高性能包管理器 uv – Python最快的软件包安装程序和解析器使用方法

uv是Astral开发的Python软件包安装程序和解析器,使用Rust编写,速度超快!本文介绍了uv的安装方法、用法以及Astral对Python打包工具的愿景。

最新推出了一个名为uv的Python软件包安装程序,由Astral开发。uv软件包安装程序和解析器是由Astral开发的,使用Rust编写而非Python,速度超快!Astral以Python最快的格式化工具Ruff而闻名。uv软件包旨在成为pip和pip-tools的即插即用替代品。据Astral称,“uv比pip和pip-tools快8-10倍,而在使用热缓存时(例如重新创建虚拟环境或更新依赖项时)快80-115倍”。

Astral还接管了Armin Ronacher开发的实验性Python打包工具Rye的开发。根据Astral的公告,从声音上看,Rye和uv将成为一个工具,因为这两个项目对Python打包有共同的愿景。

安装uv

您可以使用Curl安装uv:

curl -LsSf https://astral.sh/uv/install.sh | sh

或者您也可以使用pip:

pip install uv

现在您已经安装了uv,可以开始安装软件包了!

使用uv

让我们在您的终端中尝试运行uv:

c:\code> uv

用法:uv.exe [选项] <命令>

命令:

  •   pip    解析并安装Python软件包

  •   venv   创建虚拟环境

  •   cache  管理缓存

  •   help   打印此消息或给定子命令的帮助

选项:

  •   -q, --quiet                  不打印任何输出

  •   -v, --verbose                使用详细输出

  •       --color <COLOR>          控制输出中的颜色 [默认值:auto] [可能的值:auto,always,never]

  •   -n, --no-cache               避免从缓存中读取或写入 [env: UV_NO_CACHE=]

  •       --cache-dir <CACHE_DIR>  缓存目录的路径 [env: UV_CACHE_DIR=]

  •   -h, --help                   打印帮助(使用“--help”查看更多)

  •   -V, --version                打印版本

您需要创建并激活一个Python虚拟环境,以便使用uv安装软件包。

这里有一个示例

C:\code> uv venv test

使用Python 3.11.5解释器位于C:\Users\wheifrd\AppData\Local\Programs\Python\Python311\python.exe

在test处创建虚拟环境

激活方式:test\Scripts\activate

C:\code> .\test\Scripts\activate

(test)C:\books>

现在您已经准备好安装Python软件包了。您可以使用numpy进行测试运行:

(test) C:\books> uv pip install numpy
在615毫秒内解析了1个软件包
在2.81秒内下载了1个软件包
在332毫秒内安装了1个软件包
 + numpy==1.26.4

正如您所期望的那样,您也可以使用uv来安装:

  • 一系列以空格分隔的软件包

  • 一个requirements.txt文件

  • 一个pyproject.toml文件

如果您需要生成一个锁定的requirements.txt文件,可以运行uv pip compile。

总结

Astral希望通过发布uv来创建一个“Python的Cargo”。尽管这个项目仍处于早期阶段,但这个Rust软件包本身非常快速和实用,尽管它只发布了大约一年。您可以在Astral的博客文章中阅读更多关于uv的信息。

关键词:uv、Python软件包、安装程序、解析器、Astral、Rust、pip、虚拟环境、软件包安装文章来源地址https://www.toymoban.com/diary/python/742.html

到此这篇关于高性能包管理器 uv – Python最快的软件包安装程序和解析器使用方法的文章就介绍到这了,更多相关内容可以在右上角搜索或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

原文地址:https://www.toymoban.com/diary/python/742.html

如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请联系站长进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用
使用 phpize 编译安装 phpredis PECL扩展详细步骤及注意事项
上一篇 2024年03月13日 19:32
Nginx高并发,Nginx怎么设置才支持百万并发?
下一篇 2024年03月15日 14:10

相关文章

  • Rust 开发的高性能 Python 包管理工具,可替换 pip、pip-tools 和 virtualenv

    最近,我在 Python 潮流周刊 中分享了一个超级火爆的项目,这还不到一个月,它在 Github 上已经拿下了 8K star 的亮眼成绩,可见其受欢迎程度极高!国内还未见有更多消息,我趁着周末把一篇官方博客翻译出来了,分享给大家。 作者:@charliermarsh 译者:豌豆花下猫@Python猫 英

