❶ python第三方库，国内镜像源（清华&阿里）
命令：
例：
pip install -i https://pypi.tuna.tsinghua.e.cn/simple pyqt5
国内两个镜像源：
清华： https://pypi.tuna.tsinghua.e.cn/simple
阿里： http://mirrors.aliyun.com/pypi/simple
❷ 怎么在局域网发布python的pypi镜像源
默认pip是使用Python官方的源，但是由于国外官方源经常被墙，导致不可用，我们可以使用国内的python镜像源，从而解决Python安装不上库的烦恼。
注意后面要有/simple目录！！！
❸ python3.7基础镜像有多大
选择基础镜像的难题
在使用Docker部署某类服务时，第一个面临的问题就是选择一个基础镜像。那么如何选择基础镜像更有利于我们的工作呢？
我们知道docker是基于linux的，任何一个镜像，其包含的 bins/libs/files 都可以认为是属于特定linux版本的一部分。linux一切皆文件的思想下，我们在使用docker制作服务镜像部署时，包管理、环境设置、程序安装、命令格式、文件系统、兼容性等对于不同linux版本都可能有一些区别，所以，选择一个习惯使用的linux版本就变得尤为重要。
举例来说，我需要经常用docker部署Python应用。在docker hub中选择哪个基础镜像呢？搜索“适合Python开发的Docker镜像”会有很多文章，常用的主要有Alpine、Stretch、Jessie等，默认版本是基于Ubuntu的，但是太大了。
Alpine是一个微型linux系统，选择这个版本镜像的很多，因为它足够小，但是实际项目使用时却发现各种各样的问题。最大问题就是它的c运行库采用 musl-libc 而不是linux各发行版的 glibc，所以涉及c运行时会有兼容性的问题。
2、定制基础镜像
在选择基础镜像的问题上踩坑无数之后，决定换个角度想：为什么不基于特定的linux版本，自己制作一个基础镜像呢？这样自己又熟悉，又有开发环境来验证问题，而且很多制作应用镜像时遇到的问题，都可以在定制的基础镜像中一次性解决。
从这个想法出发，我选择熟悉的linux版本基础镜像，然后在其中按需求安装Python环境，一切都跟在服务器上安装Python环境一样，这不就又回到了熟悉的操作了吗？不同的是，这些只需要做一次就可以了，得到自己定制的Python基础镜像，后面制作各种应用镜像时，只需要pip安装依赖库、复制文件、添加命令就可以了。
这个方法同样适用其他的环境基础镜像定制，选择自己的linux基础镜像，在其中像往常一样安装需要的环境。这样，就可以从镜像里不熟悉的文件系统中解脱出来了。
3、定制CentOS系统Python基础镜像
下面给出一个实例：
开发环境：CentOS 7
Python版本：3.6
# 完整功能python3 imiyuer/python:3.6.4-centos
FROM centos:7.5.1804
MAINTAINER imiyuer <[email protected]>
ENV PATH $PATH:/usr/local/python3/bin/
ENV PYTHONIOENCODING utf-8
RUN set -ex \
# 替换yum源
&& mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup \
&& curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo \
&& sed -i -e '/mirrors.cloud.aliyuncs.com/d' -e '/mirrors.aliyuncs.com/d' /etc/yum.repos.d/CentOS-Base.repo \
# 安装python依赖库
&& yum makecache \
&& yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make wget \
&& yum clean all \
&& rm -rf /var/cache/yum \
# 下载安装python3
&& wget https://www.python.org/ftp/python/3.6.4/Python-3.6.4.tgz \
&& mkdir -p /usr/local/python3 \
&& tar -zxvf Python-3.6.4.tgz \
&& cd Python-3.6.4 \
&& ./configure --prefix=/usr/local/python3 \
&& make && make install && make clean \
# 修改pip默认镜像源
&& mkdir -p ~/.pip \
&& echo '[global]' > ~/.pip/pip.conf \
&& echo 'index-url = https://pypi.tuna.tsinghua.e.cn/simple' >> ~/.pip/pip.conf \
&& echo 'trusted-host = pypi.tuna.tsinghua.e.cn' >> ~/.pip/pip.conf \
&& echo 'timeout = 120' >> ~/.pip/pip.conf \
