🔄 迁移到 conda-forge >>>

🚀 一键配置（推荐）

# 将 conda-forge 设为首选渠道并启用严格优先级
conda config --add channels conda-forge
conda config --set channel_priority strict

📦 开箱即用方案

• 使用 Miniforge 或 Mambaforge
• 预置 conda-forge 为默认源
• 内置更快的 mamba 求解器
• 安装与环境求解更流畅

🚫 避免混用

• 不要与 defaults 混用：导致 ABI 不兼容
• 不要就地切换渠道：存在二进制库冲突风险
• 不要跨渠道混装 GPU 栈：易出现依赖错配

✅ 安全迁移流程

1. 列出当前环境包：conda list
2. 创建新环境：conda create -n newenv python=3.11
3. 从 conda-forge 安装包：conda install numpy pandas
4. 测试验证功能
5. 弃用旧环境

⚖️ 渠道优先级与冲突解决 >>>

🎯 严格优先级优势

• 确保解析器优先选择 conda-forge 生态内统一固定的兼容包
• 显著降低依赖冲突概率
• 避免二进制 ABI 不匹配问题
• 提高环境复现性

🔧 常见冲突场景

• 动态库缺失：ImportError: Library not loaded
• 版本降级：长时间求解导致版本回退
• 依赖不满足：跨渠道依赖关系冲突

💡 解决方案

# 检查包来源
conda list | grep numpy
# 输出示例：numpy 1.21.0 py39hecd8cb5_0 conda-forge

# 验证 channel_priority 设置
conda config --show channel_priority

🎨 平台与 GPU 建议

⚡ 解析器与性能优化 >>>

🚀 Mamba 解析器

• 速度提升：比 conda 快 5-10 倍
• 兼容性：命令语法与 conda 完全兼容
• 稳定性：减少大环境求解失败率

📦 安装与使用

# 方式一：现有 conda 安装
conda install mamba -c conda-forge
mamba install numpy pandas

# 方式二：使用 Mambaforge（推荐）
# 下载安装后直接使用 mamba 命令

🔧 其他性能优化

# 启用并行下载
conda config --set download_threads 8

# 启用索引缓存
conda config --set use_index_cache true

# 保持 conda 自身更新
conda update conda

💡 使用建议

🔧 基础配置 >>>

• conda --version：检查 conda 版本（需 >=4.9）
• conda update conda：更新 conda 到最新版本
• conda config --add channels conda-forge：添加 conda-forge 频道
• conda config --set channel_priority strict：启用严格频道优先级
• conda config --set auto_activate_base false：关闭 base 自动激活

🌐 国内镜像配置

清华 TUNA 镜像

channels:
  - conda-forge
show_channel_urls: true
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

中科大 USTC 镜像

channels:
  - conda-forge
show_channel_urls: true
custom_channels:
  conda-forge: https://mirrors.ustc.edu.cn/anaconda/cloud

⚡ 一次性指定镜像（无需全局配置）

# 使用清华 TUNA 镜像单次安装
conda install requests -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

# 使用南科大 SUSTech 镜像创建环境
mamba create -n ds-env python=3.9 -c https://mirrors.sustech.edu.cn/anaconda/pkgs/main/ -y

📦 Miniforge 安装器获取

• 官方：GitHub Releases
• 南大 NJU 镜像：mirror.nju.edu.cn
• 清华 TUNA 镜像：mirrors.tuna.tsinghua.edu.cn

🔧 使用建议

• 推荐使用 Miniforge/Mambaforge，预置 conda-forge
• 避免通过 Homebrew 安装 Miniforge
• 建议优先使用 mamba 进行安装以提升速度

🐍 与 pip 协作 >>>

📋 推荐工作流程

1. 先用 conda install 安装所有在 conda-forge 中可找到的包
2. 仅对特定工具库或前沿包使用 pip install
3. 将 pip 步骤作为环境配置的最后一步
4. 记录所有 pip 安装的包便于重建

⚠️ 注意事项

• 避免用 pip 升级 conda 管理的依赖
• 避免让 pip 破坏依赖图与二进制兼容性
• 优先使用 conda 安装 wheels 包而非源码编译

🔍 检查冲突

# 检查是否通过 pip 安装了 conda 可用的包
conda list | grep -E "(pip|conda-forge)"

# 示例安全的混合使用
conda install numpy scipy pandas  # conda-forge
pip install some-rare-tool        # 不在 conda-forge 中

📝 记录依赖

# 生成完整的依赖文件
conda env export > environment.yml
pip freeze > requirements.txt

📦 环境管理 >>>

• conda create --name myenv python=3.9：创建新环境
• conda activate myenv：激活环境
• conda deactivate：退出当前环境
• conda env list：列出所有环境
• conda env remove --name myenv：删除环境
• conda env export > environment.yml：导出环境配置

