当前位置:

首页 > 编程开发 > uv:新一代 Python 包管理器,快到离谱

uv:新一代 Python 包管理器,快到离谱

uv是由Astral公司开发的Python包管理器,使用Rust语言编写,旨在替代pip、venv、pyenv等工具。其核心优势在于极快的安装速度,通过全局缓存、并行操作和高效依赖解析实现。uv支持无缝替代pip命令,也提供一体化项目管理功能,包括依赖锁定、Python版本管理和脚本依赖声明。它适用于纯Python项目,能显著提升开发效率,但暂不适用于依赖复

本文目录

    uv:新一代 Python 包管理器,快到离谱

    如果你还在忍受 pip 安装依赖时那漫长的等待,或者被 poetry、pyenv、venv 等一堆工具搞得晕头转向,那么今天要聊的这个新工具,可能会彻底改变你的 Python 开发体验。

    uv:新一代 Python 包管理器,快到离谱

    uv 是什么来头?

    uv 出自 Astral 公司之手,一个用 Rust 语言重写的 Python 包管理器和项目管理工具。提起 Astral,你可能更熟悉他们另一个明星产品——Ruff,那个号称“快得离谱”的 Python Linter。没错,他们这次把“快”这个理念,带到了包管理领域。

    一句话概括 uv 的野心:它试图成为 pip、venv、pyenv、pip-tools 和 poetry 的集合体,并且比它们都快得多。 这听起来有点夸张,但看完它的表现,你会发现这并非虚言。

    到底有多快?

    空谈无益,直接看对比。假设你需要安装一个包含 50 个包的 requirements.txt 文件:

    # 传统 pip 方式
    time pip install -r requirements.txt
    # 耗时:约 15-30 秒
    
    # 使用 uv
    time uv pip install -r requirements.txt
    # 耗时:约 0.5-2 秒
    

    看到了吗?10 倍甚至 100 倍的速度差距。这不是实验室里的基准测试数字,而是你日常工作中能真切感受到的效率提升。

    那么,它凭什么这么快?背后的技术支撑主要有几点:

    • Rust 语言实现:从底层就避开了 Python 解释器的开销,执行效率天然更高。
    • 全局缓存机制:同一个包,只要下载和解压过一次,就会存入全局缓存,后续安装直接从缓存读取,避免了重复的网络和磁盘 I/O。
    • 并行化操作:支持并行下载和安装包,充分利用多核 CPU。
    • 高效的依赖解析算法:依赖解析是包管理中最耗时的环节之一,uv 的算法在这方面做了深度优化。

    安装 uv

    上手 uv 非常简单,一行命令即可:

    # macOS / Linux(推荐方式)
    curl -LsSf  | sh
    
    # Windows PowerShell
    powershell -ExecutionPolicy ByPass -c "irm  | iex"
    
    # 也可以用 pip 安装(但不推荐,毕竟 uv 的目标是替代 pip)
    pip install uv
    

    安装完成后,运行 uv --version 验证一下即可。

    uv 的第一种用法:无缝替代 pip

    这是最平滑的入门方式。你几乎不需要改变任何现有工作流,只是把命令前缀从 pip 换成 uv pip,速度就能获得飞跃。

    # 创建虚拟环境(替代 python -m venv)
    uv venv
    
    # 激活虚拟环境(方式不变)
    source .venv/bin/activate
    
    # 安装包
    uv pip install flask requests
    
    # 指定版本范围
    uv pip install "flask>=3.0.0"
    
    # 从 requirements.txt 安装
    uv pip install -r requirements.txt
    
    # 导出依赖
    uv pip freeze > requirements.txt
    
    # 卸载包
    uv pip uninstall flask
    
    # 查看已安装包列表
    uv pip list
    

    命令逻辑完全一致,仅仅是前面多了个 uv,但带来的速度提升是实实在在的。仅凭这一点,就足以让日常开发体验焕然一新。

    uv 的第二种用法:一体化项目管理

    uv 的野心不止于替代 pip,它还想成为像 Poetry 或 PDM 那样的现代项目管理工具。

    初始化项目

    mkdir my-project && cd my-project
    uv init
    

    执行后,一个标准的项目结构就生成了:

    my-project/
    ├── pyproject.toml    # 项目配置和依赖声明
    ├── README.md
    ├── hello.py
    └── .python-version   # Python 版本锁定文件
    

    管理依赖

    # 添加依赖
    uv add flask
    uv add "requests>=2.31.0"
    uv add pytest --dev    # 添加开发依赖
    
    # 移除依赖
    uv remove flask
    
    # 同步环境(安装所有 pyproject.toml 中声明的依赖)
    uv sync
    

    每次执行 uv add 或 uv remove,pyproject.toml 和 uv.lock 文件都会自动更新,彻底告别手动维护 requirements.txt 的繁琐。

