FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

工具

代码在你电脑上能跑,uv 让它在客户机器上也能跑

FDE 学 uv 不是为了快,而是为了在无法掌控的机器上重建同一套环境。

分享微博

要点速览

  • uv.lock 是适用于所有操作系统的锁文件,必须提交。.venv 不提交,每台机器用 uv sync 自行重建。
  • .python-version 文件锁定项目的 Python 版本。客户机器上没有这个版本时,uv 默认会自动下载。
  • 公开的速度数据彼此对不上。FDE 用 uv 是为了环境可复现,速度只是附带的好处。
对数刻度(1 到 100)的点图:uv 官方文档称 uv 比 pip 快 10–100 倍,而 2024 年 2 月 15 日的发布文章在无缓存情况下测得 8–10 倍。两个区间只在 10 倍处重合。
关于 uv 比 pip 快多少,两组数字只在 10 倍处重合,因此哪一组都还不能作为对客户基础设施的承诺。来源:uv 官方文档;Charlie Marsh 的发布文章,2024 年 2 月 15 日。

uv 的 README 列出了它想取代的工具:pip、pip-tools、pipx、poetry、pyenv、twine、virtualenv,“以及更多”。在自己的 Mac、一家客户的 Linux 服务器和另一家客户的 Windows 机器上搭过同一条数据管道的 FDE,对这份清单不会陌生。清单上的每一个名字,都是环境可能出现差异的地方。

开发了 Ruff 的公司 Astral 把 uv 描述为一款用 Rust 编写、“极快”的 Python 包与项目管理工具。不过,速度并不是前线部署工程师(FDE)学习它的主要理由。主要理由是可复现性:你交付的代码,必须在你无法掌控、甚至从未见过的机器上表现一致。

如果你正准备转向 FDE 岗位,这项技能值得尽早练习,因为这份工作的核心就是交付在别人基础设施上运行的代码。在自己机器上跑通的演示说明不了多少问题,真正算数的是在客户机器上敲下的第一条命令能否成功。

问题通常不在代码里

设想一个常见场景。你在 Mac 上写了一个文档分类服务,充分测试后推送到 Git。客户那边的工程师把仓库克隆到一台 Windows 机器上,用机器上现有的 Python 版本安装依赖库,结果第一行就报了导入错误。

常见原因有三个:客户的 Python 版本和你的不同;依赖库在另一天解析,装上了不同的版本;或者你的锁文件只对生成它的操作系统有效。针对每一个原因,uv 都有明确的解法。

三个文件,一条命令

无论项目目前用的是 requirements.txt 还是其他工具,迁移到 uv 后的目标都是一个包含以下三项的仓库:

customer-project/
├── .python-version   # 提交
├── uv.lock           # 提交
└── .venv/            # 不要提交

.python-version 文件锁定项目的 Python 版本。uv.lock 文件记录需要安装的包,uv 文档特别强调它应当纳入版本控制。.venv 目录是每台机器上实际的环境,它不提交,因为任何机器都能根据锁文件重建它。

在客户机器上克隆仓库后,只需运行:

uv sync

uv 会读取 .python-version。如果机器上没有合适的 Python,uv 默认会下载一个,客户无需提前装好正确的版本。随后 uv 会严格按照 uv.lock 的记录构建 .venv。

关键词是“通用”(universal)。uv 生成锁文件时会针对所有平台做解析,因此同一份 uv.lock 可以跨操作系统使用。没有这种解析方式,锁文件只在生成它的平台上正确,上面场景中从 Mac 到 Windows 的失败正是这样发生的。

客户要求一模一样地复现上个月的结果

客户现场经常出现这样的需求:上个月的报告得出一个数字,现在重跑得出另一个数字,客户想知道原因。

如果锁文件和代码一起提交了,检出旧的提交就能解决大部分问题。如果必须从头解析,uv 提供了 --exclude-newer 选项,可以把解析范围限定在某个日期之前上传的发行包。

还有一种更小的情况:你为客户团队里的一位分析师匆忙写了一个数据清洗脚本。uv 允许按照 PEP 723 在脚本文件内部声明依赖,并单独锁定这个脚本。uv 文档指出,这样做的目的是让脚本日后再次运行时能重建同一套环境。

常见错误

第一个错误是提交 .venv。它体积大,与生成它的机器绑定,而且既然 uv sync 能根据锁文件重建环境,提交它完全多余。

相反的错误是认为 uv.lock 是生成文件,就不放进 Git。没有锁文件,客户机器会在另一天重新解析,你又会回到上面那个导入错误。

对于独立脚本,常见的错误是只声明依赖而不锁定。库的清单有了,但选中哪些版本取决于脚本运行的那一天。发送脚本之前,先锁定,再自己在一台干净的机器上跑一遍,确保客户拿到所需的一切。

uv 帮不了你的地方

先说速度数据。官方文档称 uv 比 pip 快 10 到 100 倍,而 Charlie Marsh 在 2024 年 2 月 15 日的发布文章中称,在无缓存的情况下,uv 比 pip 和 pip-tools 快 8 到 10 倍。

两组数字对不上,所以哪一组都不能当作对客户基础设施的承诺。如果要谈速度,先在客户的机器上实测。

自动下载 Python 很方便,但要求客户机器能访问外网。在受严格管控的环境里,要在项目启动会上问清楚,并准备替代方案。此外,uv.lock 只记录 Python 包;驱动、系统库和机器配置都在锁文件之外,仍需单独检查。

先学什么

合理的顺序是:先学锁文件和 uv sync,再学 .python-version,最后才是 --exclude-newer 和内联依赖的脚本。最好的练习是自己动手弄坏再修好:删掉 .venv,换到另一种操作系统的机器上,检查一条命令是否足以让项目重新跑起来。

阅读 FDE 岗位描述时,留意“reproducible environments”(可复现环境)或“deploy on customer infrastructure”(在客户基础设施上部署)这类表述,这正是这项技能的用武之地。简历上不要只写“会用 uv”,而要写清楚你把环境搭建缩减到了几步,并举一个项目在陌生机器上顺利运行的具体例子。

客户不会记得你用了哪些工具。他们会记得的是,第一次克隆你的仓库时,一切是直接就能用,还是花了整整一个下午才修好。

这篇文章对你有帮助吗?

7 个信源
路线图上的下一篇 · 阶段 1: 基础认知接手TypeScript仓库,先读Pocock第14章这本书可免费在线阅读;名字几乎相同的 Pro Essentials 课程含 200 多道练习,才是付费部分。