نرم افزار

pip یا Poetry؛ انتخاب ابزار مدیریت وابستگی پایتون

30 آبان 1405
11 بازدید
7 دقیقه مطالعه
م
محمد رستمی
موسس سایت
pip یا Poetry؛ انتخاب ابزار مدیریت وابستگی پایتون

هر پروژه پایتون بعد از چند هفته توسعه به نقطه‌ای می‌رسد که نصب یک پکیج جدید، نسخه‌های قبلی را جابه‌جا می‌کند و کد روی سیستم همکارت دیگر اجرا نمی‌شود. این مشکل معمولاً از نبود یک استراتژی روشن برای مدیریت وابستگی می‌آید، نه از ضعف خود پایتون. دو ابزاری که بیشتر از همه در این موقعیت نامشان شنیده می‌شود pip و Poetry هستند.

pip سال‌ها ابزار استاندارد نصب پکیج در پایتون بوده و همراه هر نسخه از پایتون نصب می‌شود. Poetry بعدتر آمد تا فاصله بین نصب پکیج، تعریف وابستگی‌ها و قفل‌کردن نسخه‌ها را پر کند. انتخاب بین این دو، بیشتر از اینکه بحث سلیقه باشد، به اندازه تیم، نوع پروژه و میزان اهمیت بازتولیدپذیری بستگی دارد.

در این مقاله هر دو ابزار را در سناریوهای واقعی مقایسه می‌کنیم: از یک اسکریپت کوچک تا پروژه‌ای که چند نفر روی آن کار می‌کنند. اگر تازه وارد اکوسیستم پایتون شده‌اید، مطالعه این مقایسه در کنار یادگیری مبانی زبان، انتخاب ابزار را برایتان ساده‌تر می‌کند.

pip چیست و در عمل چه کاری انجام می‌دهد؟

pip ابزار رسمی نصب پکیج از Python Package Index یا همان PyPI است. کار اصلی‌اش ساده است: یک پکیج را دانلود، وابستگی‌هایش را پیدا و در محیط پایتون نصب می‌کند. pip به‌تنهایی محیط مجازی نمی‌سازد؛ برای جداسازی وابستگی‌ها معمولاً از virtualenv یا ماژول استاندارد venv استفاده می‌شود.

روش رایج کار با pip این است که پکیج‌ها را نصب می‌کنید و سپس با pip freeze فهرست نسخه‌های نصب‌شده را در یک فایل requirements.txt ذخیره می‌کنید. این فایل در واقع تصویری از وضعیت لحظه‌ای محیط شماست، نه تعریف دقیق وابستگی‌های پروژه.

python -m venv .venv
source .venv/bin/activate  # در ویندوز: .venv\Scripts\activate
pip install requests==2.32.3
pip freeze > requirements.txt
pip install -r requirements.txt

نقطه قوت pip در سادگی و همه‌جا-حاضر-بودن آن است. هر مستندات پایتونی، هر آموزش و هر Dockerfile نمونه‌ای با pip دارد. اما همین سادگی وقتی پروژه بزرگ می‌شود به هزینه تبدیل می‌شود؛ چون pip بین وابستگی‌های مستقیم و وابستگی‌های غیرمستقیم تفاوتی نمی‌گذارد و مدیریت نسخه‌ها به عهده شماست.

Poetry چیست و چه تفاوتی با pip دارد؟

Poetry یک ابزار مدیریت وابستگی و بسته‌بندی است که چند وظیفه را یکجا انجام می‌دهد: ساخت محیط مجازی، تعریف وابستگی‌ها در pyproject.toml، حل تعارض نسخه‌ها و تولید فایل قفل poetry.lock. به عبارت دیگر، Poetry روی pip سوار می‌شود اما لایه‌ای از مدیریت نسخه و بازتولیدپذیری به آن اضافه می‌کند.

