mamba/micromamba安装和使用

mamba/micromamba install and Setting

Mamba最终要替换conda，就像uv最终替代pip一样

1. 历史发展

1.1 Anaconda的先发

作为一名Python开发者，你是否曾被各种环境管理工具搞得头晕眼花？

  • 2010年前：史前时代 - 只有pip，全局安装，依赖冲突是家常便饭
  • 2010年：virtualenv诞生 - 首次实现环境隔离
  • 2013年：venv成为标准 - Python 3.3内置轻量级环境管理
  • 2012年：Conda横空出世 - 为数据科学而生的全能选手

没想到Conda是为了处理数据科学才出现的吧，还是作为Python的背景

Python 在科学计算、数据分析领域日益流行，但存在严重的包依赖冲突、跨平台安装困难（尤其在 Windows 上编译 C 扩展库如 NumPy、SciPy 非常复杂），Anaconda Distribution出现了，Anaconda诞生于2012年，由Continuum Analytics公司（后更名为Anaconda公司）创建并维护。其初衷是为了解决Python在科学计算领域中的环境配置问题，降低数据科学家和开发人员的工作难度。通过集成众多流行的Python库和工具，Anaconda迅速成为数据科学领域的首选工具之一。

注记

2012 年：由 Travis Oliphant（NumPy 和 SciPy 的核心开发者）联合创立 Continuum Analytics（后更名为 Anaconda, Inc.）

  • 超过 180 个预装科学计算包（如 NumPy、Pandas、Matplotlib 等）
  • 自研的跨语言包/环境管理器 Conda
  • 不仅管理 Python 包，还能管理 R、C/C++ 库等
  • 支持创建隔离的虚拟环境
  • 提供预编译的二进制包，避免本地编译

2015年，由于软件的火爆发展，用户的快速爆发，推出 Anaconda Navigator —— 图形化界面，极大降低新手使用门槛

anaconda web

最开始的时候Anaconda就是大杂烩，后面才加入了现在的conda命令，从而诞生了软件包仓库，用来方便安装

1.2 Anaconda的托管仓库

anaconda.org（现称为 Anaconda Cloud）是 Anaconda, Inc. 推出的一个包、环境和 notebook 的托管与共享平台，在 Anaconda 生态系统中扮演着“中央仓库 + 协作中心”的角色。其发展历程紧密围绕 Conda 包管理生态的扩展和社区协作需求。

随着conda的流行，用户需要一个平台来

  • 分享自己构建的 Conda 包
  • 发布自定义频道（channels）
  • 共享 Jupyter Notebook 和环境配置

Anaconda Cloud（最初叫 binstar.org）于 2014 年左右上线，后重命名为 anaconda.org。

功能 说明
包托管 用户可上传 .tar.bz2 格式的 Conda 包或 pip 包
频道（Channels）系统 每个用户/组织拥有自己的频道（如 conda install -c username package）
环境分享 可导出 environment.yml 并在线发布，他人一键复现
Notebook 托管 支持上传和展示 Jupyter Notebook（类似早期 nbviewer）
公共 vs 私有 免费账户支持公开内容；私有仓库需付费

著名公共频道

  • defaults：Anaconda 官方维护的核心包（安装 Anaconda 时默认启用）包含R,main和msys2
  • conda-forge：社区驱动的最大第三方频道（虽托管在 anaconda.org，但由独立社区治理）
  • bioconda：专注生物信息学的 Conda 包集合

1.3 Miniconda

Miniconda 的历史是 Anaconda 生态系统为满足轻量化、灵活性和容器化需求而自然演进的产物。它并非一开始就存在，而是随着用户对“精简版 Anaconda”的呼声日益高涨而诞生。

2012 年：Anaconda, Inc.（原 Continuum Analytics）发布 Anaconda Distribution，包含 200+ 预装科学计算包，体积约 500MB–2GB。2014-2015年正式推出了mini版本的Anaconda

  • 仅包含 Conda + Python + 必要依赖
  • 安装包大小：~50–60 MB（远小于 Anaconda 的数百 MB 至 GB 级）
  • 支持 Windows、macOS、Linux

conda-forge现在是最大的channel了，anaconda只是负责提供平台

1.4 Miniforge的中间短暂时代

Miniforge 是一个轻量级、社区驱动的 Conda 发行版，其历史虽短但发展迅速，是 Python 科学生态在 开放性、性能和可移植性 需求推动下的重要产物。它并非由 Anaconda 公司主导，而是由 conda-forge 社区发起并维护。

