python 的 uv、pip 和 conda 对比和技术选型
你好,我是 shengjk1,多年大厂经验,努力构建 通俗易懂的、好玩的编程语言教程。 欢迎关注!你会有如下收益:
- 了解大厂经验
- 拥有和大厂相匹配的技术等
希望看什么,评论或者私信告诉我!
文章目录
- 一、背景
- 二、介绍
- 一、工具定义与核心功能对比
- 1. **uv**
- 2. **pip**
- 3. **conda**
- 二、关键维度对比分析
- 1. **性能**
- 2. **依赖管理**
- 3、**核心特性对比**
- 4. **适用场景**
- 三、技术选型建议
- 1. **优先选择 uv 的场景**
- 2. **优先选择 conda 的场景**
- 3. **保留 pip 的场景**
- 4. **混合使用策略**
- 四、未来趋势与风险提示
- 五、**总结建议**
- 三、总结
一、背景
最近趁着有时间,搞了一下 MCP,MCP 中主要使用的python uv 来创建环境。之前只使用过 pip 和 conda,所以把他们三个对比一下,为后续选择打下基础
二、介绍
一、工具定义与核心功能对比
1. uv
- 定位:新一代高性能 Python 包管理工具,由 Rust 开发,目标是替代传统工具链(如 pip、venv、pip-tools)。
- 核心功能:
- 极速安装:依赖解析和包安装速度比 pip 快 10-100 倍,冷启动时性能优势更显著。
- 一体化工具链:集成虚拟环境管理(
uv venv
)、依赖锁定(uv.lock
)、Python 版本管理(uv python
)和脚本运行(uv run
)。 - 轻量化设计:虚拟环境通过符号链接复用基础解释器,仅需 10MB 级磁盘空间。
- 兼容性:支持
requirements.txt
和pyproject.toml
,无缝迁移现有项目。
2. pip
- 定位:Python 官方包管理器,是 PyPI(Python Package Index)生态的标准工具。
- 核心功能:
- 包安装:从 PyPI 安装 Python 包,支持版本范围约束(如
requests>=2.26.0
)。 - 依赖管理:依赖解析基于简单递归算法,需手动维护
requirements.txt
,缺乏原生锁定机制。 - 环境隔离:需配合
venv
或virtualenv
创建虚拟环境。
- 包安装:从 PyPI 安装 Python 包,支持版本范围约束(如
3. conda
- 定位:跨语言环境和包管理器,专为科学计算设计,支持非 Python 依赖。
- 核心功能:
- 跨语言支持:管理 Python、R、C/C++ 等语言的包(如 CUDA、MKL 等科学计算库)。
- 环境隔离:内置虚拟环境管理,支持多 Python 版本和系统级依赖。
- 预编译包:提供优化后的二进制包(如 Intel MKL 加速的 NumPy)。
二、关键维度对比分析
1. 性能
- uv:安装速度最快,冷启动比 pip 快 8-10 倍,热缓存时快 80-115 倍。例如,安装
numpy+pandas
组合仅需 2-3 秒,而 pip 需 10-15 秒。 - pip:单线程下载和解析依赖,速度较慢,大型项目耗时可达数分钟。
- conda:依赖解析基于 SAT 求解器,速度最慢,但擅长处理复杂依赖链(如 GPU 加速库)。
2. 依赖管理
工具 | 解析算法 | 锁定文件 | 非 Python 依赖 | 冲突处理能力 |
---|---|---|---|---|
uv | PubGrub(确定性) | uv.lock ✅ | ❌ | 主动报错并提示路径 |
pip | 简单递归 | requirements.txt ❌ | ❌ | 可能安装后运行时失败 |
conda | SAT 求解器 | environment.yml ✅ | ✅ | 严格检查全局依赖 |
3、核心特性对比
维度 | uv | pip | conda |
---|---|---|---|
底层语言 | Rust | Python | Python |
安装速度 | 🚀 极快(比 pip 快 8-115 倍) | 中等(单线程下载与解析) | 较慢(依赖复杂 SAT 求解器) |
依赖解析算法 | PubGrub(确定性解析) | 简单递归解析(易冲突) | SAT 求解器(全局最优) |
虚拟环境管理 | ✅ 内置 .venv (轻量级) | ❌ 需搭配 venv /virtualenv | ✅ 内置(含 Python 解释器) |