تفاوت بنیادی در این است که در Poetry وابستگی‌های پروژه را اعلام می‌کنید و ابزار خودش نسخه سازگار را پیدا و قفل می‌کند. فایل lock تضمین می‌کند همه اعضای تیم و سرور تولید دقیقاً همان نسخه‌ها را نصب کنند. این ویژگی در پروژه‌هایی که چند نفر روی آن کار می‌کنند یا روی CI/CD اجرا می‌شوند، تفاوت محسوسی ایجاد می‌کند.

poetry new my-project
cd my-project
poetry add requests@^2.32.0
poetry add --group dev pytest
poetry install
poetry run python -m pytest

دستور poetry add هم پکیج را نصب می‌کند، هم وابستگی را در pyproject.toml ثبت می‌کند و هم فایل lock را به‌روزرسانی می‌کند. در مقابل، با pip باید این سه مرحله را جداگانه و دستی مدیریت کنید.

مقایسه pip و Poetry در پروژه‌های واقعی

برای انتخاب درست، بهتر است هر دو ابزار را روی معیارهای عملی بسنجید، نه روی محبوبیت. جدول زیر خلاصه‌ای از تفاوت‌های کاربردی است:

معیار pip + venv Poetry
نصب در دسترس بودن همراه پایتون نیاز به نصب جداگانه
فایل تعریف وابستگی requirements.txt pyproject.toml
قفل نسخه‌ها با pip freeze (غیردقیق) poetry.lock (دقیق)
تفکیک وابستگی توسعه دستی، با فایل جدا گروه‌های dev و main
حل تعارض نسخه‌ها محدود قوی‌تر
ساخت و انتشار پکیج نیاز به ابزارهای جدا یکپارچه
سازگاری با ابزارهای قدیمی بالا نیاز به تنظیمات اضافه

در پروژه‌های کوچک و اسکریپت‌های یک‌بارمصرف، pip + venv معمولاً کافی و سریع‌تر است. اما در پروژه‌ای که چند ماژول، چند محیط اجرا و چند توسعه‌دهنده دارد، نداشتن فایل lock دقیق به تدریج به مشکل تبدیل می‌شود.

نکته‌ای که در مقایسه‌ها کمتر به آن پرداخته می‌شود، هزینه یادگیری است. تیم شما باید با دستورات Poetry آشنا شود و ابزارهای CI را تنظیم کند. این هزینه یک‌بار پرداخت می‌شود، اما در پروژه‌های کوتاه‌مدت ممکن است صرفه نداشته باشد.

قفل‌کردن نسخه‌ها؛ جایی که تفاوت واقعی مشخص می‌شود

مشکل کلاسیک pip این است که pip freeze همه پکیج‌های نصب‌شده را با نسخه دقیق در فایل می‌نویسد، از جمله وابستگی‌های غیرمستقیم. نتیجه این است که فایل requirements.txt پر از پکیج‌هایی می‌شود که مستقیماً در کد شما استفاده نشده‌اند و به‌روزرسانی‌شان دشوار می‌شود.

Poetry این مشکل را با تفکیک دو مفهوم حل می‌کند: در pyproject.toml فقط وابستگی‌های مستقیم با محدوده نسخه اعلام می‌شوند، و در poetry.lock نسخه دقیق همه چیز قفل می‌شود. این یعنی هم‌زمان انعطاف و بازتولیدپذیری دارید.

در pip می‌توانید با نوشتن دستی requirements.in و استفاده از ابزارهایی مانند pip-tools به نتیجه مشابه برسید، اما این یعنی افزودن یک لایه ابزار دیگر. اگر همین حالا از pip استفاده می‌کنید و نمی‌خواهید مهاجرت کنید، pip-tools گزینه‌ای منطقی است.

  • در pip: محدوده نسخه را در requirements.in بنویسید و فایل قفل را با ابزار جدا بسازید.
  • در Poetry: فایل pyproject.toml و poetry.lock را همیشه در مخزن نگه دارید.
  • در هر دو حالت: فایل قفل را commit کنید و در CI از آن برای نصب استفاده کنید.

