1. 写在前面
在Python开发中，往往需要根据不同的需求搭建不同的Python环境， 环境管理方面， 之前学习到的方式是anaconda进行统一的管理， 但是工作之后了解到， conda在本地开发时候会提供非常多的便利，但对于生产环境，conda会过于臃肿，且locking的能力需要额外安装工具，所以往往不适用生产环境中的Python环境管理。 生产环境中，可以使用pyenv来管理各种Python版本，而poetry来管理虚拟环境。 这篇文章，主要是记录下这两个工具的使用。
2. Pyenv安装和使用
这个用来管理Python版本的，详细内容学习参考https://github.com/pyenv/pyenv , 安装的话可以使用下面的命令：
git clone https://github.com/pyenv/pyenv.git ~/.pyenv
echo 'export PYENV_ROOT=~/.pyenv' >> ~/.bashrc && \
echo 'export PATH=$PYENV_ROOT/bin:$PATH' >> ~/.bashrc && \
echo 'eval "$(pyenv init --path)"' >> ~/.bashrc && \
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
使用pyenv安装Python的时候，会在目标平台编译Python，所以需要安装编译Python相关的依赖，下面命令：
sudo apt-get update
sudo apt-get install make build-essential libssl-dev zlib1g-dev \
libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm \
libncursesw5-dev xz-utils tk-dev libxml2-dev libxmlsec1-dev libffi-dev liblzma-dev
然后激活环境
source ~/.bashrc
常用命令：
# 安装指定版本的Python
pyenv install 3.7.2
# 查看已经安装的Python版本
pyenv versions
# 设置全局的Python版本
pyenv global 3.7.2
# 某个项目中设置使用的Python版本， 进入某个项目
pyenv local 3.8.1
3. Poetry管理Python虚拟环境
Poetry的使用文档https://python-poetry.org/， 我这里只整理常用的命令。
首先，使用上， poetry与conda不一样的一个点，poetry是项目的依赖管理工具， 之前使用conda的时候，可能是新建立虚拟环境，然后安装上要使用的包，然后进行项目开发的时候，指定好这个虚拟环境。而poetry使用的时候， 是先有项目，然后在项目里面，通过pyproject.toml文件来配置该项目所需要的环境，包啥的。 然后通过poetry相关命令创建好虚拟环境。 这个逻辑是不一样的，需要先理解。
3.1 poetry安装
推荐使用在线脚本安装， 但是安装之前，需要先有一个可以执行的Python解释器，比如用上面的pyenv先弄一个全局的Python解释器才行，否则会报错。
$ curl -sSL https://raw.githubusercontent.com/python-poetry/poetry/master/get-poetry.py | python
# 这里注意下，如果是ubuntu22版本的话，用上面命令安装不上，需要sudo pip install python3-poetry
# 但是这时候，运行下面命令会报错ModuleNotFoundError: No module named 'cachecontrol'
# 这个解决方法： sudo apt install python3-cachecontrol， 不要pip install
可以通过poetry --version来查看是否安装成功。
3.2 poetry使用
如果是在一个已经有的项目里面使用Poetry， 则只需要运行poetry init命令创建一个pyproject.toml文件，如果是新建一个项目，可以直接
poetry new poetry-demo
此时，当前目录下面就多出一个poetry-demo目录，这个目录下的文件结构：
$ tree poetry-demo
poetry-demo
├── README.rst
├── demo_priject
│ └── __init__.py
├── pyproject.toml
└── tests
├── __init__.py
└── test_demo_priject.py
如果要把项目代码放入到 src 目录下，在创建项目时，可以加上 --src 参数。
我们需要在pyproject.toml文件中写该项目会依赖的各种包，比如，在这里面建立一个test.py文件，写两行代码：
import numpy as np
a = np.array([1, 2, 3])
print(a)
此时，如果直接运行这个文件，会报错找不到numpy，毕竟确实没装，那么，怎么用poetry搭建可运行的虚拟环境呢？
vim pyproject.toml
# 在这里面写入
[tool.poetry]
name = "poetry-demo"
version = "0.1.0"
description = "my poetry learning test"
authors = ["name <[email protected]>"]
[tool.poetry.dependencies] -- 运行用到的依赖包
python = "^3.8" -- 这里也可以兼容多版本的写法 python ">=3.7, <=3.10"
numpy = "^1.21.2"
pandas = "^1.3.3"
matplotlib = "^3.5.2"
[tool.poetry.dev-dependencies] -- 开发用到的依赖包
pytest = "^5.2"
[build-system]
requires = ["poetry-core>=1.0.0"]
build-backend = "poetry.core.masonry.api"
保存这个文件。 如果需要再加新的包，可以用poetry管理包的命令
# 安装包 这时候直接可以安装包
poetry add pkg_name
poetry add pytest --dev 开发包安装
# 删除包
poetry remove pkg_name
# 查看所有依赖包
poetry show
依赖稳定之后， 生成lock文件。
poetry lock
这时候， 项目中的虚拟环境配置完毕， 只需要
poetry install
就可以安装所有相关依赖，并创建相关虚拟环境。
3.3 poetry虚拟环境管理与查看
建立好虚拟环境之后，在poetry-demo项目下输入
poetry env info
就能看该虚拟环境的名字以及位置。
此时，用
poetry run python test.py # 此时就能跑起来test.py了
# 如果嫌每次跑test.py都需要poetry run，可以像conda那样，进入到虚拟环境
poetry shell
# 这样，就可以像conda进入虚拟环境一样了
# 此时，也可以像conda那样安装命令 pip install pkg
其他命令：
# 删除虚拟环境
poetry env remove Python版本（这里用Python版本即可）
# 使用某个虚拟环境
poetry env use Python版本(这里用Python版本即可)
# 查看当前是哪个虚拟环境
poetry env list
3.4 常用配置
这里主要是配置镜像源，没有镜像源的时候，安装包有时候会非常慢，所以可以配置PypI镜像源，以阿里源为例，在 pyproject.toml 文件里加入这部分内容：
[[tool.poetry.source]]
name = "aliyun"
url = "https://mirrors.aliyun.com/pypi/simple/"
3.5 pycharm远程连接项目开发
这个和conda管理虚拟环境几乎一样， poetry针对每个项目创建完虚拟环境之后， 这个虚拟环境会保存在~/.cache/pypoetry/virtualenvs/，所以在这里面找到该项目开发使用的python环境的python解释器即可进行远程pycharm开发。
4. 小总
关于pyenv管理python环境，poetry管理python的虚拟环境就先记录到这里，这次依然是从使用的角度整理，关于细节，可以参考上面给出的对应文档， poetry类比着conda，上手其实也挺快。
- conda， 是创建好虚拟环境之后，安装很多包，之前在学校的时候，常常建立一个万能环境，什么pytorch， tf啥的统一放到一个环境下面，这样做项目的时候，就统统指定这个虚拟环境进行开发，非常的便利。 但这种情景不适用生产环境，一个是万能环境包太多，臃肿，另外，就是可能不同项目要求的包的版本不同，这种情况下万能环境也不适用。实际生产中，这种情况非常常见。
- 所以生产环境中常常使用poetry，这个是针对每个项目单独弄一个虚拟环境， 通过pyproject.toml去配置运行该项目所需要的各种包，然后进行安装构建， 好处就是只需要安装跑某个具体项目的包，轻量且解决版本要求问题。
这就是这两个的区别啦，至于实际开发， 在远程服务器创建好项目和虚拟环境，都可以在本地使用pycharm进行远程开发，这个对于这两种工具，操作就一样了。
参考：