# 更新pip
&& pip3 install --upgrade pip \
# 安装wheel
&& pip3 install wheel \
# 删除安装包
&& cd .. \
&& rm -rf /Python* \
&& find / -name "*.py[co]" -exec rm '{}' ';' \
# 设置系统时区
&& rm -rf /etc/localtime \
&& ln -s /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
登录后复制
比如我的生产环境是centos:7.5.1804，就选择它作为基础镜像。
将Python安装在/usr/local/python3，所以把程序路径添加到PATH环境变量，后续安装的python程序就不需要再添加环境变量或软连接。添加Python的encoding环境变量为utf-8。
后面下载安装Python的过程就都比较熟悉了，玩过Python的人都知道。
最终生成镜像大小：453MB，感觉还好。alpine镜像是90M但是很坑，默认python镜像是689MB。
几点说明：
1、RUN中尽量使用 \ &&连接命令的方式，减少镜像层数，可以一定程度减少体积。
2、尽可能删除不需要的文件，也是为了减少镜像体积。
3、Python默认不安装wheel，但是第三方库常需要使用wheel安装，所以加上它。
4、docker运行时程序获取系统时间时，如打印日志等，获取的是docker镜像内文件系统的时区设置，默认是格林尼治标准时区，所以需要设置为所在的时区。
❹ Python 镜像源设置与代理
1、在%appdata%目录下，新建文件夹pip
2、在pip文件夹下新建pip.ini文件
内容如下
1、安装nexus3，可以原生安装，也可以用docker安装，具体步骤自己网络
2、添加python仓库代理，参考 https://blog.csdn.net/u010674101/article/details/119895993
【重点】
❺ 【Python】 设置 pip 默认下载路径（含国内镜像源）
如使用 清华镜像 安装 lxml 库的命令如下所示：
在c盘下找到当前用户，进入当前用户命名的文件夹后创建一个新文件夹“pip”，在pip中创建一个文本文件pip.txt，将后缀名改为.ini
pip.ini文件内容（设置国内镜像源，这里使用的是清华镜像，文章后面提供有其他常用镜像）
保存即可，如安装 lxml 库的命令如下所示（默认为清华镜像，不需要加 -i 属性）：
清华：https://pypi.tuna.tsinghua.e.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.e.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.stlinux.org/
豆瓣：http://pypi.douban.com/simple/
❻ 你的 Python 镜像还好吗
随着 k8s 集群规模变大，以及弹性扩容的触发，导致 harbor 仓库的瓶颈问题逐渐暴露出来，目前也做了一些优化措施：
在做镜像优化的时候，发现之前我们的 python 提速方案还有一些瑕疵，所以有了这里的分析。
在 Python 项目构建 Docker 镜像时，经常遇到项目源码才几百 KB，但是安装的依赖能高达数百 MB，甚至 GB，这不仅使镜像体积变的很大，而且因为网络安装依赖包导致严重拖慢构建速度。
注意：这里仅关系依赖问题，所以忽略源码部分
示例 1：
相当糟糕，依赖安装了 713MB，花了 5 分钟，太慢了。
基于刚才已经构建过的依赖镜像，再次去构建时间工作的镜像
示例 2：
为什么这里再次安装 requirements.txt，直接删掉该步骤不就好了吗？
实际情况下，研发人员可能会在仓库中修改 requirements.txt，如果这里不再次安装下，最终发版可能就要提示缺少包而报错了。这里再次安装下依赖，就是防止该问题。
再次构建，相当好，8 秒，再次安装的依赖层 0B（我们这里没有模拟研发人员修改 requirements.txt 的情况），我们取得了巨大的进步。
这个词有点像电影里的镜头，以示例 2 中的 Dockerfile 再次构建：
示例 3：
问题来了，随着岁月的流逝，构建时间怎么变成了 2 分钟，再次安装的依赖层 173MB（我们这里没有模拟研发人员修改 requirements.txt 的情况）
原来安装依赖的时候除了上面 requirements.txt 中写好的依赖，还有一些没有出现在 requirements.txt 中的依赖，而这些依赖的版本如 grpcio>=1.8.6 会随着时间的推移，而产生不同的版本
...
Requirement already satisfied: grpcio>=1.8.6 in /usr/local/lib/python3.6/site-packages (from tensorflow==2.0.0b1->-r /code/requirements.txt (line 9)) (1.34.1)
Requirement already satisfied: wheel>=0.26 in /usr/local/lib/python3.6/site-packages (from tensorflow==2.0.0b1->-r /code/requirements.txt (line 9)) (0.33.4)
...
