là không đủ. Ngay khi bạn quản lý nhiều hơn một ứng dụng, bạn sẽ gặp phải xung đột phụ thuộc, không tương thích phiên bản và vấn đề kinh điển "nó hoạt động trên máy của tôi". Một ứng dụng cần Django 2.2, ứng dụng khác yêu cầu Django 4.2, một đường dẫn dữ liệu sử dụng pandas 1.3, trong khi một notebook lại cần pandas 2.0 – việc cài đặt mọi thứ trên toàn hệ thống chỉ là tự chuốc lấy rắc rối.

Việc sử dụng môi trường Python thống nhất và độc lập là giải pháp cho mớ hỗn độn này. Bằng cách kết hợp các môi trường ảo, các trình quản lý phụ thuộc hiện đại như đánh rớt, Đếm, Thơ, đường ống, pdm và các công cụ hiệu suất cao như uvNhờ đó, bạn có thể gán cho mỗi dự án một phiên bản Python và bộ gói riêng, giữ nguyên Python của hệ điều hành và tái tạo thiết lập một cách đáng tin cậy trên nhiều máy, đường dẫn CI/CD và máy chủ sản xuất.

Vì sao môi trường Python thống nhất lại quan trọng đến vậy

Cốt lõi của mọi công cụ quản lý môi trường là nhu cầu cô lập các mối phụ thuộc giữa các dự án. Một bản cài đặt Python dùng chung trên toàn hệ thống chỉ có thể chứa một phiên bản duy nhất của mỗi thư viện, nhưng các dự án thực tế hiếm khi thống nhất về một phiên bản duy nhất. Nếu Ứng dụng A cố định một gói ở phiên bản 1.0 và Ứng dụng B yêu cầu phiên bản 3.0, việc cài đặt một phiên bản trên toàn hệ thống chắc chắn sẽ gây lỗi cho phiên bản kia.

Môi trường ảo giải quyết vấn đề này bằng cách tạo ra các thư mục cài đặt riêng biệt, mỗi thư mục có trình thông dịch Python và các gói phần mềm riêng. Hãy coi mỗi môi trường như một vũ trụ Python thu nhỏ riêng biệt: một dự án có thể chạy Flask 1.1, dự án khác chạy Flask 2.0, mà không gây xung đột với nhau. Việc cập nhật thư viện trong một môi trường sẽ không ảnh hưởng đến tất cả các dự án khác.

Sự cách ly này rất quan trọng trong môi trường làm việc nhóm và triển khai sản phẩm. Nếu không có nó, một nhà phát triển cài đặt bản cập nhật "nhỏ" có thể đột ngột làm sập một dịch vụ cũ, hoặc một tác vụ CI có thể thành công trong khi môi trường sản xuất thất bại vì phiên bản thư viện khác nhau. Môi trường, tệp khóa và cài đặt có thể tái tạo sẽ loại bỏ tính ngẫu nhiên đó.

Các quy trình làm việc thống nhất nhằm mục đích đưa tất cả những điều này vào một chuỗi công cụ nhất quán duy nhất. Thay vì phải tự tay kết hợp pip, venv, virtualenv, pyenv, Conda, requirements.txt và các tập lệnh shell ngẫu nhiên, các công cụ hiện đại như uv cố gắng cung cấp một giao diện thống nhất để tạo môi trường, giải quyết các phụ thuộc, khóa phiên bản, chạy lệnh và thậm chí xây dựng và xuất bản các gói.

Các môi trường ảo kinh điển của Python: venv và virtualenv

Giải pháp tích hợp sẵn của Python cho các môi trường biệt lập là... venv Mô-đun này được giới thiệu trong Python 3.3. Nó được tích hợp sẵn Python 3, vì vậy bạn không cần cài đặt thêm bất cứ thứ gì khác. venv Môi trường chỉ đơn giản là một thư mục chứa trình thông dịch Python, thư viện chuẩn, pip và các tập lệnh kích hoạt.

Để tạo một môi trường ảo cơ bản, bạn thường chạy một lệnh như sau: python -m venv .venv từ bên trong thư mục dự án của bạn. Thao tác này tạo ra một .venv/ Thư mục chứa mọi thứ cần thiết để chạy ứng dụng của bạn một cách độc lập. Sử dụng tên .venv giúp ẩn nó trong nhiều trình quản lý tập tin và thiết bị đầu cuối, đồng thời tránh xung đột với các ứng dụng khác. .env Các tệp được sử dụng cho biến môi trường.

