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
|
17天前
|
算法 测试技术 开发者
性能优化与代码审查:提升Python开发效率
【4月更文挑战第9天】本文强调了Python开发中性能优化和代码审查的重要性。性能优化包括选择合适数据结构、使用生成器和避免全局变量,而代码审查涉及遵循编码规范、使用静态代码分析工具和编写单元测试。这些实践能提升代码效率和可维护性,促进团队协作。
|
1月前
|
安全 编译器 开发者
Python语言的配置解释器
Python语言的配置解释器
|
3天前
|
数据采集 存储 人工智能
【Python+微信】【企业微信开发入坑指北】4. 企业微信接入GPT,只需一个URL,自动获取文章总结
【Python+微信】【企业微信开发入坑指北】4. 企业微信接入GPT,只需一个URL,自动获取文章总结
13 0
|
3天前
|
人工智能 机器人 API
【Python+微信】【企业微信开发入坑指北】3. 如何利用企业微信API给微信群推送消息
【Python+微信】【企业微信开发入坑指北】3. 如何利用企业微信API给微信群推送消息
6 0
|
3天前
|
缓存 人工智能 API
【Python+微信】【企业微信开发入坑指北】2. 如何利用企业微信API主动给用户发应用消息
【Python+微信】【企业微信开发入坑指北】2. 如何利用企业微信API主动给用户发应用消息
7 0
|
8天前
|
存储 API Python
python之代理ip的配置与调试
python之代理ip的配置与调试
|
8天前
|
前端开发 Java Go
开发语言详解(python、java、Go(Golong)。。。。)
开发语言详解(python、java、Go(Golong)。。。。)
|
11天前
|
前端开发 数据挖掘 API
使用Python中的Flask框架进行Web应用开发
【4月更文挑战第15天】在Python的Web开发领域,Flask是一个备受欢迎的轻量级Web框架。它简洁、灵活且易于扩展,使得开发者能够快速地构建出高质量的Web应用。本文将深入探讨Flask框架的核心特性、使用方法以及在实际开发中的应用。
|
15天前
|
JavaScript 前端开发 关系型数据库
金融技术解决方案:用Python和Vue开发加密货币交易平台
【4月更文挑战第11天】本文介绍了如何使用Python和Vue.js构建加密货币交易平台。首先确保安装了Python、Node.js、数据库系统和Git。后端可选择Flask或Django框架,通过RESTful API处理交易。前端利用Vue.js、Vuex和Vue Router创建用户友好的界面,并用Axios与后端通信。这种架构促进团队协作,提升代码质量和平台功能。
|
16天前
|
JavaScript 前端开发 Docker
全栈开发实战:结合Python、Vue和Docker进行部署
【4月更文挑战第10天】本文介绍了如何使用Python、Vue.js和Docker进行全栈开发和部署。Python搭配Flask创建后端API,Vue.js构建前端界面,Docker负责应用的容器化部署。通过编写Dockerfile,将Python应用构建成Docker镜像并运行,前端部分使用Vue CLI创建项目并与后端交互。最后,通过Nginx和另一个Dockerfile部署前端应用。这种组合提升了开发效率,保证了应用的可维护性和扩展性,适合不同规模的企业使用。