实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒

同一套包,requests、flask、pandas,pip 装了 94 秒,uv 只用了 19 秒。建环境那一步差距更大,python -m venv 花了 22 秒,uv venv 只用了 0.4 秒。

这篇就干一件事:把 uv 0.13.7 从安装到装包完整跑一遍,数字全是本机实测。适合每天 pip install 等到发呆的 Python 开发。做完你会知道 uv 快在哪、坑在哪、值不值得换。先说背景:uv 是 Astral 做的 Rust 写的 Python 包管理工具,11 月 2 日有人在同机冷缓存下实测过同一套包,跑了 3 遍,uv 每次都快 11 倍以上,pip 7.07 秒对 uv 0.50 秒是其中一遍的数字。我这篇用同一套包在自己机器上复测了一遍,数字不一样,结论一样。测试环境先交代清楚:Ubuntu 24.04,系统 Python 3.12.3,pip 24.0,uv 0.13.7,11 月 9 日装的时候最新版就是 0.13.7。换之前先想清楚一件事:uv 不是 pip 的皮肤,它是一整套替代方案,pip、pip-tools、pipx、virtualenv、pyenv 这些活它一个二进制全包了。老项目不用急着迁,新项目直接 uv init 起手最顺。已经用 pip 的项目,uv pip install 的命令跟 pip install 长得一样,迁移成本就是装个 uv 再加一个 --python。

整套实测就 5 步:装 uv,建环境,冷装对比,热装对比,uv run 免环境跑脚本。测试包固定三件套:requests、flask、pandas。

第一步,目标是把 uv 装上。官方脚本一行搞定:

bash 复制代码
curl -LsSf https://astral.sh/uv/install.sh | sh

跑出来的结果:

复制代码
downloading uv 0.13.7 x86_64-unknown-linux-gnu
installing to /home/hatch/.local/bin
  uv
  uvx
everything's installed!

验证一下版本:

bash 复制代码
uv --version

跑出来的结果:uv 0.13.7 (x86_64-unknown-linux-gnu)。装完一看,~/.local/bin 里多了两个东西:uv 和 uvx,uvx 是跑一次性工具的,后面第五步用到它。uv 本体 37MB,一个二进制文件,不依赖系统 Python,拷走就能用。坑在安装方式:系统 pip 装 uv 会撞 PEP 668,我本地试过 pip install uv,直接被拒,提示 externally-managed-environment。别加 --break-system-packages 去硬装系统 Python,官方脚本装到 ~/.local/bin 最干净。装完确认 PATH 里有 ~/.local/bin,不然就是 uv: command not found。别加 --break-system-packages 去硬装系统 Python,官方脚本装到 ~/.local/bin 最干净。装完确认 PATH 里有 ~/.local/bin,不然就是 uv: command not found。

第二步,目标是对比建虚拟环境的速度。两条命令各跑两次:

bash 复制代码
time uv venv venv_uv
time python3 -m venv venv_pip

跑出来的结果:uv venv 两次分别是 0.402 秒和 0.462 秒,python -m venv 两次分别是 21.693 秒和 43.211 秒。uv 那边 50 倍以上的差距,而且两次都很稳。uv venv 的输出里还有一行值得注意:Using CPython 3.13.18。venv_uv/bin/python --version 打出来是 3.13.18,venv_pip 那边是 3.12.3,两个环境从解释器版本上就不一样。坑就在这里:uv venv 默认会自己下一个托管的 Python,这台机器上是 CPython 3.13.18,系统 Python 是 3.12.3,两个环境的解释器版本不一样,测速度的时候要先说明。想用系统 Python 就加 --python 3.12。python -m venv 慢不是机器差,是它每次都要把 pip、setuptools 这些轮子解包一份新的。uv venv 不干这个活,它直接拿现成的解释器,写几个配置文件就完事,0.4 秒就是这么来的。

第三步,目标是同一套包、都清缓存,看谁装得快。pip 那边:

bash 复制代码
time venv_pip/bin/pip install --no-cache-dir requests flask pandas

uv 那边:

bash 复制代码
time uv pip install --no-cache --python venv_uv/bin/python requests flask pandas

跑出来的结果:pip 94.071 秒,uv 19.266 秒,差 4.9 倍。装出来的版本完全一致:flask 3.1.3、numpy 2.5.4、pandas 3.1.1、requests 2.34.2。坑在磁盘:/tmp 只有 512M,uv 默认拿 /tmp 当暂存目录,第一次跑直接报 No space left on device,numpy 解到一半就断了。pip 第一次也栽在 /tmp 上。修法是把暂存目录指到空间大的地方,TMPDIR 指过去再跑,一次就过。小磁盘机器、容器、云主机,先看 df 再跑大包。还有一个附带发现:同一套包,uv 装出来的目录小一截,109M 对 176M,numpy 目录 30M 对 42M,pandas 45M 对 80M。数了一下文件数,pip 装的 numpy 有 1309 个文件,uv 装的只有 902 个,pandas 是 2975 对 1535,多出来的主要是 pycache 里的 .pyc 文件。再说一句实话:uv 不是万能的。它默认用自己下的托管 Python,系统里多个 Python 版本的时候要留神。有些老包的 setup.py 构建在 uv 下表现不一样,迁移老项目先在测试环境跑一遍。这次实测里 uv 环境是 3.13、pip 环境是 3.12,解释器版本都不一样,数字只能说明趋势,不能当成精确到小数点的承诺。

