服务器 Python 与 Anaconda 使用手册¶

实验室服务器使用 conda 的主要目的是区分不同用户的 python 环境，替代 virtualenv、pipenv 一类单独的环境管理工具。

前摇比较长，如果第一次使用，尽量仔细阅读，跟随指令步骤。

Note

pip 它不香吗？

关于 Python¶

运行 Python 代码，或者.py 文件，只需要一个 Python 解释器，也即是常说的安装 Python 的直接对象。面对不同代码对环境的不同需求，可能需要不同版本的 Python 解释器，以及不同版本的第三方包，因此需要用不同的 Python 环境来进行区分。这里可以将环境理解为 Python 解释器与相关的第三方包的组合。
有很多种安装 Python 的方式。安装完成之后，Python 解释器的地址回被添加到系统的环境变量中，因此打开终端，输入python3 --version之后，终端知道找谁来解释这句指令，Python 解释器也会给出对应的输出。
可以在系统上安装各个版本的 Python 解释器。如果需要指定具体的版本，需要为终端或者 IDE 指定解释器的路径。修改系统的环境变量是一件麻烦的事情，因此使用环境管理器来更加方便地完成版本的安装和切换。

关于 Anaconda¶

Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个包及其依赖项。因此我们可以立即开始处理数据。这是用户一般使用 Anaconda 的主要原因，捆绑式地软件包使得环境配置相对轻松一些。
Python 默认的包管理器是 pip，此外还有很多衍生的包管理器，Anaconda 使用的就是其中的一种，称为 conda。其实 Anaconda 就是基于 conda 包管理器的一个衍生项目。当然，conda 也可以管理 Python 环境。
conda 可以兼容 pip 关于包的管理指令，但 conda 并不能完全兼容所有的 Python 第三方包。Anaconda 项目的目的是简化科学研究时环境的部署、管理问题，因此 conda 会聚焦在常用的科学研究处理方面的软件包及其依赖项。
因此，服务器配置 Anaconda 的主要目的是使用 conda 管理不同用户 Python 环境，而不是使用 conda 管理第三方包。用户可以根据自己的项目需求，使用 conda、pip 或是其他包管理器完成不同环境下第三方包的管理。
Anaconda 拥有一类机制，使得不同用户创建的环境可以共享第三方包的缓存。因此大家配置自己环境时，第三方包的安装配置过程将会非常迅速。

如何在服务器上管理自己的 Python 环境¶

登录到服务器之后，每个用户拥有自己的目录，位于/home/username。用户对于这个目录拥有完全的管理权限，因此所有活动都应该基于这一目录进行。用户目录之外的绝大多数位置，用户仅拥有读权限。

服务器上已经配置好了 Anaconda，它位于/opt/anaconda。用户组 anaconda 拥有这个目录的读与执行权限，默认新用户会加入该组。因此，所有用户都拥有conda指令的执行权限，但执行的更改内容仅限于自己的用户目录内部。

在服务器上，大家需要使用 conda 管理自己的 Python 环境。具体的步骤如下：

初始化当前用户目录下的 conda；
创建自己 Python 环境；
切换到所需要的环境，安装第三方包，运行项目。

我们可以在自己的用户目录下创建无限多个 Python 环境。每一个环境内都可以指定 Python 的版本，以及其他第三方软件包的版本。创建的环境仅对于当前账户有效，其他账户并不会看见这个环境。因此不必担心自己的 Python 环境影响到服务器的 Python 环境，也不必担心其他用户影响到自己的环境。

初始化我的 conda¶

我们首次登录到服务器，运行 Python 项目之前，请先初始化环境管理器 conda。

conda指令对应的环境变量储存在/etc/profile中，为保证第一次登录后，可以正常使用conda指令，请使用ssh name@100.64.198.24的方式直接登录，而非在已登录其他账户的情况下，使用su name指令的方式切换账户。
可以使用conda --version来检测，当前账户是否可以正常使用 conda。
```
# init conda env
conda init zsh
```
conda 会修改当前账户的终端配置文件，使得所有conda指令生效。这一步是必须的，否则终端不能正确识别 conda 的所有指令。
务必使用 zsh 参数，所有服务器终端都应使用 zsh。

这里我们可以进一步配置自己的 conda，修改配置文件即可完成相应的配置。但如果没有特殊要求，使用默认的 conda 配置即可。

Note

初始化 conda 环境的过程只需要进行一次。

使用 conda 创建新的 Python 环境¶

初始化完成后，我们需要在自己的账户下创建自己的 Python 环境。
```
# create new python env
conda create -n [env_name] python=3.8
```
这里我们必须指明两个参数：
- -n [env_name]：环境名称。例如-n env_std，将会创建位于默认目录~/.conda/envs下，名称为env_std的 Python 环境。
- python=3.8：Python 版本。注意，只能指定第二级的版本，如3.8，不能指定更细致的版本号，conda 将会根据目前最近的子版本进行安装。
- 环境名称可以根据需求自定义。Python 版本如无特殊需求，指定3.8版本。

Note

该指令中两个参数都必须指定，否则会造成创建的 Python 环境无效。

配置 Python 第三方包¶

配置第三方包的流程，conda指令与pip指令并无太大差异。但正如前面提到的，conda 没有包含所有的 Python 第三方包。因此，我们推荐始终使用 pip 来管理第三方包。

使用 pip 管理：

# using pip
pip list
pip search [package_name]
pip install [package_name]
pip install --upgrade [package_name]
pip uninstall [package_name]

使用 conda 管理：

# using conda
conda list
conda search [package_name]
conda install [package_name]
conda update [package_name]
conda remove [package_name]

快速迁移 Python 第三方包环境¶

如何快速迁移本机的 Python 第三方包到服务器创建的新环境？

手动记录重要的包环境，手动安装。
完整导出包环境列表文件，在服务器 Python 环境下利用该文件安装。

Note

更加推荐第一种方式，能尽量维持环境中仅出现需要的包。

可以使用如下步骤导出保环境列表文件，并利用文件进行安装：

使用 pip：

# output package list file
# on your pc
pip freeze > ~/requirements.txt
# on the server
pip install -r ~/requirements.txt

使用 conda：

# output package list file
# on your pc
conda list -e > ~/requirements.txt
# on the server
conda install --yes --file ~/requirements.txt

上述过程中需要注意文件的导出路径。复制文件到服务器后，同样需要注意文件的具体路径。

Note

再次，更加推荐第一种方式，能尽量维持环境中仅出现需要的包。

管理 conda 创建的 Python 环境¶

如果需要多个不同的 Python 环境，可以使用 conda 进行非常方便的管理。

查看当前账户拥有的环境：
```
# list all envs
conda info --envs
conda info -e
conda env list

# sample output
# conda environments:
#
old                      /home/zfj/.conda/envs/old
std                   *  /home/zfj/.conda/envs/std
base                     /opt/anaconda
```
输出中，带*的环境表示当前激活，或正在使用的环境。

所有用户都可以看到位于/opt/anaconda的base环境，这一环境为默认 conda 环境，请勿在该环境下运行 Python 项目或管理第三方包。
不同环境间的切换通过activate或deactivate进行：
```
# switch to this env
conda activate [env_name]
# switch to default env
conda deactivate
```
默认环境是最近使用的、当前用户的环境；否则回退到base环境。
删除已创建的、不再需要的环境：
```
# remove env by env_name
conda remove -n [env_name] --all
```
使用--all参数完成完整的删除。

创建与现有环境相同配置的环境，或复制环境：

# create one same env
conda create -n [env_name] --clone [existed_env_name]