Sau khi tạo xong, bạn kích hoạt môi trường để trình thông dịch lệnh của bạn sử dụng Python đó thay vì Python mặc định của hệ thống. Trên Windows, bạn chạy một chương trình tương tự như sau: .venv\Scripts\activate; trên Unix hoặc macOS, bạn thường sử dụng source .venv/bin/activateĐối với các loại vỏ khác như... csh or cácác tập lệnh kích hoạt thay thế như activate.csh và activate.fish được cung cấp.

Sau khi kích hoạt, thông báo thường sẽ hiển thị tên môi trường và python và pip Các lệnh được tự động giới hạn phạm vi trong môi trường đó. Bạn có thể cài đặt thư viện, chạy tập lệnh và gỡ lỗi mã mà không cần động đến các gói toàn cục. Khi hoàn tất, chỉ cần một thao tác đơn giản. deactivate đưa bạn trở lại Python của hệ thống.

Trước venv Trước đây, các nhà phát triển đã sử dụng rộng rãi công cụ của bên thứ ba. virtualenvvà nó vẫn còn rất phổ biến. virtualenv Hoạt động trên các phiên bản Python cũ hơn (bao gồm cả Python 2) và cung cấp thêm các tùy chọn, chẳng hạn như chọn trình thông dịch cụ thể với --python=/path/to/python, tạo ra môi trường nhanh hơn thông qua tối ưu hóa, hoặc kiểm soát xem các gói trang web toàn cầu có hiển thị hay không.

Quan điểm khái niệm: môi trường như những nhà bếp biệt lập dành cho mã lập trình của bạn.

Một mô hình tư duy hữu ích là hãy tưởng tượng mình là một đầu bếp với nhiều món ăn đặc trưng. Thay vì liên tục thay đổi một công thức gốc duy nhất, bạn giữ các bản sao riêng biệt cho mỗi thí nghiệm. Mỗi bản sao có thể sử dụng các nguyên liệu, kỹ thuật và thời gian riêng mà không ảnh hưởng đến món ăn gốc. Môi trường ảo Python hoạt động chính xác như vậy: mỗi dự án có công thức riêng cộng với kho nguyên liệu riêng.

Về mặt thực tế, môi trường ảo Python là một cây thư mục khép kín. Nó bao gồm một trình thông dịch Python cụ thể, thư viện chuẩn của nó và một thư viện cục bộ. site-packages Thư mục đó chứa một bộ tập lệnh kích hoạt. Khi được kích hoạt, các tệp nhập và cài đặt gói chỉ được lưu vào thư mục đó, chứ không phải vào các tệp hệ thống toàn cục của bạn.

Khi nhiều dự án sử dụng các phiên bản khác nhau của cùng một thư viện, sự cô lập này chính là điều giúp chúng tránh xung đột. Bạn có thể có một môi trường cho dự án Vonage + Flask sử dụng Flask 1.1.2, và một môi trường khác chạy Vonage với Flask 2.0.1. Cả hai có thể cùng nằm trên một máy, nhưng các yêu cầu của chúng được duy trì và cài đặt riêng biệt.

Môi trường ảo cũng là nền tảng để tránh tình trạng "nhưng nó hoạt động trên máy của tôi". Khi các phụ thuộc của bạn được ghi lại và cố định một cách gọn gàng, các thành viên nhóm và máy chủ CI có thể tái tạo chính xác môi trường tương tự, giảm đáng kể các lỗi bất ngờ do sự khác biệt nhỏ về phiên bản gây ra.

Hướng dẫn tạo và quản lý môi trường ảo từng bước một.

Vòng đời cốt lõi của một môi trường ảo luôn giống nhau: tạo, kích hoạt, cài đặt gói phần mềm, sử dụng, rồi hủy kích hoạt khi hoàn tất. Cho dù bạn sử dụng venv, virtualenv Hoặc với Conda, cấu trúc cơ bản không thay đổi – chỉ có các lệnh là khác nhau.

Với virtualenvQuy trình làm việc cơ bản trông như thế này: trước tiên hãy cài đặt nó bằng pip install virtualenvsau đó xác minh lại với virtualenv --versionĐể tạo môi trường, hãy sử dụng... virtualenv my-env hoặc bao gồm --python=/usr/bin/python3.12 Để nhắm mục tiêu vào một trình thông dịch cụ thể. Điều này tạo ra một my-env/ thư mục chứa các tệp nhị phân Python và thư mục thư viện của bạn.