锁文件支持 | ✅ uv.lock (跨平台) | ❌ 需配合 pip-tools /pip freeze | ✅ environment.yml (无原生锁文件) |
非 Python 依赖 | ❌ 仅纯 Python 包 | ❌ 需手动处理 C 库/wheel | ✅ 支持(如 CUDA、MKL) |
Python 版本管理 | ✅ 支持(通过 uv python ) | ❌ 需配合 pyenv | ✅ 内置(多版本切换) |
4. 适用场景
场景 | uv 推荐度 | pip 推荐度 | conda 推荐度 |
---|---|---|---|
纯 Python 项目 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐ |
高频 CI/CD 部署 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐ |
数据科学/机器学习 | ⭐ | ⭐ | ⭐⭐⭐⭐⭐ |
跨语言项目(C/C++/R) | ❌ | ❌ | ⭐⭐⭐⭐⭐ |
轻量化开发(容器化) | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐ |
三、技术选型建议
1. 优先选择 uv 的场景
- 纯 Python 项目:如 Web 开发(FastAPI/Django)、脚本工具链等。
- 性能敏感型任务:CI/CD 流水线、微服务频繁部署,冷启动时间缩短 90%。
- 轻量化需求:虚拟环境仅需 10MB 级空间,适合容器化和边缘计算。
2. 优先选择 conda 的场景
- 科学计算与 GPU 加速:需管理 CUDA、MKL 等非 Python 依赖的 AI/ML 项目。
- 跨语言协调:同时使用 Python、R、C++ 库的复杂项目(如生物信息学分析)。
- Windows 兼容性:预编译包支持更完善(如 PyTorch 的 CUDA 版本)。
3. 保留 pip 的场景
- 简单脚本或兼容性要求:单文件脚本或必须兼容 PyPI 生态的传统项目。
- 过渡期项目:已有
requirements.txt
且短期内无法迁移到 uv 或 Poetry。
4. 混合使用策略
- 数据科学项目:用 conda 安装底层依赖(如
conda install cudatoolkit
),再用 uv 管理 Python 包(uv pip install torch
)。 - 多版本 Python 管理:
pyenv
+uv
组合,兼顾版本切换与极速依赖安装。
四、未来趋势与风险提示
- uv 的潜力:计划整合 Poetry 的依赖管理功能,支持跨平台二进制包,可能主导纯 Python 生态。
- conda 的挑战:依赖解析速度优化(如集成 mamba),但生态与 PyPI 的兼容性问题仍需解决。
- pip 的进化:官方正在开发 Rust 加速版本(如
pip-turbo
),可能缩小与 uv 的差距。
总结:uv 是纯 Python 项目的未来,conda 在科学计算领域不可替代,pip 仍适用于简单场景。根据项目需求选择工具,必要时组合使用以平衡性能与功能。
五、总结建议
工具 | 推荐指数 | 核心优势 | 风险点 |
---|---|---|---|
uv | ⭐⭐⭐⭐⭐ | 极速、轻量、现代工具链 | 生态成熟度较低,暂不支持非 Python 依赖 |
conda | ⭐⭐⭐⭐ | 跨语言支持、科学计算首选 | 速度慢、资源占用高 |
pip | ⭐⭐⭐ | 官方标准、兼容性强 | 依赖管理能力弱、易冲突 |
最终选型逻辑:
- 若项目仅涉及纯 Python 依赖且追求效率,uv 是最优解。
- 若涉及科学计算或跨语言需求,优先选择 conda。
- 对工具链稳定性要求极高的传统项目,可暂时保留 pip。
三、总结
uv 是新一代高性能 Python 包管理工具,安装速度快、轻量化设计且集成多种功能,适合纯 Python 项目及性能敏感型任务等;pip 是 Python 官方包管理器,依赖管理能力弱但兼容性强;conda 是跨语言环境和包管理器,擅长处理复杂依赖链,适合科学计算及跨语言项目。根据项目需求选择工具,必要时可组合使用。
但选型也不是绝对的,还是要参考自己公司的技术栈
相关文章:
python 的 uv、pip 和 conda 对比和技术选型
你好,我是 shengjk1,多年大厂经验,努力构建 通俗易懂的、好玩的编程语言教程。 欢迎关注!你会有如下收益: 了解大厂经验拥有和大厂相匹配的技术等 希望看什么,评论或者私信告诉我! 文章目录 一…...
