KechuAI

uv：Astral 用 Rust 写的 Python 包管理器，目标是"Python 界的 Cargo"

Python
Rust
包管理
开源
开发工具
2026/10/2
·

阅读时间: 大约 11 分钟

uv：Astral 用 Rust 写的 Python 包管理器，目标是”Python 界的 Cargo”

uv 官方 benchmark：Trio 依赖的解析（上）与安装（下）耗时对比

在 Python 生态里，“慢”的不只是解释器，还有包管理：pip 解析依赖慢、pip-tools 锁文件繁琐、Poetry/PDM 各有一套、virtualenv 启动也要等几秒。2024 年 2 月 15 日，以极速 linter Ruff 闻名的 Astral 团队（作者 Charlie Marsh）发布了 uv——一个用 Rust 写的 Python 包解析器与安装器，并同步宣布接管 Armin Ronacher（Flask 作者）的实验性项目 Rye，把它作为通往”Python 界 Cargo”的试验田。

本文基于 uv 的官方发布博客，拆解它的性能数字、技术机制，以及那些数字背后需要打折扣的地方。

一、背景：Python 工具链的”低信心”体验

Astral 对 Python 打包现状的批评很直白：Python 工具链是一种”low-confidence experience”（低信心体验）——起一个新项目、装依赖，命令总以让人困惑的方式失败。而在 Rust 生态里，你”信任工具会成功”。uv 的愿景就是把 Python 从低信心体验带到高信心体验：单个静态二进制取代 pip、pip-tools、virtualenv，最终还要吞并 pipx、tox、poetry、pyenv、ruff。

二、它是什么：先做 pip/pip-tools 的平替

uv 的第一步很克制——不一开始就做 opinionated 的项目管理，而是先做 pip 和 pip-tools 的 drop-in 平替，挂在 uv pip 命名空间下：

原来的命令uv 替代
pip installuv pip install
pip-compileuv pip compile（生成锁定 requirements.txt）
pip-syncuv pip sync（按锁文件同步环境）
python -m venv / virtualenvuv venv

这种设计让存量项目零配置迁移。它是单个静态二进制，不依赖 Python 本身——你甚至不用先装 Python 就能装 uv，也免去了 pip/pip3/pip3.7 多版本并存的混乱。安装方式也刻意做低门槛：一行脚本（Linux/macOS）、一条 PowerShell 命令（Windows）、pip install uv 或 pipx install uv 均可，官方称已在公网 PyPI 上经过大规模测试。

三、关键性能数据

官方用 Trio 依赖、带 warm cache（模拟重建虚拟环境或给现有项目加依赖）做了对比：

工具解析耗时安装耗时
uv0.01 s0.06 s
poetry0.60 s0.99 s
pip-compile1.56 s—
pdm3.37 s1.90 s
pip-sync—4.63 s

换算：解析阶段 uv 比 pip-compile 快约 156 倍、比 pdm 快约 337 倍；安装阶段比 pip-sync 快约 77 倍。官方给出的概括是：无缓存时比 pip/pip-tools 快 8–10 倍，warm cache 时快 80–115 倍。

虚拟环境创建方面，官方图表给出（带 pip/setuptools 种子包的场景）：uv 4.1ms、virtualenv 74.4ms、python -m venv 24.1ms。

uv 官方 benchmark：创建虚拟环境（带种子包）的耗时对比

速度来自几个工程手段：全局模块缓存避免重复下载/编译；在支持的文件系统上用 Copy-on-Write 与硬链接最小化磁盘占用；底层版本求解器用 PubGrub（Rust 实现的 pubgrub-rs）。

四、技术机制：不只是快，还补了 pip 的短板

从零写栈让 uv 能做一些 pip 做不到的事：

  • 可选解析策略：默认选最新兼容版本，但 --resolution=lowest 可让库作者按”最低兼容版本”测试自己的包（类似 Go 的 MVS）；
  • 跨 Python 版本解析：--python-version 参数允许你在 Python 3.12 上生成一份 Python 3.7 兼容的解析结果，而 pip 只能针对当前安装版本解析；
  • 依赖 override：-o overrides.txt 可以覆盖某个包声明的依赖，作为绕过错误上限约束的逃生舱；
  • 标准协议的 Rust 实现：PEP 440（版本号）、PEP 508（依赖声明）、PEP 517（构建后端）、PEP 405（虚拟环境）等都有合规的 Rust 实现。

五、口径批判：那些数字要怎么读

  1. 80–115 倍是 warm cache 数字，冷启动只有 8–10 倍。官方特意注明这是”recreating a virtual environment or adding a dependency”的场景。如果你每次都是干净环境冷装，收益差一个数量级。
  2. 基准 workload 只有一个：Trio 的依赖树，且是 warm cache。不同规模、不同依赖复杂度的项目，绝对数字会变，但 uv 领先的量级大概率成立。
  3. 虚拟环境那段文字疑有笔误。正文写”uv 比 python -m venv 快约 80 倍、比 virtualenv 快约 7 倍”；但按官方同页图表（无种子包场景 uv 18.2ms、python -m venv 141.4ms、virtualenv 1.54s）反推，uv 相对 virtualenv 约 85 倍、相对 python -m venv 约 7.8 倍——两个倍数正好对调。读者应以图表数字为准：uv 真正的数量级优势在对比 virtualenv 这个老牌工具上。
  4. “drop-in replacement”是有边界的。官方自己承认：uv 缺少 .egg 分发包等 pip 的遗留特性；且还不生成跨平台无关的 lockfile——这点和 pip-tools 一致，但不如 Poetry/PDM。所以它是 pip/pip-tools 工作流的平替，不是 Poetry 的平替。
  5. 这是 2024 年 2 月首发时的数据。uv 此后持续迭代（长出了 uv run、uv tool、Python 版本管理等”全功能项目管理器”能力），本文数字对应首发口径，后续版本请以官方最新文档为准。

六、优势与局限

优势：

  1. Rust 实现，解析/安装/建虚拟环境全面快一个数量级；
  2. 单静态二进制、无 Python 依赖，跨 Linux/Windows/macOS，好分发；
  3. uv pip 子命令平替 pip/pip-tools，存量项目零配置迁移；
  4. 全局缓存 + CoW/硬链接，省磁盘、省重复下载；
  5. 支持 --resolution=lowest、跨版本解析、override 等 pip 没有的高级能力；
  6. 背后是做 Ruff 的 Astral，工程质量与长期投入有保障。

局限：

  1. 首发时不支持 .egg 等 pip 遗留特性；
  2. 首发时没有平台无关 lockfile，不是 Poetry/PDM 等价物；
  3. 冷缓存场景收益远小于 warm cache 宣传值；
  4. 从 Rye 迁移到 uv 是一个进行中的过程，Rye 用户需要等迁移路径成熟；
  5. 快速迭代意味着 API 与行为在早期版本间可能变动。

七、谁该关注

  • 受够了 pip/pip-tools 慢的团队：把 pip-compile/pip-sync 换成 uv pip compile/uv pip sync 几乎零成本；
  • CI 环境频繁重建虚拟环境的人：warm cache 下 80–115 倍的收益在 CI 上最明显；
  • 需要跨 Python 版本解析、最低版本测试的库作者：--python-version 与 --resolution=lowest 是杀手锏；
  • 想要单个二进制分发的场景：容器、边缘、开发机初始化；
  • 不建议：重度依赖 .egg 遗留格式、或把 uv 当成 Poetry 全功能替代品的人——首发定位是 pip/pip-tools 平替。

参考来源