Sau khi tạo xong, bạn cần kích hoạt môi trường để bắt đầu sử dụng. Trên các hệ thống giống Unix, source my-env/bin/activate Cách này hiệu quả; trên Windows, bạn sử dụng các tập lệnh nằm bên dưới. my-env\Scripts\Dấu nhắc lệnh của bạn sẽ hiển thị tên môi trường để bạn có thể thấy môi trường nào hiện đang hoạt động, và tất cả... pip Việc cài đặt sẽ chỉ giới hạn trong môi trường này.

Việc cài đặt các thư viện phụ thuộc trở nên dễ dàng hơn khi môi trường đã được kích hoạt. Bạn có thể chạy pip install some-package hoặc điểm pip tại một requirements.txt nộp hồ sơ với pip install -r requirements.txtNếu bạn muốn ghi lại danh sách các gói đã cài đặt hiện tại, bạn chạy lệnh sau: pip freeze > requirements.txt để những người khác có thể tạo lại thiết lập tương tự.

Khi bạn đã hoàn thành việc tương tác với môi trường đó tạm thời, hãy chạy deactivate Để quay lại phiên bản Python mà trình shell của bạn đã sử dụng trước đó. Nếu bạn thực sự không còn cần môi trường đó nữa, bạn chỉ cần xóa thư mục của nó; thư mục đó không có gì đặc biệt cả, nó chỉ là các tập tin trên ổ đĩa.

Sử dụng pip hiệu quả trong môi trường ảo.

Trình quản lý gói tiêu chuẩn của Python, pipĐây là giao diện chính để bạn cài đặt, nâng cấp và gỡ bỏ thư viện trong môi trường. Khi môi trường xung quanh bạn năng động, mọi thứ đều như vậy. pip Lệnh này chỉ tác động đến môi trường đó, chứ không phải Python của hệ thống bạn.

Các lệnh phụ thông thường bao gồm install, uninstall, show, list và freeze. Việc cài đặt phiên bản mới nhất của một gói phần mềm rất đơn giản. pip install package-nameNếu bạn cần một phiên bản chính xác, bạn có thể sử dụng... == ví dụ như toán tử pip install requests==2.31.0Chạy lại quá trình cài đặt sẽ phát hiện phiên bản đó đã có sẵn và bỏ qua bước cài đặt lại trừ khi bạn thay đổi phiên bản hoặc thêm mới. --upgrade.

Để tìm hiểu những gì hiện đang được cài đặt, pip list Cung cấp cho bạn cái nhìn tổng quan, và pip show package-name In thông tin chi tiết về một gói hàng cụ thể. Khi bạn cần một bản sao lưu có thể đọc được bằng máy để triển khai, pip freeze Xuất ra tất cả các gói và phiên bản chính xác, mà bạn thường ghi vào. requirements.txtTệp đó sau đó có thể được lưu trữ trong hệ thống quản lý phiên bản cùng với mã nguồn của bạn.

Đang cài đặt từ requirements.txt Đó là cách bạn tái tạo một môi trường ở một nơi khác. Một đồng nghiệp, tác vụ CI hoặc máy chủ sẽ trước tiên tạo và kích hoạt môi trường ảo, sau đó chạy. pip install -r requirements.txtVì tệp này ghim các phiên bản, bạn sẽ có môi trường gần như giống hệt nhau trên mọi máy, giả sử hệ điều hành và phiên bản Python cơ bản tương thích với nhau.

Trong khi pip Nó cực kỳ linh hoạt, được thiết kế ở cấp độ thấp một cách có chủ ý, đó là lý do tại sao các công cụ cấp cao hơn lại xuất hiện trên nền tảng của nó. Công cụ như pip-tools, Poetry, Pipenv và uv Phát triển dựa trên ý tưởng ghim các phụ thuộc, nhưng tự động hóa việc giải quyết, khóa, quản lý môi trường và nhiều hơn nữa.

Môi trường Conda dành cho các tác vụ khoa học và xử lý dữ liệu lớn.

Đối với khoa học dữ liệu, học máy và lập trình đòi hỏi nhiều phép tính số học, nhiều nhóm ưu tiên lựa chọn phương pháp này. Conda với vai trò là người quản lý môi trường và gói phần mềm của họ. Conda không phụ thuộc vào ngôn ngữ lập trình và có thể cài đặt cả Python cũng như các thư viện cấp hệ thống như BLAS, LAPACK hoặc CUDA, điều này làm cho nó trở nên lý tưởng cho các hệ thống phức tạp kết hợp các thành phần được biên dịch và thông dịch.