Conda在2018-2020年的时候，出现了不可避免的问题

  • Anaconda, Inc. 宣布对商业用户限制免费使用其 defaults 频道中的部分包（如 NumPy、pandas），要求企业订阅。这促使社区寻求更开放的替代方案。
  • 由全球开发者维护的社区频道 conda-forge 已成为最活跃、更新最快的 Conda 包源，且完全开源、无使用限制
  • 用户安装Minincoda后，仍需要手动配制 仓库来源非常的繁琐
注记

社区急需一个更快+更open+默认使用conda-forge的发行版–miniforge，所以我们大多数说装conda的时候，实际上装的是miniforge，就是装配好conda-forge的miniconda

1.5 Mambaforge时代

随着软件愈来愈多，AI时代环境要求越来越负责，在创建或更新大型环境时，Conda 的依赖求解器（基于 Python）非常缓慢，有时需数分钟甚至失败。

2019 年：德国 Helmholtz AI 团队的 Wolf Vollprecht 开发了 Mamba。

  • 用 C++ 重写依赖求解器（基于 libsolv）
  • 完全兼容 Conda 命令（mamba install ≈ conda install，但快 10–100 倍）
  • 支持并行下载和智能依赖解析
重要

Mambaforge = Miniconda 的理念 + Mamba 作为默认包管理器 + conda-forge 作为默认频道

🔗 Miniforge 是总称，包含：

  • Miniforge3：仅含 Conda + conda-forge
  • Mambaforge：含 Mamba + conda-forge（推荐）

现在mamba 已经被包含在miniforge中了，基本上使用mamba就可以平行替代conda

micromamba 是 Mamba 项目的一部分（由 mamba-org 维护），是一个纯 C++ 编写的、无 Python 依赖的 Conda 兼容包管理器。

注记

它的目标：在没有 Python、没有 Conda、甚至没有 shell 的环境中，也能快速创建 Conda 环境。

  • 即使 Mamba 很快，但它仍依赖 Python（因为它是 Conda 的替代，而 Conda 本身是 Python 写的）。
  • Mamba 团队用 C++ 重写了整个包管理器核心，命名为 micromamba
  • 它不依赖 Python，只有一个静态链接的二进制文件（~10–15 MB）
特性 conda mamba micromamba
语言 Python C++ + Python wrapper 纯 C++
依赖 Python？ ✅ 是 ✅ 是（用于 CLI） ❌ 否
二进制大小 ~100+ MB（含 Python） ~100+ MB ~10–15 MB
启动速度 慢 快 ⚡ 极快（毫秒级）
支持 environment.yml？ ✅ ✅ ✅（部分）
可独立运行（无 Python）？ ❌ ❌ ✅
适合 Docker？ ❌ ⚠️ 一般 ✅✅✅ 最佳
重要

随着 Miniforge 23.3.1 版本的发布，Miniforge 和 Mambaforge 安装程序变得完全相同。两者之间唯一的区别是它们的名称，以及随后的默认安装目录。

  • 2024年8月：Mambaforge 安装程序将警告关于弃用的信息，并让用户等待 30 秒才能继续。
  • 2024年10月：Mambaforge 安装程序将在几个预先指定的日期范围内拒绝安装
  • 2025年1月：Mambaforge 安装程序将停止构建和分发

由于历史的原因，mambafroge已经完成了它的使命，被合并到miniforge中，更像是一种“渐进式现代化”：用户无需学习新概念，就自动用上了更快的工具，更熟悉更早的miniforge 站上了舞台。

2. 安装

Anaconda 太笨重了，自行安装界面版进行探索即可，包含了许多其它软件,这里从miniconda安装做起。

2.1 miniconda 安装

miniconda是最重的conda包管理器，参考官网进行安装即可

  1. Open a Command Prompt window and run the following command:
# 下载exe文件
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe --output .\Miniconda3-latest-Windows-x86_64.exe
  1. 下载好正常按照exe文件安装即可，要保证文件的完整性
  1. Download the .sh installer by opening a terminal and running the following command:
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
  1. 在下载sh的目录下运行bash文件
bash ~/Miniconda3-latest-MacOSX-arm64.sh
  1. 一路确认，yes即可
  2. 重启之后，刷新一下zshrc/bashrc文件 source ~/.zshrc

2.2 miniforge安装

Miniforge个专门为 conda-forge 打造的 Conda 和 Mamba 最小化安装程序仓库。它包含以下两个预配置特点：

  • 基础环境中的软件包都来自 conda-forge 频道。当你安装好这个版本的 Conda 或 Mamba 后，它的基础环境（base environment）里自带的工具（如 Python、conda 本身等）不是从官方默认的渠道下载的，而是从 conda-forge 这个社区频道获取的。
  • The conda-forge channel is set as the default (and only) channel.
注记