《Python星球日记》 第63天:文本方向综合项目(新闻分类)
名人说:路漫漫其修远兮,吾将上下而求索。—— 屈原《离骚》 创作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 一、项目需求分析1. 项目背景与目标2. 功能需求3. 技术方案概述 二、数据清洗与…...
面试题:请解释Java中的设计模式,并举例说明单例模式(Singleton Pattern)的实现方式
Java中的设计模式 设计模式是在软件开发过程中针对特定场景而使用的通用解决方案。设计模式可以帮助开发者编写出更加清晰、灵活和可维护的代码。设计模式分为三大类: 创建型模式:用于对象的创建过程,如单例模式、工厂模式、建造者模式等。…...
MySQL全量、增量备份与恢复
目录 一:MySQL数据库备份概述 1.数据备份的重要性 2.数据库备份类型 2.1从物理与逻辑的角度分类 物理备份 逻辑备份 2.2从数据库的备份策略角度分类 完全备份 差异备份 增量备份 3.常见的备份方法 3.1物理冷备份 3.2专用备份工具 MySQL dump或MySQL hot…...
rust 全栈应用框架dioxus server
接上一篇文章dioxus全栈应用框架的基本使用,支持web、desktop、mobile等平台。 可以先查看上一篇文章rust 全栈应用框架dioxus👈 既然是全栈框架,那肯定是得有后端服务的,之前创建的服务没有包含后端服务包,我们修改…...
Clinica集成化的开源平台-神经影像研究
Clinica集成化的开源平台-神经影像研究 🌟 Clinica集成化的开源平台-神经影像研究引言 🛠️ 一、环境搭建与数据准备1. 安装Clinica(附避坑指南)2. 数据标准化(BIDS格式处理) 🧠 二、sMRI预处理…...
LabVIEW中算法开发的系统化解决方案与优化
在 LabVIEW 开发环境中,算法实现是连接硬件数据采集与上层应用的核心环节。由于图形化编程范式与传统文本语言存在差异,LabVIEW 中的算法开发需要特别关注执行效率、代码可维护性以及与硬件资源的适配性。本文从算法架构设计、性能优化到工程实现&#x…...
【Pandas】pandas DataFrame cov
Pandas2.2 DataFrame Computations descriptive stats 方法描述DataFrame.abs()用于返回 DataFrame 中每个元素的绝对值DataFrame.all([axis, bool_only, skipna])用于判断 DataFrame 中是否所有元素在指定轴上都为 TrueDataFrame.any(*[, axis, bool_only, skipna])用于判断…...
【递归、搜索与回溯】专题一:递归(一)
📝前言说明: 本专栏主要记录本人递归,搜索与回溯算法的学习以及LeetCode刷题记录,按专题划分每题主要记录:(1)本人解法 本人屎山代码;(2)优质解法 优质代码…...
pythonocc 拉伸特征
micromamba install -c conda-forge pythonocc-core opencascade.js安装不起来,ai用pythonocc练个手 拉伸线框 线成面 from OCC.Core.gp import gp_Pnt, gp_Dir, gp_Vec from OCC.Core.BRepBuilderAPI import BRepBuilderAPI_MakeEdge, BRepBuilderAPI_MakeWire f…...
防爆手机与普通手机有什么区别
在石油化工、矿山能源、危化品运输等特殊行业中,一部手机的选择可能直接关系到生产安全与人员生命。防爆手机作为工业安全通信的核心工具,与日常使用的普通手机存在本质差异。本文将从技术原理、安全标准、功能设计及适用场景等维度,解析二者…...
动手学深度学习12.3.自动并行-笔记练习(PyTorch)
以下内容为结合李沐老师的课程和教材补充的学习笔记,以及对课后练习的一些思考,自留回顾,也供同学之人交流参考。 本节课程地址:无 本节教材地址:12.3. 自动并行 — 动手学深度学习 2.0.0 documentation 本节开源代…...