Để bắt đầu sử dụng Conda, bạn cần cài đặt Anaconda hoặc Miniconda. Anaconda đi kèm với một gói lớn các phần mềm được cài đặt sẵn, trong khi Miniconda là một trình cài đặt nhỏ gọn hơn, chỉ bao gồm Conda, Python và một vài phần mềm cơ bản, cho phép bạn thêm mọi thứ khác khi cần. Hầu hết các nhà phát triển sử dụng Miniconda để giữ cho hệ thống gọn nhẹ.

Việc tạo môi trường Conda được thực hiện bằng cách sử dụng lệnh sau: conda create --name my-env, tùy chọn thêm python=3.11 hoặc các gói cụ thể như numpy or pandas trên cùng một dòng lệnh. Conda sẽ tự động giải quyết các phụ thuộc, tải xuống các bản dựng phù hợp với nền tảng của bạn và đặt chúng vào một thư mục môi trường biệt lập do chính Conda quản lý.

Việc kích hoạt và vô hiệu hóa được thực hiện bởi conda activate my-env và conda deactivate. Sau khi kích hoạt, quá trình cài đặt các gói sẽ diễn ra. conda install Nó sử dụng kho lưu trữ của Conda, thường cung cấp các tệp nhị phân được tối ưu hóa. Trong nhiều quy trình làm việc, bạn kết hợp Conda cho các thư viện khoa học nặng và pip Đối với các phụ thuộc chung chỉ dành cho Python, hãy cài đặt các gói Conda trước rồi mới đến các gói pip sau để giảm thiểu xung đột.

Conda cũng tỏ ra rất hữu ích khi bạn cần xuất và sao chép toàn bộ môi trường. Với conda env export > environment.yml Bạn không chỉ thu thập các gói Python mà còn cả siêu dữ liệu như nền tảng và kênh. Trên một máy khác, conda env create -f environment.yml Nó tạo ra một môi trường giống hệt như thật, điều này rất tốt cho việc tái tạo kết quả nghiên cứu và các dự án hợp tác.

Các nhà quản lý dự án hiện đại: pip + venv so với Pipenv, Poetry, pdm và uv

Theo thời gian, hệ sinh thái Python đã phát triển từ “pip + virtualenv + requirements.txt” thành các công cụ có định hướng rõ ràng hơn, giúp thống nhất việc quản lý phụ thuộc, môi trường và đóng gói. Mặc dù bộ ba kinh điển vẫn hoạt động tốt, nhưng nhiều nhóm hiện nay ưa chuộng các quy trình làm việc tích hợp hơn.

Các thiết lập truyền thống dựa vào pip và virtualenv or venv, với một sản phẩm thủ công requirements.txt tập tin. Bạn tự tạo môi trường ảo, kích hoạt nó, cài đặt các thư viện phụ thuộc và tự duy trì logic đóng băng và nâng cấp. Cách tiếp cận này cực kỳ linh hoạt nhưng cũng dễ cấu hình sai nếu các nhóm không tuân thủ kỷ luật.

Pipenv Đã mang đến một giao diện cấp cao hơn bằng cách kết hợp quản lý phụ thuộc với việc tạo môi trường ảo tự động. Nó sử dụng Pipfile và Pipfile.lock Để mô tả và ghim các phần phụ thuộc của bạn. Trong quá khứ, việc giải quyết và hiệu suất của Pipenv đôi khi chậm, điều này đã khiến mọi người xem xét các giải pháp thay thế.

Poetry Nó còn tiến xa hơn bằng cách cung cấp một trình quản lý dự án toàn diện, xử lý các phụ thuộc, xây dựng và xuất bản trong một công cụ duy nhất. Nó dựa vào công nghệ hiện đại. pyproject.toml tiêu chuẩn (PEP 621) và viết một poetry.lock tập tin ở định dạng TOML. Poetry thường mạnh mẽ trong việc giải quyết các phụ thuộc, hỗ trợ các ràng buộc phiên bản một cách thanh lịch và giúp việc xuất bản lên PyPI trở nên đơn giản với các lệnh như... poetry publish.

pdm là một trình quản lý hiện đại khác cũng sử dụng pyproject.toml và tập trung vào quy trình làm việc nhanh chóng và tuân thủ PEP. Nó hỗ trợ cả môi trường ảo và các phương pháp tiếp cận thay thế như PEP 582 (cục bộ). __pypackages__ (thư mục), và cung cấp các tính năng quản lý dự án và độ phân giải nâng cao tương đương với Poetry, đồng thời ưu tiên tốc độ và tính linh hoạt.

