📚 课程目录第4章 Python环境与依赖

4. Python 环境与依赖：版本选择、虚拟环境搭建与核心库安装

容量压测巡检脚本的稳定运行，依赖于一个干净、可复现的 Python 运行时环境。本节将系统讲解 Python 版本选型原则、虚拟环境隔离方案，以及核心依赖库（psutil、requests、matplotlib、pandas）的安装与验证方法。

4.1 Python 版本选择

压测巡检脚本通常运行在 Linux 服务器或 CI/CD 节点上，对兼容性与长期维护要求较高。推荐使用 Python 3.9 ~ 3.12 系列，具体选型依据如下：

版本	推荐场景	注意事项
Python 3.9	存量系统、CentOS 7 / RHEL 8 默认源	部分新库（如 pandas 2.2+）已停止支持 3.9
Python 3.10	生产环境首选，稳定性与性能均衡	psutil 5.9+、pandas 2.0+ 均良好支持
Python 3.11	追求性能提升（约 10-25% 解释器加速）	需确认所有依赖库已发布对应 wheel
Python 3.12	新项目、容器化部署、边缘计算节点	移除 distutils，需使用 setuptools 替代

选型建议： 对于新搭建的容量压测平台，直接选用 Python 3.11。它在性能、库兼容性和社区活跃度之间取得了最佳平衡。若团队已有大量基于 3.9 的遗留工具链，可继续使用 3.9，但需注意 pandas 2.2 起已不再支持 3.9。

4.2 虚拟环境搭建

虚拟环境用于隔离不同项目的依赖，避免全局 Python 环境被污染。压测巡检脚本推荐使用 venv（Python 内置）或 conda（若已使用 Anaconda 管理数据科学环境）。

4.2.1 使用 venv 创建虚拟环境

# 创建虚拟环境（在项目根目录执行）
python3 -m venv .venv

# 激活虚拟环境（Linux / macOS）
source .venv/bin/activate

# 激活虚拟环境（Windows PowerShell）
.venv\Scripts\Activate.ps1

# 验证环境是否激活
which python   # Linux/macOS 应显示 .venv/bin/python
python --version  # 确认版本与创建时一致

4.2.2 使用 conda 创建虚拟环境（备选）

# 创建 conda 环境
conda create -n capacity_test python=3.11 -y

# 激活环境
conda activate capacity_test

# 验证
python --version

  最佳实践： 将虚拟环境目录（.venv 或 envs）加入 .gitignore，避免将环境文件提交到版本库。团队协作时，通过 requirements.txt 或 environment.yml 共享依赖声明。

4.3 核心依赖库安装

容量压测巡检脚本依赖四个核心库，分别承担系统监控、HTTP 请求、数据可视化和数据分析职能。下表列出各库的用途与推荐版本：

库名	用途	推荐版本	安装命令
psutil	采集 CPU、内存、磁盘、网络等系统指标	≥ 5.9.0	`pip install psutil`
requests	发送 HTTP 请求，调用被测服务 API	≥ 2.28.0	`pip install requests`
matplotlib	生成压测趋势图、资源利用率曲线	≥ 3.7.0	`pip install matplotlib`
pandas	处理时序数据、聚合统计、导出报表	≥ 2.0.0	`pip install pandas`

4.3.1 批量安装与版本锁定

# 激活虚拟环境后，批量安装核心依赖
pip install psutil requests matplotlib pandas

# 生成 requirements.txt 锁定版本
pip freeze | grep -E "psutil|requests|matplotlib|pandas" > requirements.txt

# 查看 requirements.txt 内容示例
cat requirements.txt
# psutil==5.9.8
# requests==2.31.0
# matplotlib==3.8.4
# pandas==2.2.1

4.3.2 验证安装

# 快速验证各库能否正常导入
python -c "import psutil; print('psutil OK:', psutil.__version__)"
python -c "import requests; print('requests OK:', requests.__version__)"
python -c "import matplotlib; print('matplotlib OK:', matplotlib.__version__)"
python -c "import pandas; print('pandas OK:', pandas.__version__)"

常见问题： 在最小化 Linux 系统（如 Alpine Linux）上安装 pandas 或 matplotlib 时，可能缺少编译依赖（gcc、python3-dev、libffi-dev）。建议使用预编译 wheel 或直接选用官方 Python 3.11 slim 镜像。若必须从源码编译，请提前安装 build-essential 和 python3-dev。

4.4 依赖关系与架构总览

下图展示了压测巡检脚本的 Python 环境架构，从底层系统接口到上层应用模块的依赖传递关系：

4.5 环境一致性保障

在团队协作或 CI/CD 流水线中，确保所有节点使用相同的 Python 版本和依赖版本至关重要。推荐采用以下策略：

requirements.txt 锁定版本： 使用 pip freeze > requirements.txt 生成精确版本号，避免因依赖库升级引入不兼容变更。
Docker 镜像固化： 将 Python 版本、虚拟环境和依赖库打包进 Docker 镜像，通过 FROM python:3.11-slim 确保运行环境一致。
CI 流水线校验： 在流水线中加入 python -c "import psutil; import requests; import matplotlib; import pandas" 作为前置检查步骤。
定期更新依赖： 每季度使用 pip list --outdated 检查依赖库更新，并在测试环境验证后统一升级。

巡检脚本启动检查示例：

#!/usr/bin/env python3
"""压测巡检脚本 - 环境预检模块"""
import sys

REQUIRED_PACKAGES = ['psutil', 'requests', 'matplotlib', 'pandas']
MIN_VERSIONS = {
    'psutil': '5.9.0',
    'requests': '2.28.0',
    'matplotlib': '3.7.0',
    'pandas': '2.0.0'
}

def check_environment():
    missing = []
    for pkg in REQUIRED_PACKAGES:
        try:
            mod = __import__(pkg)
            ver = getattr(mod, '__version__', '0.0.0')
            if ver < MIN_VERSIONS.get(pkg, '0.0.0'):
                missing.append(f"{pkg} {ver} < required {MIN_VERSIONS[pkg]}")
        except ImportError:
            missing.append(f"{pkg} not installed")
    if missing:
        print("环境检查失败：")
        for item in missing:
            print(f"  - {item}")
        sys.exit(1)
    print("环境检查通过，所有依赖就绪。")

if __name__ == "__main__":
    check_environment()