内容简介:Python 虚拟环境全知道
对于每个 python
项目依赖的库版本都有可能不一样,如果将依赖包都安装到公共环境的话显然是没法进行区分的,甚至是不同的项目使用的 python
版本都不尽相同,有的用 python2.7
,有的用 python3.6
,所以对于 python
项目的环境进行隔离管理就成为一个必然的需求了。
需求
- 不同项目间能区分依赖包版本
- 不同项目间能区分
python
版本 - 方便自由切换
解决方案
- 解决依赖包问题:
virtualenv
- 解决
python
版本问题:pyenv
- 终极(也许吧)解决方案:
docker
virtualenv
运行 pip install virtualenv
即可安装 virtualenv
,当然了还可以用 easy_install
安装,即使是没有安装任何 Python
包管理器(比如 pip ),也可以直接获取 virtualenv.py 并运行 python virtualenv.py
,效果也是一样的,当然我还是强烈推荐你安装包管理工具: pip
,他一定能为你带来很多便利的(新版本的 virtualenv
也包含了 pip
管理工具)。
$ pip install virtualenv Collecting virtualenv Using cached virtualenv-15.1.0-py2.py3-none-any.whl Installing collected packages: virtualenv Successfully installed virtualenv-15.1.0
安装完成后,就可以直接创建一个虚拟环境了( virtualenv 环境名称 ):
$ virtualenv env4test
创建完成后,用下面的命令即可激活当前虚拟环境:
$ source env4test/bin/activate (env4test)$
现在就可以随意的安装你的依赖包了,现在安装的包只会对当前环境 env4test
有效,比如安装 django2.0
:
(env4test)$ pip install django
要退出当前虚拟环境也是非常简单的,如下:
$ deactivate
现在我们用 pip list
命令可以发现已经没有 django
的身影了。
virtualenv
还有很多高级的用法,可以 前往该文档查看 。
virtualenvwrapper
virtualenvwrapper
是 virtualenv
的一个扩展包,可以让你更加方便的使用 virtualenv
,优点:
- 将所有虚拟环境整合在一个目录下
- 管理(新增,删除,复制)虚拟环境
- 方便切换虚拟环境
安装也很方便,用包管理 工具 即可:
$ pip install virtualenvwrapper
安装完成以后还需要小小的配置一下才可以使用,首先我们找到 virtualenvwrapper.sh
的文章,通常会是: /usr/local/bin/virtualenvwrapper.sh
:
$ sudo find / -name virtualenvwrapper.sh Password: /usr/local/bin/virtualenvwrapper.sh
然后我们可以在 .zshrc
(取决于你用的终端,我用的 zsh
)添加一行命令:
source /usr/local/bin/virtualenvwrapper.sh
然后让我们的配置生效:
$ source ~/.zshrc
现在我们就可以使用 virtualenvwrapper
的基本命令了:
- 创建基本环境: mkvirtualenv [环境名]
- 删除环境: rmvirtualenv [环境名]
- 激活环境: workon [环境名]
- 退出环境: deactivate
- 列出所有环境: workon 或者 lsvirtualenv -b
参考文档: https://virtualenvwrapper.readthedocs.io/en/latest/
pyenv
pyenv
是 Python
版本管理工具,可以改变全局的 Python
版本,安装多个版本的 Pytho
,设置目录级别的 Python
版本,还能创建和管理虚拟环境。所有的设置都是用户级别的操作,不需要 sudo
命令。 pyenv
通过系统修改环境变量来实现 Python
不同版本的切换。而 virtualenv
通过将 Python
包安装到一个目录来作为 Python
包虚拟环境,通过切换目录来实现不同包环境间的切换。
如果你使用的 MAC
系统,推荐使用 homebrew
来安装:
$ brew update $ brew install pyenv
如果你使用的是其他系统,也不担心, pyenv
官方提供了一键安装的方式:
$ curl -L https://raw.githubusercontent.com/pyenv/pyenv-installer/master/bin/pyenv-installer | bash
安装完成以后,可以添加几条命令到 .zshrc
(同样的也可能是.bashrc,根据自己使用的终端进行配置)中开启自动补全功能:
export PATH=$HOME/.pyenv/bin:$PATH eval "$(pyenv init -)" eval "$(pyenv virtualenv-init -)"
然后同样激活上面的配置:
$ source ~/.zshrc
现在我们就可以使用 pyenv
了:
- 查看本机安装 Python 版本: ```shell $ pyenv versions
-
system (set by /Users/ych/.pyenv/version) 3.6.4 3.6.4/envs/ops3.6.4 3.6.4/envs/talk3.6.4 ops3.6.4 talk3.6.4 ``
星号表示当前正在使用的
Python`版本。 -
查看所有可安装的
Python
版本:$ pyenv install -l
-
安装与卸载:
$ pyenv install 2.7.3 # 安装python $ pyenv uninstall 2.7.3 # 卸载python
-
版本切换:
$ pyenv global 2.7.3 $ pyenv local 2.7.3
global
用于设置全局的Python
版本,通过将版本号写入~/.pyenv/version
文件的方式。local
用于设置本地版本,通过将版本号写入当前目录下的.python-version
文件的方式。通过这种方式设置的Python
版本优先级比global
高。 -
python
优先级:shell > local > global
pyenv
会从当前目录开始向上逐级查找.python-version
文件,直到根目录为止。若找不到,就用global
版本。$ pyenv shell 2.7.3 # 设置面向 shell 的 Python 版本,通过设置当前 shell 的 PYENV_VERSION 环境变量的方式。这个版本的优先级比 local 和 global 都要高。 $ pyenv shell --unset # –unset 参数用于取消当前 shell 设定的版本。
