Python-Vers Management

Foreword

设想 –> 场景一：A 项目是一个爬虫项目，需要用到 requests、pyspider、scrapy 等包或框架；B 项目是一个 GUI 界面项目，需要用到 GUI 相关的包或库；这需要把所有用到的包安装到原生 Python 环境中，开发环境越来越臃肿。场景二：C 项目是一个 Python2.x 项目；D 项目是一个 Python3.x；两项目要求的 Python 版本不兼容。怎么办？！！

前面提到过一个系统中是可以同时存在多个 Python 版本的，它可以完美的解决上述问题，但是你需要注意新添加的 Python 环境对系统既有环境的影响，这就涉及到系统中 多个 Python 版本的管理 问题。

更多 Python 版本管理以及运行环境相关内容，请关注博主相关博文系列：

之一 >>> Python-Vers Management

之二 >>> Pythoner 神器之 virtualenv

之三 >>> 一文了解数据科学神器 Anaconda

之四 >>> Jupyter Tutorial

---

Python-Vers Introduction

目前，Python 有两个主流的版本：

分别为：2.x 版本 和 3.x 版本。

Python 3.0 是一次重大的升级，为了避免引入历史包袱，Python 3.0 没有考虑与 Python 2.x 的兼容（不完全兼容），这也就导致很长时间以来，将现有应用从 Python 2.x 迁移到 Python 3.x 是一项不小的挑战。

虽说有 2to3 之类的转换工具可以进行代码的自动转换，但无法保证转换后的代码 100% 正确。而且，如果不做人工修改的话，转换后的代码性能可能还不如转换前。故很多 Python 2.x 的用户不愿意升级到 Python 3.0。

2.x & 3.x 版本的不兼容，引发如下问题：

我们给出一种实际情况 >>>> 原生 Unix/Linux 系统已经自带有一个版本的 Python2，但它不是我们需要的 Python 版本，我们想要编译安装满足我们期待的 Python 版本（Python3）。

此时，我们将面临一种选择：是在原有版本基础上 Update（2.x –> 3.x） 呢？还是去 Setup 一个新版本的 Python（原生版本 Python 也保留）？

Update 存在的问题 >>>>

事实上，由于 Python 2.x 和 Python 3.x 兼容性问题，将 Python 2.x 直接升级到 Python 3.x 会产生一些问题（例如：Centos 系统下的很多工具（yum、iotop 等）都依赖原生 Python 2.x 版本），直接升级后会导致无法使用。

Solution >>>>

所以，一般建议安装添加一个新版本的 Python（与系统原生 Python 版本共存），或者使用虚拟环境管理工具（Virtual Envs Tools）进行多版本管理（这里不用深究，Virtual Envs Tools 是一种优秀的 Python 多版本共存管理方案）。

---

多版本共存管理方案

正如博文前言场景二中所描述，实际 Python 开发过程中，多 Python 版本开发环境是我们必然要面对的问题。

关键在于：如何保证多个 Python 版本安装、配置以及使用之间互相不产生影响呢？

这就是当前小节讨论的内容，这里会对网络上主流的几种方案进行试验、分析。你可以根据自身情况选择一个适合开发场景的解决 Python 多版本共存冲突问题的解决方案。

---

Using Symbolic Link

一个简单、快捷的解决多版本冲突问题的方案 >>>> 构建软链接

核心思想 >>>> 在系统原生 Python 版本的基础上，再安装（Add）一个新的期望版本的 Python 环境，且保证新安装 Python 不会影响原生环境，以实现期望版本和原生版本完美共存。

For Unix & Linux Platform

实际上，在介绍 Unix & Linux 平台下安装 Python 时，已经给出了具体的解决方法:

1 –> 源码编译安装

注意在使用源码安装过程中，不要勾选有关自动添加环境变量的选项（默认不勾选），安装成功后手动设置即可，否则会影响原生环境。

安装步骤见前面系列博文，这里不再赘述。

2 –> 构建软链接

Unix && Linux 下可以通过构建多个带有不同版本标识的 Python 软链接：

注意，为了避免不小心覆盖掉系统中原生的 Python 软链接，如：/usr/local/bin/pythonX 或 /usr/bin/pythonX，构建前最好先查询一下。

# 产生软连接时要注意系统中已存在的 Python 软链接，防止原生 Python 调用被覆盖掉！！！
# 查看系统中所有既存的 python 链接信息：
$ ll /usr/local/bin | grep "python*"

# 确认 `/usr/local/bin` 下没有 `python3.5 && python2.7` 软链接，再进行构建：
#
# python 3.5 symbolic link
$ ln -s /usr/local/python3.5/bin/python3.5 /usr/local/bin/python3.5
# python 2.7 symbolic link
$ ln -s /usr/local/python2.7/bin/python2.7 /usr/local/bin/python2.7

