# Python版本管理工具pyenv一个老码农的实践笔记它是什么说到Python版本管理很多人第一个想到的就是pyenv。这东西说白了就是个Python版本切换器但又不只是个切换器。打个比方你家里有好几把不同尺寸的螺丝刀pyenv就像是那个能让你随便换螺丝刀头的工具箱但它还顺便帮你把螺丝刀都收好、保养好。从技术上讲pyenv是一个shell级别的Python版本管理工具。它通过修改环境变量PATH来实现Python版本的切换不会动你系统里已经安装的Python。它的工作原理挺巧妙的——在你执行python命令时通过shell的路径查找机制拦截掉系统默认的Python转而使用你指定的版本。它能做什么pyenv最核心的价值在于解决那个老生常谈的问题不同项目需要不同Python版本。比如你在维护一个老项目它还在用Python 2.7而新项目已经要用Python 3.12了。用pyenv你可以在同一台机器上同时装好这两个版本随时切换。除了基本的版本切换pyenv还能做几件挺实用的事情自动切换版本。你在项目根目录放一个.python-version文件里面写上版本号。进到这个目录pyenv自动切到对应版本出去了自动切回全局设置。这个特性我每天都用特别省心。安装多个Python版本。用pyenv install命令可以安装从2.1到3.12的几乎所有版本。它会自动处理编译依赖大部分情况下你只要等着就好。配合virtualenv使用。虽然pyenv本身没虚拟环境功能但有pyenv-virtualenv这个插件能让虚拟环境管理和版本管理完美结合。怎么使用安装pyenv其实挺简单的但有几个小坑要注意。我推荐用git clone的方式gitclone https://github.com/pyenv/pyenv.git ~/.pyenv然后要把pyenv加到shell的启动文件里。用bash的话在.bashrc加这几行exportPYENV_ROOT$HOME/.pyenvexportPATH$PYENV_ROOT/bin:$PATHeval$(pyenv init -)这里有个常见的坑eval $(pyenv init -)这行必须放在最后因为它要确保pyenv能接管python命令。基本命令就那么几个# 查看可安装的版本pyenvinstall--list# 安装某个版本pyenvinstall3.12.0# 设置全局版本pyenv global3.12.0# 设置某个目录的版本pyenvlocal3.11.5# 查看已安装的版本pyenv versions说到安装在中国网络环境下pyenv install经常因为下载慢而失败。有个小技巧先用wget或者迅雷把Python源码包下载到~/.pyenv/cache目录然后再安装。或者设置环境变量用国内的镜像源。最佳实践用了这么多年pyenv总结几条经验全局版本别设太高。很多人图新鲜设个Python 3.12当全局版本结果发现好多老工具不兼容。我一般全局设3.10或者3.11既稳定又能用最新的特性。项目版本用文件锁定。在项目的根目录创建.python-version写清楚版本号。最好把这个文件也提交到git仓库这样团队其他人拉代码后进目录就自动切换好了。结合pyenv-virtualenv使用。每个项目建独立的虚拟环境命名规则建议是“项目名-Python版本”比如myproject-3.11.5。这样既清晰又方便管理。定期清理不用版本。pyenv uninstall删掉那些不再维护的老版本。但小心生产环境的项目依赖的版本一定要保留。遇到编译问题别慌。pyenv install失败大多是因为缺少某些系统库。Ubuntu上缺什么就apt-get install什么macOS的话用brew。实在不行Google一下错误信息八成有人遇到过。和同类技术对比Python版本管理这块还有几个选手值得一提。conda。这是Anaconda带的专门为数据科学场景设计。它不光管Python版本还能管理R、Julia这些语言以及一大堆科学计算库。但是conda有点重装个东西能带上一堆依赖。如果你只是写Web应用或者脚本用conda有点杀鸡用牛刀。virtualenv。这是最老牌的虚拟环境工具。但它只管虚拟环境不管Python版本。用它的话你得先自己装好不同版本的Python然后用virtualenv -p指定。相比之下pyenv把版本管理和虚拟环境管理结合得更自然。docker。有人用Docker来隔离Python环境这当然可行而且隔离得更彻底。但代价是每次改代码都得重新build镜像开发调试的体验不如直接在宿主机上操作。Docker更适合部署场景。poetry。这个工具野心比较大它想包揽依赖管理、打包发布、虚拟环境管理所有事情。pyenv加pip的用法在poetry面前显得有点原始。但是poetry的学习曲线比较陡而且有时候会做一些出乎意料的操作。我倾向于在项目管理比较规范的大项目上用poetry自己写的小工具还是用pyenv加pip这种简单组合。说到底选哪个工具看你具体需求。如果只是需要偶尔在不同Python版本间切换pyenv就够用了。如果要处理复杂的科学计算环境conda更合适。要是团队项目需要严格的依赖锁定poetry值得一试。工具嘛够用就好不用追求花里胡哨。