❼ Python项目打包为docker镜像并迁移
1.安装docker服务:
centos 下直接yum安装
yum install docker
2.修改docker仓库地址为国内:
略
3.编写Dockerfile, 如下:
4.制作镜像:
docker build -f Dockerfile -t blogapp:1.0 .
ps:
最后一个参数是.号，别忘了加
制作镜像可能是一个漫长的过程。。。
途中有问题会中止，需要检查问题并修改Dockerfile，然后重新开始。。。
5.查看制作的镜像:
docker images
6.运行镜像，创建镜像实例，即运行容器:
docker run -it -p 192.168.5.109:8080:8888 blogapp:1.0
可以看到,项目已经正常开启，浏览器可以正常访问:
7.导出镜像为tar包:
docker image save -o blogapp.tar blogapp:1.0
8.在新机导入tar包为镜像：
docker load < blogapp.tar
9.查看新导入的镜像:
10.在新机运行镜像，后台开启容器:
docker run -it -p 192.168.5.110:8080:8888 blogapp:1.0
可以看到后台开启成功，浏览器访问新址:
❽ Python 常用的标准库以及第三方库有哪些
Python常用库大全，看看有没有你需要的。
环境管理
管理 Python 版本和环境的工具
p – 非常简单的交互式 python 版本管理工具。
pyenv – 简单的 Python 版本管理工具。
Vex – 可以在虚拟环境中执行命令。
virtualenv – 创建独立 Python 环境的工具。
virtualenvwrapper- virtualenv 的一组扩展。
包管理
管理包和依赖的工具。
pip – Python 包和依赖关系管理工具。
pip-tools – 保证 Python 包依赖关系更新的一组工具。
conda – 跨平台，Python 二进制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分发的新标准，意在取代 eggs。
包仓库
本地 PyPI 仓库服务和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 镜像工具。
devpi – PyPI 服务和打包/测试/分发工具。
localshop – 本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。
分发
打包为可执行文件以便分发。
PyInstaller – 将 Python 程序转换成独立的执行文件（跨平台）。
dh-virtualenv – 构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。
Nuitka – 将脚本、模块、包编译成可执行文件或扩展模块。
py2app – 将 Python 脚本变为独立软件包（Mac OS X）。
py2exe – 将 Python 脚本变为独立软件包（Windows）。
pynsist – 一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。
构建工具
将源码编译成软件。
buildout – 一个构建系统，从多个组件来创建，组装和部署应用。
BitBake – 针对嵌入式 Linux 的类似 make 的构建工具。
fabricate – 对任何语言自动找到依赖关系的构建工具。
PlatformIO – 多平台命令行构建工具。
PyBuilder – 纯 Python 实现的持续化构建工具。
SCons – 软件构建工具。
交互式解析器
交互式 Python 解析器。
IPython – 功能丰富的工具，非常有效的使用交互式 Python。
bpython- 界面丰富的 Python 解析器。
ptpython – 高级交互式Python解析器， 构建于python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。
imghdr – （Python 标准库）检测图片类型。
mimetypes – （Python 标准库）将文件名映射为 MIME 类型。
path.py – 对 os.path 进行封装的模块。
pathlib – （Python3.4+ 标准库）跨平台的、面向对象的路径操作库。
python-magic- 文件类型检测的第三方库 libmagic 的 Python 接口。
Unipath- 用面向对象的方式操作文件和目录
watchdog – 管理文件系统事件的 API 和 shell 工具
日期和时间
操作日期和时间的类库。
arrow- 更好的 Python 日期时间操作类库。
Chronyk – Python 3 的类库，用于解析手写格式的时间和日期。
dateutil – Python datetime 模块的扩展。
delorean- 解决 Python 中有关日期处理的棘手问题的库。
moment – 一个用来处理时间和日期的Python库。灵感来自于Moment.js。
PyTime – 一个简单易用的Python模块，用于通过字符串来操作日期/时间。
pytz – 现代以及历史版本的世界时区定义。将时区数据库引入Python。
when.py – 提供用户友好的函数来帮助用户进行常用的日期和时间操作。
文本处理
用于解析和操作文本的库。
通用
chardet – 字符编码检测器，兼容 Python2 和 Python3。
difflib – (Python 标准库)帮助我们进行差异化比较。
ftfy – 让Unicode文本更完整更连贯。
fuzzywuzzy – 模糊字符串匹配。
Levenshtein – 快速计算编辑距离以及字符串的相似度。
pangu.py – 在中日韩语字符和数字字母之间添加空格。
pyfiglet -figlet 的 Python实现。
shortuuid – 一个生成器库，用以生成简洁的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 转换形式 。
uniout – 打印可读的字符，而不是转义的字符串。
xpinyin – 一个用于把汉字转换为拼音的库。
❾ Python Docker 最小化镜像
对比下 Python Docker 官方镜像 ，alpine 是最小的版本
我的项目中用到了 mysqlclient 包里的 MySQLdb 库，需要安装一些环境依赖
requirements.txt
Dockerfile
这种方式打包出来的镜像只有 115MB :)
精简的思路就是使用最小的根镜像，然后按需安装必要的依赖，最后清理掉临时没用的文件