Python 的依赖管理工具一直没有标准化，原因主要包括:

1. 历史发展的随意性：Python发展早期对于依赖管理的重视程度不足，缺乏从一开始就进行统一规划和设计的意识
2. 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，缺乏统一的协调和整合机制
3. 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
4. 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
5. 缺乏统一的治理：与一些编程语言（如 Java 有 Oracle 主导的规范制定）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
6. 生态系统的快速变化：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理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.

依赖管理工具能够帮助开发者精确地指定这些依赖项的版本，自动下载和安装它们，并且可以在不同的环境中（如开发、测试、生产环境）保证依赖项的一致性.

这样可以有效避免因依赖版本混乱而导致的软件故障、兼容性问题等情况.

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骤，最终得到的软件项目是完全相同的.

特别是现在的项目（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结果一致是至关重要的.

良好的依赖管理可以对开发、构建和部署阶段的所有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：应用程序=代码+所有依赖项.

具体可以归纳为以下几个步骤:

1. 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
2. 生成锁定文件：固定依赖项的版本和依赖项之间的关系
3. 同步环境：一般都过git之类的版本管理工具互相同步
4. 追踪定义文件和锁定文件：定义文件和锁定文件有变化时及时互相同步

2. 依赖管理工具对比

Python 的依赖管理工具虽然没有统一，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:

1. 自Python 3.4起包含在Python中，无需额外安装
2. 2013年开始引入wheels分发格式，安装速度大大提高
3. 2020年开始加入了依赖解析算法，能够更好的保持环境的一致性

不足之处:

1. 依赖Python，也就是说使用pip必须先安装Python
2. 不能安装非Python的包
3. 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起包含在Python中.

不足之处:

1. 是 Python 工具，依赖 Python 安装
2. 所有环境必须使用相同的 Python 解释器
3. 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 解释器创建虚拟环境，需通过 pip 安装.

优势：能指定不同 Python 解释器创建虚拟环境.

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生成requirements.txt锁文件，同步环境是使用pip-sync.

优势：轻量、简单，与基本的 <font style="color:rgba(0, 0, 0, 0.85);">pip/venv</font> 工具协同工作.

不足之处:

1. 是 Python 工具，需安装到项目环境中，可能存在兼容性问题
2. 只能处理 pip 可安装的包
3. 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，自动更新文件.

优势：轻量、简单，包装了基本的 pip/venv 工具.

不足之处:

1. 是 Python 工具
2. 有自己的定义和锁文件格式
3. 只能处理 pip 可安装的包
4. 只能区分开发和非开发依赖，环境定义不够灵活

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，自动维护poetry.lock，支持依赖分组.

优势:

1. 一体化工具，涵盖项目开发全生命周期
2. 有方便的命令行界面
3. 支持依赖分组

不足之处:

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

2.7. PDM

类似于 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:

1. 遵循 PEP 标准
2. 可利用uv进行依赖管理

不足之处：与 Poetry 类似，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 实用程序，不依赖 Python 安装.

优势:

1. 纯 shell 脚本，无 Python 依赖
2. 遵循 Unix 哲学，专注于管理 Python 版本

不足之处:

1. 安装新 Python 版本需下载并编译源代码，耗时
2. 首次设置可能较麻烦，需安装多个构建依赖
3. 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，避免依赖冲突，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 解释器.

不足之处:

1. 是 Python 工具
2. 无法安装同一工具的多个版本，所有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，处理整个开发流程，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:

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

不足之处:

1. 不支持维护多个互斥环境
2. 只能处理 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:

1. 多平台支持
2. 有全局包缓存
3. 包以编译二进制形式分发
4. 依赖解析算法健壮
5. 可在 Conda 环境中使用 pip
6. 支持全局和共享环境

不足之处:

1. 速度慢
2. 包的下载是串行的
3. 安装过程有些侵入性，会修改shell配置
4. 与 “主” Python 生态系统互操作性有限
5. 无锁文件
6. 构建和分发 Conda 包较痛苦

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类似.

2.13. Pixi

类似于 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配置，有方便的命令行界面，支持管理多个虚拟环境和定义文件，有锁文件机制，支持类似 Makefile 的项目自动化任务，可指定系统依赖，但不帮助构建包.

优势:

1. 用 Rust 编写，速度快，单二进制文件，无外部依赖
2. 多平台支持
3. 方便的命令行界面
4. 全局包缓存
5. 可下载 Python 二进制文件和anaconda.org上的非 Python 包
6. 能使用pyproject.toml和pixi.toml配置
7. 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； 。

如果需处理无法通过 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，尽量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.

目前，我个人的话，使用uv来管理项目比较多.

最后此篇关于从混沌到秩序：Python的依赖管理工具分析的文章就讲到这里了,如果你想了解更多关于从混沌到秩序：Python的依赖管理工具分析的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。