前言
下面是一个常见的 conda.yaml 的依赖的描述文件
dependencies:
- python=3.7.0
- numpy=1.21.0
- ca-certificates=2024.11.26
- pip
- pip:
- mlflow==1.18.0
- cloudpickle==0.5.3
- protobuf==3.19.4
- grpcio==1.23.1
name: mlflow-env通过下面命令，可以创建一个独立的 env 出来：
conda env create -n test -f conda.yaml那么问题来了 dependencies 依赖和 pip 的依赖区别是啥，它们的使用场景是什么
dependencies vs pip
dependencies下面的依赖，是 conda 管理的，而 pip 下面的依赖是 pip 管理的
使用场景
最佳实践
- 优先使用 conda 的 dependencies， 因为 Conda 会更好地处理依赖关系和跨平台兼容性
- 必要时使用 pip，如果 Conda 渠道中没有你需要的包，或者你需要特定版本的包，再使用
pip - 混合使用：在实际项目中，通常会混合使用 Conda 和 Pip。例如，使用 Conda 安装 Python 解释器和系统级依赖，使用 Pip 安装 PyPI 独有的包
- 注意事项：
-
- 依赖冲突：Conda 和 Pip 的依赖解析机制不同，混合使用时可能会导致依赖冲突。建议先通过 Conda 安装尽可能多的依赖，再使用 Pip 安装剩余的包。
- 环境隔离：始终在 Conda 环境中使用 Pip，而不是在系统 Python 中使用 Pip，以避免污染系统环境
- 渠道优先级 ：如果需要使用
conda-forge等第三方渠道，可以在conda.yaml中指定
环境隔离
在 conda.yaml 文件中使用 pip 安装的依赖是 当前 Conda 环境独享的，而不是操作系统全局的。这是因为 Conda 环境是独立的、隔离的 Python 环境，所有的依赖（无论是通过 Conda 还是 Pip 安装）都会被限制在该环境中
验证方法：
1，新建一个环境 test
2，激活环境：conda activate test
3，查看依赖：pip list
4，退出 Conda 环境：conda deactivate ，然后再次查看依赖：pip list
# 激活环境
conda activate test
# 查看 pip 位置
which pip # 会显示当前环境的 pip 路径
# 查看包安装位置
pip list -v # 会显示包的安装路径conda 依赖固定
因为 conda 管理 python 解释器，而特定的 python 版本有可能会依赖某个组件库的最新版本：比如 ca-certificates 这个依赖，是 python 解释器的使用的，默认就下载最新的，但如果我们的私服没有这个库，就会引发异常，这个时候最佳实践就是固定该库的版本，有两种方式：
修改 yaml 指定
dependencies:
- python=3.7.0
- ca-certificates=2024.11.26 # 指定系统库依赖
- pip
- pip:
- mlflow==1.18.0通过 conda pinned_packages 配置固定
pinned_packages 是一个 Conda 配置文件中的选项，用于指定在当前环境中 必须保持固定版本 的包。这些包会被"锁定"，即使你运行 conda update --all 或安装新包，Conda 也不会自动更新这些包的版本， 从而可以确保
环境一致性
# 添加固定包
conda config --add pinned_packages ca-certificates=2024.11.26
# 查看当前固定包
conda config --show pinned_packages
# 删除固定包
conda config --remove pinned_packages 'package_name=version'
# conda config --add pinned_packages 默认是在当前激活的环境中生效。如果你想在全局范围内固定包，可以使用 --system 或 --env 选项。为什么不是全局的？
- Conda 环境的设计目标之一就是提供隔离的环境，避免不同项目之间的依赖冲突。
- 如果你在 Conda 环境中使用
pip安装包，pip会默认绑定到当前 Conda 环境的 Python 解释器，而不是系统全局的 Python 解释器