安装 Miniforge 后，如果无法在普通终端中使用 conda 命令，通常是因为没有激活 conda 的环境。你需要运行 conda init 命令来完成 shell 的配置，让 conda 命令对所有终端可见。

Unix-like platforms (macOS, Linux, & WSL)安装都是一样的，在终端输入下面的命令

  1. 下载bash文件
# 使用curl
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"

# 使用wget
wget "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
  1. 运行bash文件
bash Miniforge3-$(uname)-$(uname -m).sh
提示

mamba被合并到miniforge中，更方便用户的安装和使用了

2.3 micromamba 安装

micromamba和mamba是在一起的，mamba被并入了Miniforge中了，但是要 Miniforge distribution >= Miniforge3-23.3.1-0，micromamba是单独安装的，非常的轻量，速度快

  1. 一行命令安装
"${SHELL}" <(curl -L micro.mamba.pm/install.sh)
Invoke-Expression ((Invoke-WebRequest -Uri https://micro.mamba.pm/install.ps1 -UseBasicParsing).Content)

输入几个文件夹，bash，conda-forge和名称确认即可完成安装！然后感受micromamba的速度吧

  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
  0     0    0     0    0     0      0      0 --:--:--  0:00:02 --:--:--     0
100  3059  100  3059    0     0    826      0  0:00:03  0:00:03 --:--:--  8179
Micromamba binary folder? [~/.local/bin]
Init shell (bash)? [Y/n] y
Configure conda-forge? [Y/n] y
Prefix location? [~/micromamba]
Running `shell init`, which:
 - modifies RC file: "/home/erwin/.bashrc"
 - generates config for root prefix: "/home/erwin/micromamba"
 - sets mamba executable to: "/home/erwin/.local/bin/micromamba"
The following has been added in your "/home/erwin/.bashrc" file

# >>> mamba initialize >>>
# !! Contents within this block are managed by 'micromamba shell init' !!
export MAMBA_EXE='/home/erwin/.local/bin/micromamba';
export MAMBA_ROOT_PREFIX='/home/erwin/micromamba';
__mamba_setup="$("$MAMBA_EXE" shell hook --shell bash --root-prefix "$MAMBA_ROOT_PREFIX" 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__mamba_setup"
else
    alias micromamba="$MAMBA_EXE"  # Fallback on help from micromamba activate
fi
unset __mamba_setup
# <<< mamba initialize <<<

Please restart your shell to activate micromamba or run the following:\n
  source ~/.bashrc (or ~/.zshrc, ~/.xonshrc, ~/.config/fish/config.fish, ...)
  1. 手动安装

第一步先下载安装包

# Linux Intel (x86_64):
curl -Ls https://micro.mamba.pm/api/micromamba/linux-64/latest | tar -xvj bin/micromamba
# Linux ARM64:
curl -Ls https://micro.mamba.pm/api/micromamba/linux-aarch64/latest | tar -xvj bin/micromamba
# Linux Power:
curl -Ls https://micro.mamba.pm/api/micromamba/linux-ppc64le/latest | tar -xvj bin/micromamba
# macOS Intel (x86_64):
curl -Ls https://micro.mamba.pm/api/micromamba/osx-64/latest | tar -xvj bin/micromamba
# macOS Silicon/M1 (ARM64):
curl -Ls https://micro.mamba.pm/api/micromamba/osx-arm64/latest | tar -xvj bin/micromamba

第二步After extraction is completed, we can use the micromamba binary.

如果你想快速使用，If you want to quickly use micromamba in an ad-hoc usecase, you can run

export MAMBA_ROOT_PREFIX=/some/prefix  # optional, defaults to ~/micromamba
eval "$(./bin/micromamba shell hook -s posix)"

也可以使用brew进行一键安装brew install micromamba

3. 设置

3.1 基础设置

因为mamba/micromamba 已经是使用开源的conda-forge作为主要的来源了，再加上Ananconda的条件限制

提示
  1. 确保没有配置 Anaconda 默认通道
  2. 请勿在基础环境中安装任何内容，否则可能会破坏的安装，也就是不要在base环境中安装

现在的 mamba 命令行工具，在运行时仍然依赖 conda 的配置和环境。

  • 它会读取 ~/.condarc 配置文件
  • 它在某些操作上（如激活环境 conda activate）实际上会调用底层的 conda 代码。
  • 本质：mamba 是 conda 的一个“加速器”，它替换了 conda 中最慢的依赖解析部分，但仍然运行在 conda 的生态系统之上。

micromamba

libmamba是一个 C++ 库，而 micromamba 和 rhumba 是基于这个库构建的独立工具。

  • libmamba：是 mamba 项目的核心引擎，用 C++ 编写，负责高速依赖解析。
  • micromamba：是一个独立的可执行文件（静态二进制），完全由 libmamba 驱动，不依赖 Python。

