Python 虚拟环境

https://mp.weixin.qq.com/s/oZMte5Mqf9Ow9sVP5v3FwA

最好的 Python 虚拟环境，永远是 2008 年就诞生的 python -m venv。

• 2025 年还有人因为虚拟环境把生产事故干出来？
• 还有人部署一个 FastAPI 接口要 1.7GB 镜像？
• 还有人把 conda 当信仰，结果启动慢得像在跑 AlphaFold？

 

一、2025 年虚拟环境终极排行榜

排名	工具	镜像体积	冷启动时间	构建时间
NO.1	python -m venv + pip-tools	90∼150MB	1.8∼3.5s	<90s
NO.2	uv（Rust 版）	100∼180MB	1.2∼2.8s	<45s
NO.3	poetry	450∼800MB	8∼15s	3∼7min
NO.4	pipenv	600MB+	12s+	5min+
拉出去枪毙	conda	1.2∼3GB	25∼60s	8∼20min

二、2025 年最硬核、可直接抄走的终极配置流程

第 1 步：永远只用 python:3.12-slim 或 python:3.13-slim 做基础镜像别碰   alpine（大量 wheel 没编译），别碰 full 版（胖得像头猪）

第 2 步：永远在项目根目录创建 .venv，永远加入 .gitignore

python -m venv .venv --upgrade-deps

第 3 步：升级 pip 到最新 + 装三件套神器

pip install --upgrade pippip install pip-tools wheel setuptools-scm

第 4 步：把所有依赖写进 requirements.in

fastapi>=0.115.0uvicorn[standard]>=0.30.0pydantic>=2.9,<3.0sqlalchemy>=2.0redis[hiredis]

第 5 步：一键生成带 hash 的终极锁文件

pip-compile --generate-hashes --resolver=backtracking --strip-extras requirements.in

第 6 步：本地用 pip-sync，生产直接用锁文件

# 本地开发pip-sync requirements.txt
# Docker 里COPY requirements.txt .RUN python -m venv /opt/venv && /opt/venv/bin/pip install --no-cache-dir -r requirements.txt

第 7 步：把这行写进 Dockerfile，宣告胜利

ENV PATH="/opt/venv/bin:$PATH"

三、真实对比图

项目类型	conda 方案	venv + pip-tools 方案	体积差	启动速度差
FastAPI 博客	1.84GB	126MB	减重 93%	快 11 倍
Django 中大型	2.21GB	187MB	减重 91%	快 9 倍
数据分析脚本	2.67GB	312MB（必要科学包）	减重 88%	快 15 倍

 

四、三个残酷真相

1. 所有声称“比 venv 更好”的工具，最终都会在 Dockerfile 里调用 venv 绕了一大圈，发现老祖宗最牛。
2. 锁文件越复杂 ≠ 可复现性高 pip-compile 生成的带 hash 的 requirements.txt，才是 2025 年唯一能做到二进制级复现的方案。
3. 真正的性能杀手从来不是代码，而是那 1.5GB 的“环境垃圾”

2025 年 12 月了，还在抱着 conda 当宝贝、把 poetry 当信仰、拿 pipenv 装资深，那只能说明一件事： 你不是在写 Python，你是在给工具链打工。

真正的杀手级玩家，终端永远干净得像手术台，只留两行命令：

python -m venv .venv --upgrade-deps && source .venv/bin/activatepip install pip-tools && pip-compile --generate-hashes --strip-extras

做完这两行，立竿见影的副作用有三个：

1. 镜像直接从 2GB 暴跌到 120MB 以下，老板看了想给你发年终奖。
2. 冷启动从 40 秒缩到 2 秒，监控曲线直接变成一条直线，运维看傻了。
3. 再也不用半夜被叫起来修“在我机器上能跑”，因为所有机器都 100% 一致