시의 대안으로서의 UV
Python에는 패키지 관리자가 너무 많습니다. 물론 여기에는 내장 패키지 관리자인 pip의 기능이 부족하다는 분명한 이유가 있습니다. 하지만 내면의 완벽주의자는 기본에 충실한 간단한 솔루션을 원합니다. Python을 설치하면 즉시 빠르고 편리한 패키지 관리자를 얻을 수 있으며 가급적이면 Python 버전 관리자를 사용하는 것이 좋습니다. 하지만 대신에 pip를 얻습니다. 물론 실제로 사용하는 사람들도 있지만 여전히 poem, pdm, conda, Pipenv 또는 적어도 pip-tools가 훨씬 더 편리합니다.
그렇습니다. 시는 누구에게나 좋은 것 같습니다. 나는 대부분의 프로젝트에서 그것을 직접 사용합니다. 그러나 종속성 설치가 느린 것처럼 보이기 시작합니다. 특히 Docker 컨테이너를 다시 빌드할 때 더욱 그렇습니다. 게다가 Poetry 자체를 설치하거나 Python 버전을 변경하는 데 번거로움이 있습니다. 예를 들어 pyenv를 통해 버전을 변경하면 Poetry에서 환경을 다시 만들려고 할 때 오류가 발생합니다. 하지만 다른 버전의 Python에서도 작동할 수 있다고 가정합니다. 물론 이것은 인터프리터의 전체 경로를 지정하여 쉽게 해결할 수 있지만 여전히 버팀목입니다. 동일한 pyenv를 설치하고 일반적으로 작업합니다. 그리고 파이썬 버전을 제어하는 데 더 이상 아무것도 없는 것 같습니다.
그래서 2월에 Ruff 제작자로부터 흥미로운 솔루션이 등장했습니다. Rast로 작성된 UV 패키지 관리자. 물론 순전히 콘솔 기반이며 구문은 시를 매우 연상시킵니다. 기능면에서는 거의 동일하지만 여러 가지 장점이 있고 몇 배 더 빠릅니다. 문서는 동일한 종속성 세트에 대한 설치 시간 다이어그램을 보여줍니다.
구문이 시와 정말 비슷해요. 예를 들어 프로젝트가 생성되는 방법은 다음과 같습니다(디렉토리로 바로 이동).
uv init project cd project
다음과 같은 구조가 있습니다.
project ├── .python-version ├── hello.py ├── pyproject.toml └── README.md
시와 같은 종속성은 pyproject.toml 구성에 저장되고 Python 버전은 .python-version에 저장됩니다.
가상 환경을 만들어 봅시다:
uv venv
다음 항목에 따라 SQLAlchemy를 추가하세요.
uv add sqlalchemy
또는 특정 버전을 추가할 수도 있습니다.
uv add sqlalchemy@2.0.32
이제 삭제해 보겠습니다.
uv remove sqlalchemy
이제 sugar - Python 버전 관리입니다. 3.11.9를 설치하고 이런 인터프리터로 환경을 만들어 보겠습니다.
uv python install 3.11.9 uv venv --python 3.11.9
Python 버전은 .python-version에 저장되며, 패키지 관리자는 UV이므로 인터프리터를 변경할 때마다 패키지 관리자에게 이를 지적할 필요는 없습니다. 또한 버전을 수동으로 설치할 필요도 없지만 원하는 버전으로 즉시 환경을 생성합니다. 버전이 설치되어 있지 않으면 UV 자체가 해당 버전을 끌어옵니다. 즉, 그것에 대해 생각할 필요가 없습니다. 전혀 - 뭐, 스릴이 넘치네요.
시와 마찬가지로 PyPI에는 패키지를 구축하고 게시하는 기능이 있습니다. 두 가지 명령을 사용하여 컨테이너를 빌드하고 패키지를 게시할 수 있습니다.
uv build uv publish
UV를 감독자로 사용할 수도 있고, uv run을 사용하여 스크립트와 애플리케이션을 실행할 수도 있습니다
그리고 케이크 위의 체리는 도커 이미지입니다.
FROM ghcr.io/astral-sh/uv:python3.12 WORKDIR /app RUN uv venv CMD ["run", "app"]
파이썬 이미지를 가져와서 pip를 통해 거기에 UV를 설치할 필요 없이 즉시 UV 이미지를 가져와서 재미있게 즐길 수 있습니다. 또한 거기에는 다른 많은 트릭이 있지만 도크에는 이것에 대해 (그런데 매우 명확합니다) 도크에 이러한 칩이 필요한 사람들은 도크에 들어가는 것을 두려워하지 않을 것입니다.
일반적으로 정말 편리한 도구이자 시의 좋은 대안입니다. 아직 어떤 IDE에도 UV 지원이 없지만 시간 문제입니다. 기능이 너무 많아서 좋네요. 프로젝트를 발전시키고 싶습니다. 이 게시물을 공유하고 무엇을 사용하는지 적어주세요.
추신 그리고 TGC에 빠져보세요: https://t.me/dmkjfss
위 내용은 시의 대안으로서의 UV의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

제한된 시간에 Python 학습 효율을 극대화하려면 Python의 DateTime, Time 및 Schedule 모듈을 사용할 수 있습니다. 1. DateTime 모듈은 학습 시간을 기록하고 계획하는 데 사용됩니다. 2. 시간 모듈은 학습과 휴식 시간을 설정하는 데 도움이됩니다. 3. 일정 모듈은 주간 학습 작업을 자동으로 배열합니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.