pyenv-virtualenv
自动安装 pyenv
后,它会自动安装部分插件,通过 pyenv-virtualenv
插件可以很好的和 virtualenv
进行结合:
$ ls -la ~/.pyenv/plugins total 8 drwxr-xr-x 9 ych staff 288 12 26 16:27 . drwxr-xr-x 23 ych staff 736 12 26 17:44 .. -rw-r--r-- 1 ych staff 52 12 26 16:26 .gitignore drwxr-xr-x 11 ych staff 352 12 26 16:27 pyenv-doctor drwxr-xr-x 12 ych staff 384 12 26 16:27 pyenv-installer drwxr-xr-x 7 ych staff 224 12 26 16:27 pyenv-update drwxr-xr-x 13 ych staff 416 12 26 16:27 pyenv-virtualenv drwxr-xr-x 8 ych staff 256 12 26 16:27 pyenv-which-ext drwxr-xr-x 8 ych staff 256 12 26 16:26 python-build
基本使用命令:
- 列出当前虚拟环境:
pyenv virtualenvs
- 激活虚拟环境:
pyenv activate 环境名称
- 退出虚拟环境:
pyenv deactivate
- 删除虚拟环境:
pyenv uninstall 环境名称
或者rm -rf ~/.pyenv/versions/环境名称
- 创建虚拟环境:
pyenv virtualenv 3.6.4 env3.6.4
若不指定python 版本,会默认使用当前环境python 版本。如果指定Python 版本,则一定要是已经安装过的版本,否则会出错。环境的真实目录位于 ~/.pyenv/versions
下。
总结:利用 pyenv
和 pyenv-virtualenv
插件就能够简单方便的将 python
版本和依赖包进行环境隔离了,在实际开发过程中比较推荐这种方式。
参考文档: https://github.com/pyenv/pyenv 。
Docker
有没有一种方式能够不按照这些工具来进行环境隔离的呢?当然有,那就是大名鼎鼎的 Docker
。如果你的服务都是容器化的话,应该对 Docker
不陌生,将当前项目跑在一个隔离的容器中,对系统中的其他服务或者项目是没有任何影响的,不用担心会污染环境,唯一不友好的地方是项目中的代码改变后需要重新构建镜像。
比如现在有一个 django
的项目,项目结构如下:
$ testpyenv tree . ├── manage.py └── testpyenv ├── __init__.py ├── settings.py ├── urls.py └── wsgi.py
在项目根目录下面新建文件 requirements.txt
:
Django==2.0
然后我们在根目录下面创建一个 Dockerfile
文件:
FROM python:3.6.4 # 设置工作目录 RUN mkdir -p /usr/src/app WORKDIR /usr/src/app # 添加依赖(利用 Docker 的缓存) ADD ./requirements.txt /usr/src/app/requirements.txt # 安装依赖 RUN pip install -r requirements.txt # 添加应用 ADD . /usr/src/app # 运行服务 CMD python manage.py runserver 0.0.0.0:8000
因为 django2.0
只支持 python3
以上了,所以我们这里基础镜像使用 python:3.6.4
,然后是添加应用代码,安装依赖,运行服务等。然后我们构建一个镜像:
$ docker build -t cnych/testpyenv:v0.1.1 .
构建完成以后,在我们项目根目录中新建一个 start.sh
的脚本来启动容器:
docker run -d -p 8000:8000 --name testpyenv cnych/testpyenv:v0.1.1
将本地的 8000
端口和容器的 8000
进行映射,执行我们的启动脚本:
$ source start.sh
启动完成后,我们就可以在本地通过 http://127.0.0.1:8000
进行访问了。 但是如果只这样配置的话,的确能够解决我们的环境隔离问题,但是现在有一个最大的一个问题是,每次代码更改过后都需要重新构建镜像才能生效,这对于开发阶段是非常不友好的,有什么解决方案呢?你是否还记得当你更改了代码后 django
项目会自动加载的,要是每次更改了项目代码后,容器中的代码也变化的话那岂不是容器中的服务也自动加载了?是不是?
幸好 Docker
为我们提供了 volume
挂载的概念,我们只需要将我们的代码挂载到容器中的工作目录就行了,现在来更改 start.sh
脚本:
work_path=$(pwd) docker run -d -p 8000:8000 --name testpyenv -v ${work_path}:/usr/src/app cnych/testpyenv:v0.1.1
然后激活启动脚本,随意更改一次代码,看看是否能够及时生效,怎样查看呢?查看日志就行了:
$ docker logs -f testpyenv
最后,如果是生产环境记得把代码挂载给去掉,因为线上不需要这样做,只需要构建一次就行。
参考资料:
- https://virtualenv-chinese-docs.readthedocs.io/en/latest/
- https://virtualenvwrapper.readthedocs.io/en/latest/
- https://github.com/pyenv/pyenv
- TDD开发容器化的Python微服务应用(一)
扫描下面的二维码添加我微信好友(注明 python
),然后可以加入到我们的 python
讨论群里面共同学习
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and
George F. Luger、William A Stubblefield / Addison Wesley / 2008-09-04 / USD 22.20
This book is designed for three primary purposes. The first is as a programming language component of a general class in Artificial Intelligence. From this viewpoint, the authors see as essential that......一起来看看 《AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and 》 这本书的介绍吧!