python 项目管理

作者：杨博
链接：https://www.zhihu.com/question/41974592/answer/346158644
来源：知乎

先说答案，你这个问题应该用Anaconda Project。但光靠Anaconda Project可能也不够。

在Python世界，虽然有很多工具可以搞一点依赖管理，但每一个工具都不能解决全部问题。

• pip可以管理Python依赖，但是pip包都是源码包，得在安装时编译，常常由于系统环境的原因而编译失败。此外pip也不能用来安装官方版的opencv这样的原生库。

• pyenv可以管理Python版本

• Virtualenv和venv可以创建虚拟环境，让多个项目之间的Python依赖隔离开，不会在项目之间冲突。

• pipenv把pip、pyenv和virtualenv的功能整合到一起，但是仍然没有解决源码编译的问题和原生库的安装问题。

• Conda是个包管理器，可以支持二进制包，所以不需要安装时从源码编译了，而且也可以装原生库。但是，一些 pip 里的 Python 库在 conda 里找不到。

• Anaconda是用Conda管理的Python科学计算发行版

• Conda Forge是另一个Python发行版，要比Anaconda的包更丰富。但这里有个坑就是Conda Forge和Anaconda并不完全兼容，如果你有一个项目同时用到Anaconda和Conda Forge里的包，有可能会挂。

• Anaconda Project可以在一个项目里创建多个虚拟环境，既可以管理conda依赖，也可以管理pip依赖，但还是缺了CUDA这样的系统包和一些命令行工具。

• Apt之类的系统包管理工具可以安装系统包，但是会受到操作系统发行版的限制，比如说Ubuntu 14.04里就装不了CUDA 9。

• Docker可以在容器里装一个操作系统发行版，从而可以方便的切换操作系统版本。但是容器和宿主必须要共享操作系统内核，所以没办法在macOS直接运行Linux发行版的docker容器。

• nvidia-docker可以把宿主的GPU设备文件和驱动挂载到Docker容器里，但是只支持Linux。

这些工具解决的问题虽然不完全一样，但也有一部分重叠。我具体给一点建议：

1. 如果临时写几行不在项目里的代码，用操作系统全局的 Anaconda 环境。
2. 如果需要创建多个数据挖掘或科学计算的项目，那么用 Anaconda Project 隔离这些项目，不要用pipenv。
3. 如果需要创建多个Python网站的项目，那么用 pipenv 隔离这些项目，不要用 conda。
4. 用Anaconda Project管理的项目中，如果需要安装纯Python库，优先用pip包，如果是需要额外编译的库，优先用conda包。
5. 如果需要隔离系统环境，用Linux版的Docker，在容器里安装系统依赖。
6. conda和Linux发行版都有的二进制包，优先用conda装。因为发行版发布周期慢，版本旧。