اشتباه‌های رایج در انتخاب و استفاده

  • نصب پکیج در محیط سیستمی: نصب سراسری پکیج‌ها بدون محیط مجازی، سریع‌ترین راه رسیدن به تعارض نسخه است.
  • commit نکردن فایل lock: بدون poetry.lock یا فایل قفل معادل، بازتولیدپذیری از دست می‌رود.
  • استفاده هم‌زمان از pip و Poetry در یک پروژه: اگر با Poetry کار می‌کنید، پکیج‌ها را با pip داخل همان محیط نصب نکنید.
  • نادیده گرفتن تفکیک وابستگی توسعه: pytest و linters نباید در محیط تولید نصب شوند.
  • محدوده نسخه بیش از حد باز: نوشتن * یا بی‌توجهی به محدوده نسخه، هم در pip و هم در Poetry دردسرساز است.

پیشنهاد عملی برای انتخاب

اگر در حال یادگیری پایتون هستید یا پروژه‌ای کوچک با یک توسعه‌دهنده دارید، pip + venv نقطه شروع درستی است؛ چون می‌توانید تمرکزتان را روی خود زبان بگذارید. اگر پروژه‌ای تیمی یا محصولی دارید که چند محیط اجرا دارد، Poetry یا ترکیب pip با pip-tools انتخاب بهتری است.

مهم‌تر از انتخاب ابزار، رعایت دو قاعده است: همیشه از محیط مجازی استفاده کنید و فایل قفل نسخه‌ها را در مخزن نگه دارید. این دو کار، مستقل از ابزار، بیشترین تأثیر را در پایداری پروژه دارند.

برای اینکه انتخاب ابزار را در بستر بزرگ‌تری ببینید، مقاله آیا هوش مصنوعی می‌تواند کد پایتون را باگ‌زدایی کند؟ را بخوانید. همچنین اگر قصد دارید محیط توسعه‌تان را با ابزارهای محلی هوش مصنوعی ترکیب کنید، راهنمای بهترین ابزارهای اجرای هوش مصنوعی لوکال دید بهتری از نیازهای محیط توسعه می‌دهد.

جمع‌بندی و اقدام بعدی

pip و Poetry رقیب یکدیگر نیستند؛ Poetry لایه‌ای مدیریتی روی اکوسیستم pip است. pip برای شروع و پروژه‌های کوچک کافی است، اما در پروژه‌های واقعی که بازتولیدپذیری اهمیت دارد، Poetry یا pip-tools انتخاب منطقی‌تری است.

اقدام مشخص امروز: یک پروژه تمرینی بسازید و آن را یک‌بار با pip + venv و یک‌بار با Poetry راه‌اندازی کنید. تفاوت فایل‌های requirements.txt و pyproject.toml را مقایسه کنید و بعد تصمیم بگیرید. اگر می‌خواهید این تمرین را در مسیر یادگیری ساختارمند انجام دهید، دوره برنامه‌نویسی پایتون از صفر تا پیشرفته می‌تواند چارچوب مناسبی برایتان فراهم کند.

پرسش‌های پرتکرار

آیا Poetry جایگزین pip است؟

نه، Poetry در پشت صحنه از اکوسیستم pip و PyPI استفاده می‌کند؛ اما لایه‌ای برای تعریف وابستگی، قفل نسخه و مدیریت محیط مجازی به آن اضافه می‌کند.

برای پروژه کوچک pip بهتر است یا Poetry؟

برای اسکریپت‌ها و پروژه‌های کوچک یک‌نفره، pip همراه venv ساده‌تر و سریع‌تر است. Poetry زمانی ارزش دارد که چند توسعه‌دهنده یا چند محیط اجرا داشته باشید.

آیا باید poetry.lock را در گیت ذخیره کنم؟

بله. فایل lock تضمین می‌کند همه اعضای تیم و سرور تولید دقیقاً همان نسخه‌های سازگار را نصب کنند.

آیا می‌توان pip و Poetry را هم‌زمان در یک پروژه استفاده کرد؟

توصیه نمی‌شود. اگر از Poetry استفاده می‌کنید، پکیج‌ها را با poetry add نصب کنید تا وضعیت وابستگی‌ها و فایل lock هماهنگ بماند.

م

محمد رستمی

اشتراک‌گذاری:

نظرات کاربران (0)

هنوز نظری ثبت نشده است. اولین نفری باشید که نظر می‌دهید!

اشتراک‌گذاری: