python| 2021款 m1pro mbp python开发配置

简介: m1&m1pro 如何吊打老款 Intel mbp 就不多提了(发布会不点名, 以**友商**代称, 但是官网直接放具体型号, 这操作真6)简单列一下2个重要的使用感受(2021 16寸 标配):- 不烫手, 没有风扇怒吼- 几乎没遇到卡顿, 使用 utools 等工具切换应用可用「丝般顺滑」来形容

m1&m1pro 如何吊打老款 Intel mbp 就不多提了(发布会不点名, 以**友商**代称, 但是官网直接放具体型号, 这操作真6)


简单列一下2个重要的使用感受(2021 16寸 标配):


- 不烫手, 没有风扇怒吼

- 几乎没遇到卡顿, 使用 utools 等工具切换应用可用「丝般顺滑」来形容


16寸标配与14寸标配3个重要区别:


- 芯片SoC: m1pro 10核 vs m1pro 8核, 性能略降低(官方 m1pro 数据都是基于 m1pro 10核, b站up主测试 8核 性能约低 15%)

- 充电: 140w vs 90w

- 总量: 多 1kg


由于 m1pro 采取 ARM 架构(ISA, 指令集架构, 详见上一篇blog: 极客时间-计组学习笔记一), 需要安装 ARM版/M1版 软件才能运行


查看 [python官网](https://www.python.org/downloads/macos) 可知, ARM版python最低版本为 `3.8`:


- Python 3.8.10 - May 3, 2021

 - Download macOS 64-bit Intel installer

 - Download macOS 64-bit `universal2` installer > Intel/M1 兼容版本


由于项目使用了 python3.6 版本, 根据 `开发环境/测试环境应尽量和线上环境保持一致`, 所以分别尝试了 python3.8/python3.6 进行开发环境配置验证


## python3.8: 本地


本地进行 python 开发, 操作`so easy`:


- brew/pyenv 安装好 python 版本

- pycharm: `Python interpreter` > virtual env > 选择 python3.6(线上环境使用版本)/Python3.8(arm 芯片最低支持版本)

- pycharm 中安装 pip package, 或者直接 console 中执行


```shell

# 进入项目根目录

cd /app

# 安装项目依赖包

venv/bin/pip install -r requirements.txt


# 遇到 mysql 报错

brew install mysql-connector-python

```


由于 `requirements.txt` 是 python3.6 下的, 部分包需要升级才能适配 python3.8


- 执行 `venv/bin/pip install -r requirements.txt > t.log`, 查看 log 可知 `Pillow, pandas, numpy, grpcio` 几个包安装失败

- 直接执行 `pip install Pillow pandas numpy grpcio`, 可获取 python3.8 下所需的版本

- 修改 `requirements.txt` 中对应软件的版本, 再次执行 ``venv/bin/pip install -r requirements.txt`


从 [Pillow官网](https://pillow.readthedocs.io/en/latest/installation.html) 可知: 升级 Pillow 到 8.4.0 版本后, 能支持 python3.6-python3.10


其他几个(pandas, numpy, grpcio)没有在官网找到对应的 python版本 兼容信息, 依靠测试来验证


最后在 python3.6 的老开发机, 基于更新后的 `requirements.txt` 文件安装依赖, 只有 `pandas` 库不支持


## python3.6: docker


python3.6 没有支持 ARM版, 所以 m1pro mbp 本地跑 python3.6 这条路走不通, 需要使用 docker.


在 [docker hub](https://hub.docker.com/_/python?tab=tags&page=1&name=3.6) 上搜索, 有支持 `arm64/v8` 的镜像版本


![docker_py36.png](https://upload-images.jianshu.io/upload_images/567399-6bda0c5b389c4384.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)



采用构建开发环境镜像的老套路: `先在容器中run, 然后写 Dockerfile, 最后基于构建的新镜像验证`


- 根据基础镜像启动容器并挂载项目


```sh

docker run -ti --rm -v (pwd):/app python:3.6-buster bash

```


- 在容器中配置&验证开发环境, 记下的配置过程(查看 history 然后 copy)


```sh

# 配置加速源, 上海使用交大源超快, 基本可以跑满带宽

sed -i "s|http://deb.debian.org/debian|https://mirror.sjtu.edu.cn/debian|g" /etc/apt/sources.list

apt update


# 继续交大源

pip config set global.index-url https://mirrors.sjtug.sjtu.edu.cn/pypi/web/simple

pip install --upgrade pip

pip install cython numpy

pip install -r requirements.txt

# 根据报错与pillow官网信息, 添加相应依赖

apt install -y zlib libjpeg


# 启动项目验证

cd /app

python manage.py runserver 8000

# 根据报错添加相应依赖

apt install net-tools # ifconfig

```


- OK后, 照抄一遍写入 Dockerfile 验证:


```Dockerfile

FROM python:3.6-slim-buster


RUN sed -i "s|http://deb.debian.org/debian|https://mirror.sjtu.edu.cn/debian|g" /etc/apt/sources.list && \

apt update && \

apt install -y zlib libjpeg net-tools && \

pip config set global.index-url https://mirrors.sjtug.sjtu.edu.cn/pypi/web/simple && \

pip install --upgrade pip && \

pip install cython numpy && \

pip install -r requirements.txt

```


- 生成镜像: `docker build . -t dayday:m1py36`

- 使用新镜像验证项目: `docker run -ti -d -p 8000:8000 -v (pwd):/app dayday:m1py36 python /app/manage.py runserver 8000`


当然, 也可以将启动命令使用 `ENTRYPOINT` 指令添加到 Dcokerfile 中, 也可以使用 `docker-compose.yml` 来简化, 这些 `so easy`, 就不展开了


## 写在最后


ARM 在桌面的平台的优势越来越明显了, 尤其是笔记本越来越成为开发主力. m1 作为先行者, 开了一个很好的头, 希望 `RISC-V` 也能带来更多惊喜


关于 docker 官网 python 镜像的版本, 稍微多说两句: 以 `python:3.6-slim-buster` 为例


- `3.6` 是 python 的版本, 当然还有更具体的版本, 比如 `3.6.15`, 3.6 都是指向最新版 `3.6.x`

- `buster` 是使用的 debian9 作为基础镜像, 可以通过 https://wiki.debian.org/DebianReleases 查询: 13.trixie 12.bookworm 11.bullseye 10.buster 9.stretch 8.jessie

- `slim` 是精简版的 debian 镜像, 镜像体积大大降低, 适合生产使用, 开发推荐非 slim 版, slim 版缺少部分依赖

目录
相关文章
|
8月前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
725 0
|
10月前
|
存储 监控 算法
淘宝买家秀 API开发实录Python(2025)
本文讲述了作者在电商开发领域,尤其是对接淘宝买家秀 API 接口过程中所经历的挑战与收获。从申请接入、签名验证、频率限制到数据处理和实时监控,作者分享了多个实战经验与代码示例,帮助开发者更高效地获取和处理买家秀数据,提升开发效率。
|
API C++ 开发者
PySide vs PyQt:Python GUI开发史诗级对决,谁才是王者?
PySide 和 PyQt 是 Python GUI 开发领域的两大利器,各有特色。PySide 采用 LGPL 协议,更灵活;PyQt 默认 GPL,商业使用需授权。两者背后团队实力雄厚,PySide 得到 Qt 官方支持,PyQt 由 Riverbank Computing 打造。API 设计上,PySide 简洁直观,贴近原生 Qt;PyQt 增加 Pythonic 接口,操作更高效。性能方面,两者表现优异,适合不同需求的项目开发。选择时可根据项目特点与开源要求决定。
1426 20
|
9月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
1008 7
|
9月前
|
JSON 缓存 开发者
淘宝商品详情接口(item_get)企业级全解析:参数配置、签名机制与 Python 代码实战
本文详解淘宝开放平台taobao.item_get接口对接全流程,涵盖参数配置、MD5签名生成、Python企业级代码实现及高频问题排查,提供可落地的实战方案,助你高效稳定获取商品数据。
|
10月前
|
JavaScript 前端开发 机器人
【Azure Bot Service】在中国区Azure上部署机器人的 Python 版配置
本文介绍了在中国区Azure上使用Python SDK配置Azure Bot Service时遇到的问题及解决方案,涵盖参数设置与适配器配置,适用于希望在Azure中国区部署Python机器人的开发者。
274 9
|
Python
在VScode环境下配置Python环境的方法
经过上述步骤,你的VSCode环境就已经配置好了。请尽情享受这扇你为自己开启的知识之窗。如同你在冒险世界中前行,你的探索之路只有越走越广,你获得的知识只会越来越丰富,你的能力只会越来越强。
1219 37
|
11月前
|
数据采集 存储 数据库
Python爬虫开发:Cookie池与定期清除的代码实现
Python爬虫开发:Cookie池与定期清除的代码实现
|
程序员 测试技术 开发工具
怎么开发Python第三方库?手把手教你参与开源项目!
大家好,我是程序员晚枫。本文将分享如何开发Python第三方库,并以我维护的开源项目 **popdf** 为例,指导参与开源贡献。Popdf是一个PDF操作库,支持PDF转Word、转图片、合并与加密等功能。文章涵盖从fork项目、本地开发、单元测试到提交PR的全流程,适合想了解开源贡献的开发者。欢迎访问[popdf](https://gitcode.com/python4office/popdf),一起交流学习!
427 21
怎么开发Python第三方库?手把手教你参与开源项目!

推荐镜像

更多