为什么Python虚拟环境应该只用conda?

这篇文章摘自Python高效编程实践指南，可在线阅读。

Python 的虚拟环境方案可谓源远流长，种类繁多。如果你接触 Python 已经有一段时间了，那么你很可能听说过 annaconda, virutalenv, venv, pip, pipenv, poetry, pyenv, pyvenv, pyenv-virtualenv, virtualenvwrapper, pyenv-virtualenv wrapper 等相似概念。

在上面这些令人眼花缭乱的词语中，Annaconda（以下简称 conda) 和 Virtualenv 是一对儿对手，Pipenv 则和 Poetry 相互竞争。而 Venv 则是其中血统最为纯正的一个，得到了 Python 官方的祝福。

pipenv 和 poetry，尽管常常被人在讨论虚拟环境的场合下提起，也确实与虚拟环境相关，但他们所做的工作都远远超过了虚拟环境本身——它们的主要功能是提供依赖管理，poetry 还提供了构建和打包功能（我们将在第五章——Poetry 那一章中来详细介绍）。

venv 不是一个独立的工具，它只是一个模块。venv 是从 Python 3.8 起，标准库里提供的一个模块，你可以使用python -m venv来运行它。它的目标与 virtualenv 比较接近，但只提供了 virutalenv 的一个命令子集。由于它是标准库提供的，因此许多工具，比如 poetry, pyenv 现在都是基于它来构建的。因此，如果你是某个工具的开发者，我想你需要掌握它；否则，你将在使用 poetry 等工具时，自然而然地接触和使用到它，但可能并不知道，幕后英雄其实是 venv。

conda 和 Virtualenv 都是用来创建和管理 Python 虚拟环境的工具，有着相似的命令行接口，不同之处在于：

1. Conda 是一个多语言、跨平台的虚拟环境管理器，而 Virtualenv 则只用于 Python。
2. 通过 Conda 可以管理（安装、升级）Python 版本，而 virtualenv 则没有这个能力。
3. 缺省安装下，conda 会占用大约 100MB 的磁盘空间，而 virtualenv 则只需要占用更少的空间（约 10MB）。这可能既是优势，也是缺点。virtualenv 通过使用对原生库的符号链接来减少对硬盘空间的使用，这使得对原生库的隔离并未真正实现–如果你的应用程序不仅仅依赖 Python 库，还依赖于原生库，则仍然可能产生依赖冲突，导致你的程序出现一些很难查找原因的错误。而在 conda 虚拟环境中，所有的依赖都是完全隔离的。
4. 缺省地，conda 对虚拟环境进行集中式管理，所有的虚拟环境都在一个目录下，而 virtualenv 则倾向于将虚拟环境放在当前目录下。长期来看，非集中式管理可能导致这些虚拟环境呈碎片化而难于被追踪。

上述第 3 点可能是最重要的差异。我们很难保证 Python 应用程序永远只依赖于纯的 Python 库。事实上，一些性能相关的模块，往往是用 c++或者其它语言来开发的。Lapack（一个常用的线性代数库，Python 中最著名的科学计算库 Numpy 和 scipy 都依赖于此）或者 OpenSSL 都是常见的例子。

在本书中，我们只推荐使用 Annaconda。但对 virtualenv 和 venv，读者需要知道的是，如果正在开发一个生成和构建虚拟环境的工具（或者模块）—— 比如，为一个容器构建一个虚拟环境，或者为分布式程序动态构建一个远程的虚拟环境–那么 venv 或者 virtualenv 将是不二之选，因为 conda 并不是一个轻量级的工具。

对上面没有提到的那些技术，我们将不会在本书中详细介绍它，这里仅对它们做一个概括性的描述：

1. pyenv 是一个脚本，不能在 windows 环境下使用。它的作用是拦截你对 python 工具链的调用，为你选择正确的 python 版本。此外，你也可以使用它来安装多个版本的 python。它的功能完全可以诸如 annaconda 之类的工具替代。但如果你使用 virtualenv 的话，那么很有可能你仍然需要使用 pyenv 来安装和选择 python 版本。