第二十二天打卡
数据预处理 import pandas as pd from sklearn.model_selection import train_test_splitdef data_preprocessing(file_path):"""泰坦尼克号生存预测数据预处理函数参数:file_path: 原始数据文件路径返回:preprocessed_data: 预处理后的数据集""&quo…...
SET NX互斥功能的实现原理
Redis 的 SET key value NX 命令通过其原子性和底层数据结构的特性实现互斥功能,具体实现如下: 1. 互斥功能的实现原理 SET NX 的核心是 原子性操作:当且仅当键(key)不存在时,才会设置键的值。Redis 的单线…...
前端 CSS 样式书写与选择器 基础知识
1.CSS介绍 CSS是Cascading Style Sheet的缩写,中文意思为"层叠样式表",它是网页的装饰者,用来修饰各标签 排版(大小、边距、背景、位置等)、改变字体的样式(字体大小、字体颜色、对齐方式等)。 2.CSS书写位置 2.1 样式表特征 层…...
一小时学会Docker使用!
文章目录 前言一、安装ssh连接工具二、安装docker三、Docker常见命令四、docker-compose使用 前言 Docker: Docker简单来说就是简化环境配置的,我们配置环境只需要简单的docker pull,docker run即可,而删除环境也很容易ÿ…...
android studio开发aar插件,并用uniapp开发APP使用这个aar
android studio开发aar插件,并用uniapp开发APP使用这个aar 使用android studio打包aar和Unity导入aar详解...
操作系统实战——QEMU模拟器搭建【rCore 操作系统】
操作系统大作业——QEMU模拟器搭建rCore操作系统 按照本篇步骤走,帮你少走很多弯路!博主在自己做的过程中踩了很多坑,过程还是很痛苦的,走了很多弯路,现在都已经在文章中把坑填平了,把弯路修直了。 创作不易…...
web:InfiniteScroll 无限滚动
InfiniteScroll 无限滚动 分页加载 <div class"data-box" v-infinite-scroll"loadMore"> <li v-fori in dataList></li> </div>form: {current: 1,size: 10,}loadMore(){console.log(this.dataList.length, this.total ,8888)if…...
【Redis 进阶】哨兵模式
思维导图: 一、哨兵模式概述 (一)传统主从复制模式的局限性 在传统的Redis主从复制架构中,若主节点发生故障,运维人员需手动执行故障转移操作,将一个从节点提升为新主节点,并逐一通知所有客户…...
告别卡顿,图片查看界的“速度与激情”
嘿,小伙伴们!今天电脑天空给大家介绍一款超好用的图片查看神器——ImageGlass!这可不是普通的图片查看软件哦,它简直就是图片界的“全能王”。首先,它能打开的图片格式多到让你眼花缭乱,什么PNG、JPEG、GIF…...
02_线性模型(回归分类模型)
用于分类的线性模型 线性模型也广泛应用于分类问题,可以利用下面的公式进行预测: $ \widehat y w[0]*x[0]w[1]*x[1]…w[p]*x[p]b > 0$ 公式看起来与线性回归的公式非常相似,但没有返回特征的加权求和,而是为预测设置了阈值…...
力扣2094题解
记录: 2025.5.12 题目: 思路: 暴力遍历。 解题步骤: 1.统计数字出现次数:使用数组cnt来记录输入数组中每个数字的出现次数。 2.生成三位偶数:通过循环从100开始,每次递增2,生成…...
人物角色设定机制
模块一:角色塑造进阶技巧 将角色设定(Character Headcanon)提升至更高层次 当您通过Character Headcanon Generator生成基础设定后,可运用以下专业技巧深化角色塑造: 情感核心图谱分析法 解构角色情感驱动机制及其情境表现: 主…...
Python动态渲染页面抓取之Selenium使用指南
目录 一、Selenium技术架构解析 二、环境搭建与基础配置 1. 组件安装 2. 驱动配置 3. 基础操作模板 三、动态内容抓取核心策略 1. 智能等待机制 2. 交互行为模拟 3. 反爬应对方案 四、实战案例:电商评论抓取 五、性能优化与异常处理 2. 异常捕获 六、进…...
