Python依赖管理工具，如何实现高效的环境管理？

0 序 学习一款新的Python依赖包管理与环境管理工具: UV。 "最近几个月，我注意到一个现象：看到的新开源项目里，越来越多开始在README里写uv pip install而不是pip install。" 2025年，Python包管理工具已经由pip变成了uv？ - Weixin/机器学习实验室 2025.11.13 全文主要摘自此篇。 比如最近与Kimi K2 Thinking一起发布的Kimi CLI就是通过uv命令安装的： uv tool install --python 3.13 kimi-cli 在 Python 开发中，包管理和环境隔离是每个开发者都会遇到的问题。 无论是 pip 的缓慢、virtualenv 的繁琐，还是 conda 的臃肿，都让开发者们期待一个更高效的解决方案。 1 概述: UV := Universal Virtual := Python 包与环境管理工具 uv是什么? uv (Universal Virtual) 是 Astral 公司开发了一款新的Python包管理工具。 提到Astral，你可能会想起他们去年发布的Ruff。 那个用Rust写的Python linter，速度快到离谱，现在已经是很多项目的标配。 uv目前在Github斩获73k的star。 https://github.com/astral-sh/uv Slogan : An extremely fast Python package and project manager, written in Rust. 一款用Rust编写的、非常快的Python包和项目管理器。 2024 年 2 月首次发布，当时的定位是更快的pip。几个月后，功能大幅扩展，变成了一个统一的Python工具链。 现在的uv，官方说可以替代pip、pip-tools、pipx、poetry、pyenv、virtualenv这一堆工具。 性能实测：快得离谱 先说性能，这是uv最吸引人的地方。 官方说uv比pip快10-100倍。一开始有大佬觉得这数字有点夸张，但看了一些真实案例后，确实差不多。 典型案例: 2024年4月，Streamlit把所有用户的包管理从pip切换到了uv。 结果是什么？ 平均依赖安装时间从60秒降到了20秒，应用部署时间直接提升了55%。 这不是实验室数据，是真实的生产环境，每天数万个应用在跑。 包安装速度对比（无缓存）： 安装pandas：1.22s (uv) vs 2.62s (pip) - 快 53% 安装numpy + scipy + torch：3.5s (uv) vs 14.8s (pip) - 快 4.2 倍 解析50+ 包的requirements.txt：5.1s (uv) vs 28.4s (pip) - 快 5.6 倍 有缓存的情况下： Jupyter Notebook项目解析：0.57s（冷启动）→ 0.02s（温缓存） 这个速度提升就是几十倍到上百倍了 虚拟环境创建： uv创建虚拟环境比python -m venv快80倍 比virtualenv快7倍 除了速度快，【资源占用】也更少： CPU 使用：68% (uv) vs 92% (pip) 内存占用：210MB (uv) vs 450MB (pip) 这意味着，在CI/CD环境或者【资源受限】的机器上，uv的优势会更明显。 为什么性能这么快? 看到这些数据，你可能会好奇：uv凭啥这么快？ 首先，编程语言。 pip是用Python写的，uv用的是Rust。Rust是系统级编程语言，性能接近 C/C++。 这是基础性能差异。 其次，uv充分利用了Rust的并发特性。 传统的pip在下载和安装包时，大部分操作是串行的; 而uv可以同时处理多个依赖的下载、构建和安装。 在依赖树比较复杂的项目里，这种【并发处理】带来的提升非常明显。 此外，uv还有一个【全局模块缓存系统】。 当你第一次安装一个包后，uv会把它缓存起来。 下次再安装同样的包（可能是在不同的项目里），uv直接从缓存读取，甚至不需要重新下载。 而且在支持的文件系统上，uv使用【写时复制】（Copy-on-Write）和【硬链接】技术。 这意味着，同一个包在多个【虚拟环境】中共享，不会占用多倍的【磁盘空间】。 最后是，依赖解析算法。 依赖解析是【包管理】中最复杂的部分。