    运行命令

    # 在项目虚拟环境中运行脚本
    uv run python app.py
    
    # 运行项目模块
    uv run python -m my_project
    
    # 直接运行命令(uv 会确保环境就绪)
    uv run flask run
    

    uv run 是个非常聪明的设计。它会自动检查当前环境状态,如果发现依赖未安装或 lock 文件有变动,会先执行环境同步,再运行你的命令。从此,再也不会出现“哎呀,我忘了先 pip install”的尴尬情况。

    锁定依赖

    # 生成或更新 lock 文件
    uv lock
    
    # 仅升级某个特定包
    uv lock --upgrade-package requests
    

    生成的 uv.lock 文件会锁定所有直接和间接依赖的精确版本,确保团队成员之间、开发与生产环境之间的绝对一致性。这个思路和 Node.js 的 package-lock.json、Rust 的 Cargo.lock 如出一辙,是现代化依赖管理的标配。

    uv 管理 Python 版本

    除了包,uv 还能管理 Python 解释器本身,一定程度上可以替代 pyenv。

    # 安装指定版本的 Python
    uv python install 3.12
    uv python install 3.11 3.10   # 一次安装多个版本
    
    # 查看已安装的 Python 版本
    uv python list
    
    # 为当前项目固定 Python 版本
    uv python pin 3.12
    

    uv python pin 命令会在项目根目录创建一个 .python-version 文件。之后在此目录下执行任何 uv 命令,都会自动使用指定的 Python 版本,非常方便。

    uv 的 tool 命令

    这个功能相当实用,它允许你安装和管理那些作为命令行工具使用的 Python 包,类似于 pipx 的定位。

    # 安装全局工具
    uv tool install ruff
    uv tool install black
    uv tool install httpie
    
    # 直接运行,无需永久安装(类似 Node.js 的 npx)
    uvx ruff check .
    uvx black --check .
    uvx cowsay "hello"
    

    这里的 uvx 是 uv tool run 的简写。它的妙处在于,会在一个临时的、隔离的环境中运行指定工具,用完后环境自动清理,不会污染你的主环境。这对于那些偶尔才用一次的工具(比如用 uvx cookiecutter 生成项目模板)来说,简直是完美解决方案。

    uv 的脚本支持

    uv 还有一个非常酷的特性:支持在 Python 脚本文件内部直接声明依赖。

    # /// script
    # requires-python = ">=3.12"
    # dependencies = [
    #     "requests",
    #     "rich",
    # ]
    # ///
    
    import requests
    from rich import print
    
    response = requests.get("https://httpbin.org/json")
    print(response.json())
    

    运行这个脚本时,只需:

    uv run my_script.py
    

    uv 会自动创建一个临时虚拟环境,安装脚本头部声明的依赖,然后执行脚本。整个过程无需手动准备环境,也无需额外的 requirements.txt 文件。对于编写一次性脚本、分享可复现的代码片段来说,这个功能极大地提升了便利性。

    从现有项目迁移到 uv

    如果你手头有使用传统 requirements.txt 的老项目,迁移到 uv 的过程非常平滑。

    # 1. 创建虚拟环境
    uv venv
    
    # 2. 安装现有依赖
    uv pip install -r requirements.txt
    
    # 3. (可选)迁移到 uv 的项目管理模式
    uv init --bare
    uv add flask requests pandas   # 添加你的核心依赖
    uv sync
    

    迁移到 pyproject.toml 管理后,理论上就可以告别 requirements.txt 了。当然,你也可以选择保留它,以便与尚未使用 uv 的同事协作。

    uv 和 Conda 的关系

    需要明确的是,uv 当前主要专注于纯 Python 包的管理。如果你的项目严重依赖 CUDA、特定的 C 库或系统级二进制文件(常见于深度学习、科学计算领域),那么 Conda 目前仍然是更合适的选择。

    简单划分一下适用场景:

    • 纯 Python 开发:如 Web 后端、爬虫、自动化脚本等,uv 的能力完全覆盖且体验更优。
    • 数据科学/机器学习:涉及 CUDA、MKL、HDF5 等复杂非 Python 依赖时,Conda 的生态系统更具优势。

    当然,以 uv 的发展势头,未来支持更复杂的依赖管理也并非不可能。

    uv 的现状和未来

    截至撰写本文时,uv 仍处于快速迭代期(版本号约为 0.7.x),但其稳定性和性能已经得到了广泛认可。不少知名公司,如 Vercel、Dagster 等,已开始在生产环境中使用它。

    如果你还在使用 pip + venv + requirements.txt 的传统组合,强烈建议花点时间尝试一下 uv。迁移成本极低,但带来的效率提升和体验优化却是实实在在的。

    面试题

    1. uv 为什么比 pip 快这么多?

    2. uv.lock 文件的作用是什么?为什么要提交到 Git?

    3. uvx 命令和 uv tool install 有什么区别?分别适用什么场景?

    4. uv 能完全替代 Conda 吗?为什么?


    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。