📚 课程目录第4章环境与依赖管理

4. 环境与依赖管理：Python虚拟环境、Docker容器化部署、依赖锁定与版本控制

在容量压测巡检脚本的自动化框架中，环境与依赖管理是保障脚本可移植性、可复现性与稳定性的基石。本章将系统讲解如何通过 Python 虚拟环境、Docker 容器化部署以及依赖锁定与版本控制三大手段，构建一个从开发到生产环境一致、无冲突的交付体系。

4.1 Python 虚拟环境：隔离项目依赖

Python 虚拟环境为每个压测项目创建独立的 Python 解释器与依赖包空间，避免不同项目间的库版本冲突。在容量压测场景中，不同巡检脚本可能依赖不同版本的 requests、locust 或 pandas，虚拟环境是首道隔离屏障。

  核心操作流程：
  使用 python -m venv .venv 创建虚拟环境。
激活环境：source .venv/bin/activate（Linux/macOS）或 .venv\Scripts\activate（Windows）。
在激活环境中安装依赖：pip install -r requirements.txt。
退出环境：deactivate。

最佳实践：将虚拟环境目录（如 .venv/）加入 .gitignore，避免将环境本身纳入版本控制。只追踪 requirements.txt 或 Pipfile.lock 等依赖描述文件。

4.2 依赖锁定与版本控制：确保可复现性

仅记录顶级依赖（如 requests）是不够的，因为其子依赖的版本更新可能导致行为变化。依赖锁定通过固定所有依赖（包括传递依赖）的精确版本号，确保每次安装的依赖树完全一致。

工具	锁定文件	特点	适用场景
`pip freeze`	`requirements.txt`	简单直接，输出当前环境所有包及版本	小型项目、快速锁定
`pipenv`	`Pipfile.lock`	自动管理虚拟环境，支持依赖分类	中大型项目、开发/生产分离
`poetry`	`poetry.lock`	现代依赖管理，语义化版本解析	库开发、严格版本控制

避坑提示：不要手动编辑锁定文件。使用 pip freeze > requirements.txt 时，确保只在激活的虚拟环境中执行，避免将系统级包混入。推荐使用 pip-compile（来自 pip-tools）从 requirements.in 生成精确的 requirements.txt。

# 使用 pip-tools 进行依赖锁定示例
# 1. 编写 requirements.in（仅顶级依赖）
requests>=2.25.0
locust>=2.0.0
pandas

# 2. 编译生成锁定文件
pip-compile requirements.in --output-file requirements.txt

# 3. 安装锁定后的依赖
pip install -r requirements.txt

4.3 Docker 容器化部署：环境一致性保障

Docker 将 Python 虚拟环境、操作系统依赖、系统工具及压测脚本打包为一个不可变镜像，彻底消除“在我机器上能跑”的问题。在容量压测巡检中，Docker 容器化还能实现快速扩缩容，配合 Kubernetes 进行分布式压测。

4.4 Dockerfile 编写规范

编写 Dockerfile 时，应遵循分层构建、最小化镜像体积、利用构建缓存等原则。以下是一个针对容量压测巡检脚本的典型 Dockerfile 示例：

# 使用官方 Python 3.10-slim 基础镜像
FROM python:3.10-slim AS builder

# 设置工作目录
WORKDIR /app

# 仅复制依赖锁定文件，利用 Docker 缓存层
COPY requirements.txt .

# 安装依赖到临时目录，减少最终镜像层数
RUN pip install --no-cache-dir --user -r requirements.txt

# 第二阶段：精简运行镜像
FROM python:3.10-slim

WORKDIR /app

# 从 builder 阶段复制已安装的依赖
COPY --from=builder /root/.local /root/.local

# 复制压测脚本代码
COPY . .

# 确保本地 bin 在 PATH 中
ENV PATH=/root/.local/bin:$PATH

# 设置容器启动命令
CMD ["python", "run_perf_test.py"]

多阶段构建优势：第一阶段（builder）安装编译依赖和锁定包，第二阶段仅保留运行时所需文件，最终镜像体积可减少 40%-60%，加快分发和启动速度。

4.5 版本控制策略

将依赖锁定文件与 Dockerfile 一同纳入 Git 版本控制，形成完整的可追溯环境快照。推荐的分支与标签策略如下：

版本元素	版本控制方式	说明
`requirements.txt`	Git 跟踪	每次依赖变更时提交，记录精确版本
`Dockerfile`	Git 跟踪	与代码同步演进，基础镜像版本明确
Docker 镜像	镜像仓库标签	使用 `git commit hash` 或语义化版本作为标签
压测脚本代码	Git 分支 + Tag	发布时打 `v1.2.3` 标签，对应镜像标签

4.6 环境一致性验证

在部署前，建议通过以下步骤验证环境一致性：

本地构建验证：在开发机执行 docker build -t perf-test:local . 并运行容器，确认脚本正常执行。
依赖差异检查：使用 pip list --format=freeze 对比容器内与本地虚拟环境的依赖列表。
自动化测试：在 CI 流水线中加入 docker run 步骤，执行冒烟测试用例，确保镜像可用。

  总结：Python 虚拟环境解决本地开发隔离问题，依赖锁定确保安装一致性，Docker 容器化将环境打包为不可变单元，版本控制串联所有变更。三者结合，为容量压测巡检脚本提供了从开发到生产环境的完整、可追溯、可复现的交付链路。