mamba（以及 conda）这个工具从哪里读取配置，以及当同一个配置出现在多个地方时，它会听谁的。

  • rc (“run control) file: a file using YAML syntax
  • environment variable: a key/value pair set prior to mamba execution 环境变量，在 mamba 执行前设置的键值对
  • CLI: a parsed argument/option from a CLI interface 命令行接口（CLI）参数，从命令行界面解析出的参数或选项
  • API: a value set programmatically by a program relying on mamba

mamba configure

注记

使用优化级的设置，就可以自己选定路径 channels，从CLI输入之后就不会从.condarc读取

3.2 基础概念

  1. 文件/路径的哲学理念

在类 Unix 平台中，安装软件本质上就是将文件放置到一个“安装前缀目录”的各个子目录中。

installation prefix” 是理解整个 Unix 软件生态的关键。它通常指的是 /usr、/usr/local 或者像 Mamba 这样的包管理器使用的自定义路径（如 /home/user/mambaforge）。

注记

Linux的理念就是一切皆文件

  • 可执行文件：放入bin/目录
  • 库文件：放入lib/目录
  • 共享数据：放入share/目录

Mamba/Conda 的核心机制就是管理这些“前缀”

  • 当你创建一个新的 Conda 环境（如 mamba create -n myenv）时，Mamba 实际上是创建了一个新的前缀目录（例如 ~/mambaforge/envs/myenv）
  • 当你安装软件（如 mamba install numpy）时，Mamba 会把 Numpy 的文件解压并放置到这个环境目录（前缀）下的 lib/python3.9/site-packages/ 等子目录中。
  • 当你激活环境时，Mamba 会把该环境的 bin 目录临时加到你的 PATH 环境变量最前面，这样你输入 python 时，系统就会优先使用这个环境里的 Python，而不是系统的 Python。
  1. mamba缓存机制和目录结构

📦 缓存机制：加速操作

当你第一次使用 Mamba 安装软件时，它会做两件事，这两件事都会产生缓存，避免重复下载：

  • 索引缓存：Mamba 会先下载“软件包列表”（即频道里的 repodata.json）。这个列表有生存时间。在生存时间内，Mamba 会直接使用本地的列表，不会去网上检查更新，从而加快 search 或 install 命令的响应速度。
  • 包文件缓存：下载下来的软件包（.tar.bz2 或 .conda 文件）会被存放在本地。为了节省磁盘空间，Mamba 会优先使用硬链接技术。这意味着，即使你在 5 个不同的环境中都安装了 numpy，硬盘上实际上只存了一份 numpy 的文件，其他环境只是“指向”这份文件的链接。

📁 根前缀：统一的管理中枢

这里的 Root Prefix 是理解这一切的关键。它就像是一个总指挥部

  • 共享缓存：所有使用同一个 Root Prefix 的环境，都会共享同一个缓存目录 ($root_prefix/pkgs/)。这非常高效，因为大家共用一套下载好的文件，不需要每个环境都存一份副本。
  • 环境存放：Root Prefix 下通常还有一个默认的 envs 文件夹 ($root_prefix/envs/)。如果你创建环境时不指定路径，环境就会默认建在这里。
重要

所以base环境本身就是~/mamba目录本身，而不是~/mamba/envs的某个子目录

想象 Base 环境是一辆工具车，它上面装满了修车工具（mamba 命令）。 当你开另一辆工作车（其他虚拟环境）时，你实际上是把那辆工具车也一起开过来了。虽然你在工作车上干活，但如果你需要修车（管理包），你用的还是工具车上的工具。

  1. micromamba 优势

基本的用法，micromamba，mamba和conda是一样的

micromamba（Mamba 的轻量版）在自动化场景下的一个核心优势：它不需要“激活”环境就能直接使用环境里的工具。

在交互式终端中，我们习惯使用 conda activate myenv 来进入一个环境。这背后其实发生了很多事： - 修改环境变量：Shell 的 PATH 被修改，把环境的 bin 目录加到最前面。 - Shell Hook：Conda/Mamba 注入了一些脚本代码到你的 Shell 里，用来拦截和重写命令

micromamba 的设计哲学是“尽量不做侵入式修改”。配合 shell 和 run 子命令，它可以直接指定环境路径来运行程序，完全跳过了“激活”这一步。

  1. micromamba shell:这个命令的作用是启动一个新的 Shell，并临时进入指定的环境，而不需要手动运行 activate。
  2. micromamba run: 这是最直接的用法。它允许你直接运行某个环境里的可执行文件，而不需要激活环境