第四步,目标是第二次装,缓存能不能省时间。换两个新环境,缓存放开再跑一遍,结果是 pip 163.195 秒,uv 24.419 秒。pip 第二次反而更慢,因为第一次用了 --no-cache-dir,缓存里是空的,第二次等于又冷装了一回,数字波动主要看网速。uv 第二次 24.4 秒,跟第一次 19.3 秒差不多,缓存没让它更快。结论别迷信官方那个 10 到 100 倍,那是暖缓存测出来的最好情况。我这台机器上冷装差距 4.9 倍,建环境差距 50 倍。单次实测,数字会随网速浮动,自己机器上跑一遍才作数。想在自己机器上复测,3 条命令就够:

bash 复制代码
time python3 -m venv venv_pip && time venv_pip/bin/pip install --no-cache-dir requests flask pandas
time uv venv venv_uv && time uv pip install --no-cache --python venv_uv/bin/python requests flask pandas

顺手测了个 list:pip list 8.96 秒,uv pip list 0.53 秒,差 17 倍。按这个数字算,一天建 3 个环境、装 5 次包,uv 能省 5 分钟以上。省下来的不是一次性的,是每天都在省。

第五步,目标是不建环境跑一段代码。命令是 uv run,--with 现场装依赖:

bash 复制代码
uv run --with requests python -c "import requests; print('requests', requests.__version__)"

跑出来的结果:

复制代码
Installed 5 packages in 107ms
requests 2.34.2

总耗时 6.8 秒,装包只花了 107 毫秒,大头是解析和启动。坑在第一次跑要现解析依赖,6.8 秒里大部分时间花在这上面。uv run 适合临时跑一段代码、跑个脚本,别拿它当长期项目的环境管理,正经项目还是 uv venv 加 uv pip install,或者直接 uv init。装 uv 的时候顺带装了 uvx,专门用来跑一次性工具,不用装进环境。下期实测 Ruff 就用 uvx 跑,省得建环境。

避坑清单单独列一遍,都是上面踩过的。PEP 668 别硬装系统 Python,官方脚本装到 ~/.local/bin 最干净。/tmp 小的机器先设 TMPDIR,uv 解压大包要吃暂存空间,512M 的 /tmp 装 pandas 直接爆掉。uv venv 默认下托管 Python,版本先看清,想用系统 Python 加 --python。uv pip install 得先有环境,要么激活 venv,要么像我这样加 --python 指过去。缓存不是万能,冷装差距看的是解析加下载加解压全链路。别拿官方 10 到 100 倍当承诺,自己机器上跑一遍才作数。

照着打勾的清单:官方脚本装 uv,uv --version 确认 0.13.7;uv venv 建环境,0.5 秒以内;冷装同一套包记下时间,跟 pip 比一比;/tmp 小的机器先设 TMPDIR;uv run 跑一段临时代码,不用建环境。

下期预告:下期实测 Ruff:同一套代码,lint 速度差多少。这个系列在专栏《AI话题解读》里连着更新,开发工具实测一篇一篇攒起来。

这篇建议收藏。换工具之前先看实测数字,收藏这篇,下次有人问你 uv 到底快多少,直接把 94 秒对 19 秒甩过去。

你现在装包用 pip 还是 uv?换 uv 之后最直观的感受是什么?

署名:Cyrus

相关推荐
泯泷18 分钟前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考27 分钟前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI29 分钟前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具
yiangL_1 小时前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习
程序员韩星1 小时前
OpenAI 兼容接口返回 404,先查请求地址,再查模型名
前端·人工智能·http
Cosolar1 小时前
2026 年 Java AI Agent 生态全景盘点:50+ Java 开源项目的分类、实测与选型判断
人工智能·架构·agent
花椒技术1 小时前
从“实时生成游戏”出发,我们用 AI 做了四次游戏开发尝试
人工智能·aigc·游戏开发
其实防守也摸鱼2 小时前
用 Claude Code 重构遗留系统:从评估到落地的完整指南
前端·网络·人工智能·chrome·安全·重构
lula8882 小时前
PVC-U、PVC-C、PVC-O 差一个字母,差的是三种增强路线
python