    2024年03月09日
    浏览(44)
  • 高性能软件负载OpenResty介绍和安装

    OpenResty是一个基于 Nginx 与 Lua 的高性能 Web 平台,其内部集成了大量精良的 Lua 库、第三方模块以及大多数的依赖项 当请求进入Nginx后先READ REQUEST HEADERS 读取头部 然后再分配由哪个指令操作 Identity 寻找匹配哪个Location* Apply Rate Limits 是否要对该请求限制 Preform Authertication 权限验

    2024年02月08日
    浏览(25)
  • 磊科高性能路由器上网行为管理配置指南[图文]

    每个公司都会因工作的需要而开通网络。但是问题来了,员工经常在上班时间聊QQ,浏览与工作无关的网页。有些公司曾经实施过惩罚制度,但效果不理想。为此,公司高层反对开通网络。这样一来,员工也有意见,认为如果不开通网络工作起来不方便。现在很疑惑,如果开

    2024年02月05日
    浏览(20)
  • Python asyncio高性能异步编程 详解

    目录 一、协程 1.1、greenlet实现协程 1.2、yield 1.3、asyncio 1.4、async await 二、协程意义 三、异步编程 3.1、事件循环 3.2、快速上手 3.3、await 3.4、Task对象 3.5、asyncio.Future对象 3.5、concurrent.futures.Future对象 3.7、异步迭代器 3.8、异步上下文管理器 四、uvloop 五、实战案例

    2024年02月20日
    浏览(31)
  • springBoot + netty搭建高性能 websocket 服务 & 性能测试(包含python 测试脚本)

    1、如果我们的app类似于股票这种,数据很多很快,之前用的tomcat自带的 websocket 又或者 spring-boot-starter-websocke 集成,但是性能在数据并发很大时就会存在问题。 2、我前面写的一篇关于 springBoot+webosket的,没有使用netty的文章 springBoot使用webSocket的几种方式以及在高并发出现的

    2024年02月04日
    浏览(24)
  • 高性能计算的矩阵乘法优化 - Python + OpenMP实现

    关于上一节读者某些疑问 :为什么你用进程并行不是线程并行? 回答 :由于Python解释器有GIL(全局解释器锁),在单进程的解释器上有线程安全锁,也就是说每次只能一个线程访问解释器,因此Python在语法上的多线程(multithreads)实现是不会提高并行性能的。 这一点和C

    2024年02月15日
    浏览(26)
  • openpyxl被干掉?全新python高性能excel解析库

    同事有一段 python 脚本,里面用 pandas 读取一个几十万行的 excel 文件,但是速度实在太慢了。问我有没有什么好办法提升运行速度。如果在几个月以前,就实在没有什么好办法了。毕竟在 python 生态中,读写 excel 最后的倔强就是 openpyxl 了。你就别指望它能提速了。 现在可不一

    2024年02月22日
    浏览(29)
  • 高性能计算的矩阵乘法优化 - Python +MPI的实现

    本次实验的目的是使用MPI的并行性来进行矩阵乘法优化,本人使用 Python 实现 实验硬件: CPU :AMD Ryzen 7 5800H(3.20 GHz) 内存 :32GB (3200MHz) 要求 :使用一个矩阵,一个向量相乘,分别用单进程和多进程的mpi接口实现。 全局的规模参数是 Scale 数据示例 : 当 Scale=5 时,数据示例如

    2023年04月22日
    浏览(52)
  • 《Python高并发与高性能编程:原理与实践》——小解送书第六期

    目录 书籍介绍  抽奖 Python成为时下技术革新的弄潮儿,全民Python的发展趋势让人们不再满足于简单地运行Python程序,逐步探索其更为广泛的日常应用和高性能设计。以ChatGPT为代表的大模型产品对初级程序开发人员提出了挑战,要想在开发领域站稳脚跟、有发展,必须掌握更

    2024年02月14日
    浏览(21)
  • 【大虾送书第三期】《Python高并发与高性能编程: 原理与实践》

    目录 ✨写在前面 ✨主要内容 ✨本书特色 ✨关于作者      🦐博客主页:大虾好吃吗的博客      🦐专栏地址:免费送书活动专栏地址 Python成为时下技术革新的弄潮儿,全民Python的发展趋势让人们不再满足于简单地运行Python程序,逐步探索其更为广泛的日常应用和高性能

    2024年02月16日
    浏览(19)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包