Gần đây, uv Nó xuất hiện như một công cụ thống nhất, hiệu năng cao, hướng đến mục tiêu trở thành một công cụ tương tự như Cargo dành cho Python. Nó tự định vị mình là một tệp nhị phân duy nhất được viết bằng Rust, tích hợp nhiều chức năng: giải quyết phụ thuộc, quản lý môi trường, cài đặt phiên bản Python, thực thi tập lệnh, khóa, xây dựng và xuất bản.

Điều gì khiến uv nổi bật trong môi trường Python thống nhất?

uv Nó được thiết kế để thay thế nhiều công cụ riêng lẻ bằng cách cung cấp một quy trình làm việc tích hợp, cực kỳ nhanh chóng. Các kết quả kiểm tra hiệu năng từ dự án cho thấy nó nhanh hơn khoảng 8-10 lần so với pip và pip-tools khi không sử dụng bộ nhớ đệm và nhanh hơn tới khoảng 80-115 lần khi sử dụng bộ nhớ đệm, giúp việc đồng bộ hóa hoặc tạo lại môi trường diễn ra gần như tức thì.

Về cơ bản, uv cung cấp một API dự án xử lý việc quản lý các phụ thuộc, tạo môi trường, tệp khóa và thực thi công cụ. Các lệnh như uv init Khởi tạo một dự án mới với cấu trúc cơ bản: a pyproject.toml, Một .python-version tập tin và một khởi đầu main.pyĐiều này giúp bạn có bố cục nhất quán mà hầu như không cần thiết lập thủ công.

Khi bạn chạy uv add some-package, uv tự động tạo ra một .venv môi trường (nếu cần), cập nhật pyproject.toml và viết một uv.lock tập tin. Tệp khóa ghi lại chính xác các phiên bản đã được giải quyết và mã băm cho mọi thành phần phụ thuộc, đảm bảo quá trình cài đặt có thể tái tạo. Không giống như nhiều công cụ khác, uv.lock Nó được thiết kế để tương thích đa nền tảng, vì vậy cùng một tệp có thể được sử dụng trên Linux, Windows và macOS mà vẫn đảm bảo kết quả nhất quán.

Một tính năng mạnh mẽ khác là uv run, cho phép chạy các lệnh trong môi trường dự án mà không cần bạn phải kích hoạt thủ công trước. Trước khi thực thi, uv đảm bảo rằng môi trường phù hợp với môi trường hiện tại. pyproject.toml và uv.lockNhờ đó, bạn sẽ không vô tình chạy mã với các thư viện đã lỗi thời. Điều này giúp giảm thiểu sự phức tạp khi thường xuyên phải cập nhật. uv sync or uv lock cuộc gọi.

Đối với việc sử dụng các công cụ dòng lệnh một cách ngẫu nhiên, không thường xuyên, uv exposes uvx và uv tool run. Các lệnh này cho phép bạn chạy các giao diện dòng lệnh (CLI) như sau: black, pytest or pyinstaller mà không cần thêm chúng vĩnh viễn vào danh sách các phụ thuộc của dự án. Chúng đặc biệt hữu ích trong các pipeline CI hoặc các script mà bạn chỉ cần sử dụng công cụ đó trong thời gian ngắn.

Tìm hiểu sâu về chế độ pip và cấu hình của uv.

Một trong những mục tiêu thiết kế của uv là trở thành một giải pháp nâng cấp dễ dàng tích hợp cho nhiều quy trình làm việc pip. Đối với các thao tác thông thường, bạn có thể hoán đổi chúng một cách dễ dàng. pip install cho uv pip install hoặc dùng uv pip sync Để phản ánh một tập tin yêu cầu. Trong nhiều dự án hiện có, điều này giúp việc áp dụng trở nên đơn giản và ít rủi ro.

Tuy nhiên, uv không phải là bản sao hoàn hảo của pip, và một số điểm khác biệt là những cải tiến có chủ đích. Ví dụ, uv không đọc các tệp cấu hình của pip, chẳng hạn như... pip.conf or PIP_INDEX_URLThay vào đó, nó sử dụng các biến môi trường riêng của mình như... UV_INDEX_URL và lưu trữ cấu hình bên dưới uv.toml hoặc trong [tool.uv.pip] phần pyproject.tomlĐiều này giúp giảm thiểu sự liên kết ngẫu nhiên với ngữ nghĩa đang phát triển của pip.

Ưu tiên chỉ mục là một lĩnh vực khác mà uv tăng cường bảo mật theo mặc định. Để phòng chống các cuộc tấn công gây nhầm lẫn phụ thuộc, uv ưu tiên các chỉ mục gói nội bộ hơn PyPI khi cả hai đều cung cấp một gói có cùng tên theo mặc định. Có một cờ (flag) để thiết lập điều này. --index-strategy Để điều chỉnh hành vi này, nhưng cài đặt mặc định an toàn giúp tránh các vấn đề nhỏ trong chuỗi cung ứng trong môi trường doanh nghiệp.