创建软链接后，在使用 Python 时，我们就可以通过特定软链接启动相应版本的 Python 解释器了：

# 启动系统原生环境：
python

# 启动 python2.7 环境：
python2.7

# 启动 python3.5 环境：
python3.5

---

For Windows Platform

那么 Windows 下如何实现呢？？？Windows 下是通过设置环境变量来达成的。

1 –> 二进制包安装

注意在使用二进制包安装过程中，不要勾选有关自动添加环境变量的选项（默认不勾选），安装成功后手动设置即可，否则会影响原生环境。

安装步骤见前面系列博文，这里不再赘述。

2 –> 配置系统环境变量

推荐修改系统环境变量（PATH）中设置的 Python 安装目录路径即可，想用那个版本就指向那个版本。

思考：可能有些同学会将多个 Python 安装目录同时添加到系统的环境变量中，以期待可以同时使用多个版本的 Python。这是有问题的，系统搜索程序或可执行文件的路径（$PATH）是具有优先级的！，路径在系统 PATH 变量中设置（位置）越靠前，越先被检索到使用。

================================================

至此，我们就可以在当前系统中同时存在多个 Python 版本供我们选择使用！

使用软链接 实现多版本冲突问题存在一定的缺陷：

1. 不进行特殊安装、配置记录的话，一段时间后，容易引发系统中的 Python 版本管理混乱；
2. Windows 下各版本 Python 环境切换繁琐，并且极易发生库管理混乱问题；
3. 需要开发人员手动进行 Python 版本的管理，很繁琐。

那有没有更好的 Python 多版本共存的解决方案？？？

答案肯定是有的！！！

---

Virtual Envs Tools（Recommended）

除了上述给出的方法外，虚拟环境管理工具 是一种完美解决 Python 的多版本共存问题的最优解决方案。

什么是虚拟管理工具？

Python 的正式学习之后，相信你肯定会对 “Python 实现其强大功能的前提，就是它具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用，能够快速实现对不同领域业务的开发。” 有比较深入的理解。

1 –> 为什么引入虚拟环境管理工具？

引入虚拟环境管理工具 –> 可以帮助你完美解决：

1. 不同学习、开发项目对 Python 环境的要求不同（可能使用 Python2.x，可能使用 Python3.x）;
2. 配合包管理工具（Pip），管理以及维护 Python 中数量庞大的标准库和第三方库，这是复杂也是重要的！

2 –> 虚拟环境管理工具可以做什么?

• Virtual Envs Toos 可以创建任意多个虚拟环境（可以看作成一个个容器），使用时指定到（切换到）某一虚拟环境之后 Pip 安装的包、库就只会在这个环境（容器）下；并且各虚拟环境（容器）之间，以及虚拟环境和系统原生环境之间是隔离的（一个个相互独立、隔离的容器）。
• 假设某一个虚拟环境预计不再使用，可以直接删除掉相应虚拟环境，由于虚拟环境的独立、隔离性，不用关注文件残留、关联问题。

通俗来说，Virtual Envs Toos 可以为每个 Python 项目，甚至每个脚本各自建立一套 “独立、隔离” 的 Python 环境（环境中可以自定义特定的 Python 版本以及特定的依赖库）。NB~~~

---

virtualenv && conda

这里给出两种用于解决 Python 多版本共存冲突问题的虚拟环境管理工具（神器）：

1. virtualenv
2. conda

virtualenv & conda 都可以进行虚拟隔离环境管理，但两者之间也存在一定的 区别：

1. 准确来说，virtualenv 仅仅是虚拟环境管理器，conda 相当于：virtualenv（虚拟隔离环境） + pip（包管理工具），也就是说 conda 同时具有虚拟环境管理和包管理的功能；
2. 作为包管理器，pip 只能安装 python 的包，而 conda 还可以安装一些不是基于 Python 开发的工具软件，但遗憾的是，相较于 pip，conda 作为包管理器一般且会安装过多依赖。故推荐，在无特殊需求安装应用时，可以先选择使用 pip install packagename 进行安装，如果无法安装的话，再尝试使用 conda install packagename 进行安装。
3. 作为虚拟环境，conda 虚拟环境是独立与于系统原生 Python 环境的，即无论系统 Python 解释器什么版本（哪怕 2.7），你也可以指定虚拟环境中 Python 版本为 3.6；而 virtualenv 是依赖系统主环境的，只能虚拟安装操作系统中已安装解释器版本的 Python 环境。

---

事实上，一般不直接使用 virtualenv 和 conda 工具进行 Python 版本管理，而是 选用 virtualenv && conda 的扩展应用 来进行管理 –>

• virtualenv –> virtualenvwrapper
• conda –> conda in anaconda(miniconda)

这里是为了以一种更方便、高效、愉悦的方式来使用 virtualenv && conda。

篇幅原因，关于 virtualenv(virtualenvwrapper) && conda(anaconda/miniconda) 的使用方法可见相关系列博文：

之二 >>> Pythoner 神器之 virtualenv

之三 >>> 一文了解数据科学神器 Anaconda

Python 中的版本管理方法一般 推荐使用 Anaconda ，除了不依赖操作系统级别的 Python 解释器，以及提供了 Python 包管理、虚拟环境功能之外，还包含了 Python 进行数据分析相关的 180+ 的科学包及其依赖项，你可以将其理解为一个 Python 的开发生态圈。

---