推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 140 天前的主题，其中的信息可能已经有所发展或是发生改变。
1.升级版本的时候经常遇到版本冲突的问题。有没有类似 java mvnrepository 的地方可以看到所有 lib 的第三方依赖的版本？ 2.我现在用 anaconda 打出来的 docker image 要 3g 大。大家的包一般都多大？有什么办法怎么优化大小？换 miniconda ？（ conda cache 已清除）
17 条回复 • 2024-08-10 17:59:13 +08:00
 |
1
Dece 140 天前  1
可以尝试下 poetry ，来解决版本冲突问题
|
 |
2
thinkershare 140 天前
就是这个样子，python 的包版本设计有问题，暂时没有解决办法。
|
|
3
thinkershare 140 天前 1
miniconda 等工具都无法完全解决问题，而且现在 miniconda 太慢了，用 conda-lock 锁定版本可能回好点，conda 解析依赖一旦包太多，搜索回慢的令人发指。
|
 |
4
chaunceywe 140 天前 1
可以试试 rye
|
 |
5
ruanimal 140 天前 1
换 miniconda 吧，conda 默认把它祖孙三代都装上了，能不大吗
|
 |
6
paopjian 140 天前 1
docker 打包都是最小原则,你这直接上 anaconda 过分了吧,不是应该 pip freeze 导出安装列表么
|
 |
7
huangyezhufeng 140 天前 1
|
 |
8
peanutBark 140 天前
poetry 好用+1
|
 |
9
mongoose 140 天前 1
@thinkershare 试试 mamba ，它速度能快点，是 conda 的一个实现，解析依赖的速度比 conda 快多了，但是它也不能解决打包太大的问题。
|
|
10
thinkershare 140 天前 1
@mongoose 这个我也试过。主要还不是解析依赖慢，而是现在的版本策略，同一个环境，同样的一份依赖，隔一段时间再安装，会因为实际安装的版本的变化导致原来的版本无法运行。随着安装的包数量越多，依赖冲突解决的时间就越长，我已经遇到过很多次，包版本相互冲突，conda 安装一个新的包会破坏旧的包的依赖。最终各种手动强制安装出来一份能用的，不想折腾，直接锁定每个平台的包版本地址，以后再使用的时候，不解析依赖了，直接用锁定文件安装。
普通的 python 网站/爬虫类其实关系不大，主要是机器学习的很多包，都有对底层 CUDA 的特定版本依赖，就很烦。 |
 |
11
nulIptr 140 天前
docker image 大小可以拆多个 layer 解决，搞个装好所有依赖的 layer ，再打包只变更代码就行了
|
 |
12
yangzair 140 天前
基础镜像用带 slim 后缀的，比如我用 python3.12 打出来将近 2G ，用 python3.12-slim 打出来 300M
|
 |
15
NickLuan 140 天前
同一楼，poetry 管理
|
 |
17
l4ever 139 天前 1
本地开发环境:
pyenv 管理 python 版本 poetry 管理项目依赖 github dependabot 负责依赖库版本更新. dependabot 创建 pr 之后, pytest 负责单元测试, 看到消息上去处理一下就行了, 该 merge 的 merge, 该 close 的 close |
Select Language