Khác với pip, uv được xây dựng dựa trên môi trường ảo như là mục tiêu mặc định cho việc cài đặt. Các lệnh như uv pip install và uv pip sync sẽ cài đặt vào môi trường hiện đang hoạt động hoặc tự động phát hiện môi trường. .venv thư mục trong thư mục hiện tại hoặc thư mục cha. Điều này giúp bạn tránh cài đặt toàn cục và hướng tới việc cách ly từng dự án ngay từ đầu.

Theo mặc định, uv bỏ qua quá trình biên dịch. .py đến .pyc Mã bytecode được tạo ra trong quá trình cài đặt, giúp duy trì tốc độ cực nhanh của nó. Python vẫn sẽ biên dịch khi nhập khẩu nếu cần. Nếu bạn quan tâm đến thời gian khởi động trong các công cụ CLI hoặc container, bạn có thể bật biên dịch tức thời bằng cách sử dụng lệnh sau: --compile-bytecode Để tạo trước mã bytecode trong quá trình cài đặt.

Tệp khóa, xuất khẩu và phụ thuộc đa nguồn với uv

uv.lock Tệp này đóng vai trò trung tâm trong câu chuyện về khả năng tái tạo của uv. Đây là một tài liệu TOML chứa tất cả các gói đã được giải quyết, phiên bản chính xác, kho lưu trữ nguồn, mã băm, URL tải xuống, kích thước và dấu thời gian tải lên. Ngược lại với pyproject.toml, thể hiện phạm vi phiên bản và mục đích (ví dụ: requests >= 2.30Tệp khóa (lockfile) mô tả chính xác tập hợp các thành phần cần được cài đặt.

Uv khuyến khích bạn đưa tệp khóa (lockfile) vào hệ thống kiểm soát phiên bản. Bằng cách đó, bất kỳ nhà phát triển hoặc tác vụ CI nào chạy đều có thể thực hiện được. uv sync or uv pip install Theo như tệp khóa (lockfile), nó sẽ có cùng một tập hợp các phụ thuộc trên tất cả các hệ điều hành được hỗ trợ. Điều này làm tăng đáng kể sự tự tin khi triển khai các phiên bản mới.

Nếu bạn cần khả năng tương thích với các công cụ truyền thống, uv có thể xuất các định dạng khác từ tệp khóa của nó. Sử dụng các lệnh như uv export --format requirements.txt or uv export --format pylock.tomlBạn có thể tạo ra những tác phẩm kinh điển. requirements.txt các tập tin hoặc một tiêu chuẩn hóa pylock.toml Các công cụ khác cũng hiểu điều này. Điều này giúp quá trình chuyển đổi dần dần từ các hệ thống cũ diễn ra suôn sẻ hơn nhiều.

Một khả năng tiên tiến khác của uv là khả năng xử lý linh hoạt nhiều chỉ số và nguồn khác nhau. In pyproject.toml bạn có thể định nghĩa một số [[tool.uv.index]] các mục, ví dụ như bản sao PyPI, chỉ mục PyTorch wheel cho các bản dựng GPU hoặc kho gói nội bộ, và sau đó ánh xạ các phụ thuộc cụ thể đến các nguồn này. [tool.uv.sources].

Điều này có nghĩa là bạn có thể, ví dụ, lấy dữ liệu torch Từ một chỉ mục wheel CUDA tùy chỉnh, một phụ thuộc khác trực tiếp từ kho lưu trữ Git, một phụ thuộc thứ ba từ URL wheel trực tiếp và một phụ thuộc khác nữa từ đường dẫn cục bộ ở chế độ chỉnh sửa – tất cả đều nằm trong cùng một tệp dự án. Đây là một phương pháp mạnh mẽ để tập trung hóa các đồ thị phụ thuộc phức tạp mà không cần cấu hình phân tán.

Xây dựng, xuất bản và vận hành các công cụ với uv

Ngoài việc quản lý các phụ thuộc, uv còn xử lý việc xây dựng và xuất bản các gói Python. Để sử dụng uv làm công cụ xây dựng, bạn cần... pyproject.toml cần một [build-system] phần tham chiếu uv_build, ví dụ: requires = ["uv_build >= 0.7.13, < 0.8"] và build-backend = "uv_build"Bạn có thể thiết lập điều này trong quá trình khởi tạo dự án bằng cách sử dụng... uv init --build-backend uv.

