一台应用服务器上跑两个 Python 项目。A 是老报表,pandas 1.3.5 配 numpy 1.24.4;B 是模型服务,torCh 2.3 要求 numpy 2.0 以上。运维图省事装进系统 Python 3.11,先装 B 再装 A,A 启动直接报 A module that was compiled using NumPy 1.x cannot be run in NumPy 2.0.0。
反过来装也不行。numpy 降到 1.24.4 之后,B 里的 pandas 2.2 又报二进制不兼容。两个项目共用一套 site-packages,谁后装谁赢,这根本不是选版本的问题。
试过用 PYTHONPATH 切目录,能跑但很脆。systemd 单元里 WorkingDirectory 一变,import 顺序就变,而且 pip 装东西还是会落到全局,几次之后就分不清哪个包属于谁。
最后老老实实两个 venv。每个项目一份,requirements.txt 只写直接依赖,锁文件用 pip-compile 生成,带全部传递依赖和 hash。部署只认锁文件,不跑 pip install -U。启动命令改成绝对路径指向各自的解释器,不用 activate,服务环境里 activate 经常不生效。
python3.11 -m venv /opt/app-a/venv
/opt/app-a/venv/bin/pip install -r requirements.lock
/opt/app-a/venv/bin/python -c \
'import numpy; print(numpy.__version__)'
/opt/app-b/venv/bin/python -c 'import sys; print(sys.prefix)'
验证方式是两个项目分别打印 numpy.__version__ 和 sys.prefix,前缀必须不同。上线后 A 跑在 1.24.4,B 跑在 2.0.1,互不影响。磁盘多花 900MB,比半夜回滚便宜。
如果两个项目还要共享一段内部库代码,那段库就别写死版本约束,用兼容范围。否则两个锁文件一合并,又回到打架的状态。另外 venv 目录别放进代码仓库,重建成本只有几十秒。