📚 包管理 >>>

• conda install numpy：从 conda-forge 安装包
• conda install numpy=1.21.0：安装指定版本
• conda update numpy：更新包到最新版本
• conda search numpy：搜索可用版本
• conda list：列出当前环境的包
• conda remove numpy：卸载包

使用 mamba 加速

conda install mamba -c conda-forge
mamba install numpy  # 比 conda 快 5-10 倍

🤝 贡献新包 >>>

步骤 1：生成配方

• Python 包：grayskull pypi --strict-conda-forge 包名
• R 包：使用 conda_r_skeleton_helper
• 其他：参考示例配方手动创建

步骤 2：提交到 staged-recipes

git clone https://github.com/conda-forge/staged-recipes.git
# 将配方放入 recipes/ 目录
# 创建 Pull Request

步骤 3：成为维护者

🛠️ 维护包 >>>

更新包版本

• 等待自动机器人创建更新 PR
• 检查依赖变更，如有需要则修改
• 直接推送到机器人分支或创建新 PR

重要原则

• 包不可变：已发布的包不能修改或删除
• 使用 Fork：更新时请 fork 到个人账户
• 避免分支推送：不要直接在主仓库创建分支

处理损坏的包

# 在 meta.yaml 中添加
about:
  broken: true  # 标记为损坏
  broken_reason: "说明原因"

🏗️ 基础设施 >>>

核心仓库

• staged-recipes：新包提交入口
• conda-forge-pinning：全局依赖版本固定
• conda-smithy：CI 配置管理工具
• feedstock-arch：已归档的 feedstock

CI 构建服务

• Azure Pipelines：主要构建平台
• Travis CI：辅助构建
• CircleCI：额外构建支持
• AppVeyor：Windows 构建

架构支持

⚙️ conda-forge.yml >>>

基本配置

conda_forge_output_validation: true
azure:
  # Windows 构建
  win: true
  # macOS 构建
  osx: true
  # Linux 构建
  linux: true

测试配置

test:
  requires:
    - pytest
  source_files:
    - tests/

构建时选择器

build:
  number: 0
  # 跳过某些架构
  skip: true  # [py==310 and win]

🔍 故障排除 >>>

常见问题

• 包冲突：启用 strict channel priority
• 安装慢：使用 mamba 替代 conda
• 包缺失：提交新的 staged-recipes PR
• 版本过旧：联系维护者或自己维护

获取帮助

• Zulip 聊天：conda-forge.zulipchat.com
• GitHub Issues：在对应 feedstock 仓库提交
• Stack Overflow：标签 conda-forge

# 检查包的来源
conda list | grep numpy
# 显示：numpy 1.21.0 py39hecd8cb5_0 conda-forge

✅ 最佳实践 >>>

环境管理

• 为每个项目创建独立环境
• 使用 environment.yml 管理依赖
• 定期清理不需要的环境和包

包使用

• 优先使用 conda-forge 而非 pip
• 指定版本号避免意外更新
• 定期更新包到稳定版本

性能优化

# 启用并行下载
conda config --set download_threads 8
# 启用缓存
conda config --set use_index_cache true

贡献指南

🔗 重要资源 >>>

官方资源

• 主站：conda-forge.org
• 包仓库：anaconda.org/conda-forge
• GitHub：github.com/conda-forge
• 状态页：conda-forge.org/status

社区支持

• Zulip 聊天室：实时交流
• Discourse：深度讨论（已归档）
• 邮件列表：历史问题查询

开发工具

📌 固定依赖 >>>

全局固定包

• 编译器：gcc、clang、msvc
• 运行时：python、R、nodejs
• 核心库：numpy、scipy、pandas
• 构建工具：cmake、make

查看当前固定

# 在 conda-forge-pinning 仓库查看
# conda_build_config.yaml
python: 3.9.* *_cpython
numpy: 1.21.* *_cpython

请求新的固定

🔧 MPI 配置 >>>

HPC 系统使用外部 MPI

• 安装 dummy MPI 包：conda install "mpich=*=external_*"
• 或：conda install "openmpi=*=external_*"
• 设置环境变量指向系统 MPI

配置示例

# 在 .condarc 或环境变量中
export MPI_HOME=/usr/local/mpi
export LD_LIBRARY_PATH=$MPI_HOME/lib:$LD_LIBRARY_PATH

验证配置

mpirun --version
which mpirun  # 应指向系统版本

📖 术语表 >>>

核心概念

• Feedstock：包含配方的仓库，用于构建包
• Recipe：meta.yaml 文件，定义包的构建方式
• Staged-recipes：新包提交的暂存仓库
• CI：持续集成，自动构建和测试包
• Channel：包分发渠道，如 conda-forge
• Pinning：固定特定包的版本以确保一致性

维护者角色

• Maintainer：包的具体维护者
• Core team：conda-forge 核心开发团队
• Bot：自动化机器人，如 regro-cf-autotick-bot