Sau khi cấu hình xong, quá trình chạy sẽ bắt đầu. uv build tạo ra một dist/ thư mục chứa mã nguồn và các bản phân phối wheel của bạn. Các hiện vật này đã sẵn sàng để được tải lên chỉ mục hoặc kho lưu trữ nội bộ mà bạn đã chọn. Uv không tự động xuất bản chúng; việc xây dựng và xuất bản là hai bước riêng biệt để duy trì quyền kiểm soát rõ ràng.

Để xuất bản, bạn thêm cấu hình chỉ mục vào bên dưới. [[tool.uv.index]] với một publish-urlThường trỏ đến điểm cuối tải lên của PyPI. Ví dụ, bạn có thể định nghĩa một chỉ mục có tên là pypi với url = "https://pypi.org/simple/" và publish-url = "https://upload.pypi.org/legacy/". Sau đó, uv publish sẽ đẩy các bản phân phối đã biên dịch của bạn đến đó, tương tự như việc sử dụng twine nhưng được tích hợp vào cùng một công cụ.

Uv cũng giúp đơn giản hóa quá trình làm việc với các công cụ CLI thông qua uvx và uv tool run. Thay vì cài đặt các tiện ích như pytest, black or pyinstaller Được lưu trữ vĩnh viễn trong môi trường của bạn, bạn có thể gọi chúng khi cần. Điều này đặc biệt hữu ích cho các tác vụ CI hoặc các tác vụ tạm thời, nơi bạn muốn giữ cho các phụ thuộc của dự án ở mức tối thiểu trong khi vẫn có quyền truy cập vào một hệ sinh thái công cụ phong phú.

Ví dụ cụ thể, nếu bạn đang đóng gói một ứng dụng Python vào Windows .exe sử dụng pyinstaller, uv cung cấp cho bạn nhiều lựa chọn. Bạn có thể thêm pyinstaller làm phụ thuộc dự án bằng cách sử dụng uv add pyinstaller và sau đó chạy nó thông qua uv run pyinstaller ...Điều này đảm bảo phiên bản được khóa và là một phần của môi trường của bạn. Ngoài ra, để thực hiện công việc đóng gói nhanh chóng, chỉ một lần duy nhất, bạn có thể sử dụng uvx pyinstaller ... Để chạy nó mà không cần cài đặt chính thức. Cả hai cách tiếp cận đều hoạt động với các dự án nhiều tệp; pyinstaller sẽ theo dõi các lệnh nhập và đóng gói các mô-đun, tài nguyên và thậm chí cả các mô hình đã tải xuống như Whisper, miễn là chúng được tham chiếu chính xác trong mã hoặc tệp đặc tả của bạn.

Tích hợp môi trường với IDE, notebook và quy trình làm việc.

Việc có môi trường mạnh mẽ chỉ là một nửa câu chuyện – trình soạn thảo và các công cụ của bạn phải thực sự sử dụng chúng. Các IDE phổ biến như VS Code và PyCharm có khả năng hỗ trợ tuyệt vời trong việc phát hiện và làm việc với môi trường ảo, và Jupyter có thể đăng ký chúng như các nhân riêng biệt.

Trong VS Code, bạn thường để tiện ích mở rộng Python tự động phát hiện. .venv các thư mục trong cây dự án của bạn. Sau đó, bạn chọn trình thông dịch phù hợp thông qua “Python: Chọn Trình Thông Dịch” trong bảng lệnh. Sau khi được chọn, VS Code sẽ sử dụng môi trường đó cho các tính năng terminal, trình gỡ lỗi và ngôn ngữ tích hợp, và tự động kích hoạt nó khi bạn mở terminal mới.

PyCharm cũng cung cấp khả năng tích hợp mượt mà tương tự bằng cách liên kết một trình thông dịch hoặc môi trường ảo cụ thể với mỗi dự án. Từ hộp thoại cài đặt, bạn có thể thêm Môi trường Virtualenv mới hoặc trỏ đến một môi trường hiện có. Sau đó, PyCharm sẽ tự động kích hoạt môi trường đó cho tất cả các cấu hình chạy và thiết bị đầu cuối tích hợp sẵn, vì vậy bạn hiếm khi phải nghĩ đến việc kích hoạt thủ công.

Đối với Jupyter notebooks, bước quan trọng là cài đặt ipykernel vào môi trường của bạn và đăng ký nó như một nhân hệ điều hành. Sau khi chạy một thứ gì đó như thế này python -m ipykernel install --user --name myenvMôi trường của bạn sẽ hiển thị là “myenv” trong danh sách nhân Jupyter. Điều này giúp dễ dàng đồng bộ hóa các notebook với môi trường dự án tương ứng, tránh những sai lệch nhỏ.

Ngoài ra, còn có các công cụ tập trung vào sổ tay giúp đơn giản hóa phần lớn quá trình này. Các giải pháp tích hợp trợ lý AI hoặc tự động hóa môi trường, chẳng hạn như giao diện người dùng Jupyter chuyên dụng, có thể tự động thiết lập và duy trì môi trường ảo trong nền, giúp các nhà khoa học dữ liệu tập trung nhiều hơn vào thí nghiệm và ít hơn vào việc thiết lập môi trường.

Những lỗi thường gặp và các biện pháp tốt nhất cho môi trường thống nhất

Ngay cả với những công cụ đã hoàn thiện, các nhà phát triển vẫn thường xuyên gặp phải những vấn đề khi quản lý môi trường. Các sự cố thường gặp bao gồm sử dụng trình thông dịch Python không phù hợp, thiếu tập lệnh kích hoạt, lỗi chính sách thực thi trên Windows PowerShell hoặc cài đặt nhầm vào môi trường Python toàn cục thay vì môi trường dự định.

Nếu môi trường của bạn sử dụng phiên bản Python không chính xác, cách khắc phục là tạo lại môi trường đó một cách rõ ràng với trình thông dịch chính xác. Ví dụ, python3.11 -m venv .venv or virtualenv --python=/usr/bin/python3.11 .venv đảm bảo rằng môi trường chạy phù hợp được tích hợp sẵn vào hệ thống. Trên các hệ thống sử dụng pyenvTrước tiên, bạn có thể chọn một phiên bản Python cục bộ, sau đó tạo môi trường của mình dựa trên phiên bản đó.

Khi các tập lệnh kích hoạt bị thiếu hoặc bị lỗi, điều đó thường có nghĩa là môi trường chưa được tạo đúng cách. Xóa thư mục và tạo lại thư mục đó với tên phù hợp. python -m venv or virtualenv Lệnh này thường giải quyết được vấn đề. Trên Windows, nếu PowerShell chặn quá trình kích hoạt, bạn có thể cần nới lỏng chính sách thực thi cho người dùng hiện tại.

Để tránh vô tình cài đặt các gói vào phiên bản Python không phù hợp, hãy luôn kiểm tra xem phiên bản nào python và pip bạn đang sử dụng. Các lệnh như which python or where python (trên Windows) và python -m site có thể xác nhận xem bạn có đang ở trong môi trường mong muốn hay không. Nếu đường dẫn trỏ đến các vị trí hệ thống thay vì vị trí của bạn .venv Thư mục, hãy tắt và bật lại cẩn thận.

Việc tuân thủ các quy tắc đặt tên và quản lý phiên bản tốt sẽ góp phần rất lớn vào việc duy trì môi trường lập trình. Hãy sử dụng tên môi trường rõ ràng, nhất quán, ưu tiên một môi trường cho mỗi dự án và không bao giờ commit trực tiếp thư mục môi trường. Thay vào đó, hãy thêm các mục như sau: .venv/ or venv/ để của bạn .gitignore và dựa vào các tệp khóa và tệp yêu cầu để tái tạo môi trường khi cần thiết.

Cuối cùng, việc ghi lại cách tạo và cập nhật môi trường trong một phần README ngắn gọn sẽ giúp bạn và các đồng đội trong tương lai tránh được rất nhiều phỏng đoán. Một đoạn mã đơn giản gồm hai dòng – ví dụ: python -m venv .venv tiếp theo pip install -r requirements.txt or uv sync – có thể giúp quá trình hội nhập diễn ra suôn sẻ hơn rất nhiều và duy trì tính nhất quán của chiến lược môi trường Python thống nhất trong toàn nhóm.

Bằng cách kết hợp các công cụ cổ điển như venv, virtualenv, pip và Conda với các trình quản lý hiện đại như Poetry, pdm và uv, bạn có thể thiết kế một quy trình làm việc môi trường thống nhất, nhanh chóng, có thể tái tạo và an toàn. Mỗi dự án có môi trường riêng biệt, các tệp khóa đảm bảo cài đặt nhất quán, IDE và notebook tích hợp liền mạch, và các công cụ hiệu năng cao như uv kết nối mọi thứ lại với nhau dưới một mái nhà, biến những tập hợp kịch bản lộn xộn trước đây thành một nền tảng mạch lạc, đáng tin cậy cho việc phát triển Python chuyên nghiệp.