智能手表 MCU 任务调度图
智能手表 MCU 任务调度图 处理器平台:ARM Cortex-M33 系统架构:事件驱动 多任务 RTOS RTOS:FreeRTOS(或同类实时内核) 一、任务调度概览 任务名称优先级周期性功能描述App_MainTask中否主循环调度器,系统…...
【C++】cout的格式输出
目录 一、cout的格式输出1、控制宽度和填充2、控制数值格式3、控制整数格式4、控制对齐方式 个人主页<—请点击 C专栏<—请点击 一、cout的格式输出 printf函数在输出数据的时候,可以指定格式来输出,比如:指定宽度、指定小数点后的位…...
私域流量新阵地:掌握Telegram私域运营全方法
在流量获取成本不断上升的今天,越来越多企业和品牌开始将目光转向“私域流量”——一条可以长期沉淀用户、反复转化的可持续增长之路。而在全球化趋势下,Telegram作为一款以高自由度、强隐私性著称的即时通讯平台,正在成为私域运营的新阵地。…...
Python Day23 学习
继续SHAP图绘制的学习 1. SHAP特征重要性条形图 特征重要性条形图(Feature Importance Bar Plot)是 SHAP 提供的一种全局解释工具,用于展示模型中各个特征对预测结果的重要性。以下是详细解释: 图的含义 - 横轴:表示…...
《ATPL地面培训教材13:飞行原理》——第12章:飞行力学基础
翻译:Leweslyh;工具:Cursor & Cluade 3.7;过程稿 第12章:飞行力学基础 目录 引言直线水平稳定飞行尾翼和升降舵直线稳定爬升爬升角重量、高度和温度的影响带动力下降紧急下降滑翔滑翔下降率转弯非对称推力飞行最…...
数据中台整体建设方案规划设计方案,数据中台建设汇报方案(PPT)
中台建设背景 在数字化转型浪潮下,企业需通过客户需求精准化、营销策略智能化、管理体系数字化三大核心方向构建竞争优势。本项目以渠道数据整合为基础,围绕客户精准化运营、营销智能化决策、管理数字化赋能三大目标,打造支撑一线业务场景的数…...
嵌入式软件--stm32 DAY 6 USART串口通讯(下)
1.寄存器轮询_收发字符串 通过寄存器轮询方式实现了收发单个字节之后,我们趁热打铁,争上游,进阶到字符串。字符串就是多个字符。很明显可以循环收发单个字节实现。 然后就是接收字符串。如果接受单个字符的函数放在while里,它也可…...
Flask如何读取配置信息
目录 一、使用 app.config 读取配置 二、设置配置的几种方式 1. 直接设置 2. 从 Python 文件加载 3. 从环境变量加载 4. 从字典加载 5. 从 .env 文件加载(推荐开发环境用) 三、读取配置值 四、最佳实践建议 在 Flask 中读取配置信息有几种常见方…...
AWS EC2源代码安装valkey命令行客户端
sudo yum -y install openssl-devel gcc wget https://github.com/valkey-io/valkey/archive/refs/tags/8.1.1.tar.gz tar xvzf 8.1.1.tar.gz cd valkey-8.1.1/ make distclean make valkey-cli BUILD_TLSyes参考 Connecting to nodes...
项目全栈实战-基于智能体、工作流、API模块化Docker集成的创业分析平台
目录 思维导图 前置知识 Docker是什么? Docker的核心概念: Docker在本项目中的作用 1. 环境隔离与一致性 2. 简化部署流程 3. 资源管理与扩展性 4. 服务整合与通信 5. 版本控制和回滚 6. 开发与生产环境一致性 总结 前端 1.小程序 2.web …...
如何快速入门大模型?
学习大模型的流程是什么 ? 提示词工程:只需掌握提问技巧即可使用大模型,通过优化提问方式获得更精准的模型输出套壳应用开发:在大模型生态上开发业务层产品(如AI主播、AI小助手等),只需调用API…...
《Flutter社交应用暗黑奥秘:模式适配与色彩的艺术》
暗黑模式已从一种新奇的功能演变为用户体验中不可或缺的一环。对于Flutter开发者而言,如何在社交应用中完美实现暗黑模式适配与色彩对比度优化,是一场充满挑战与惊喜的技术探索之旅。 暗黑模式,绝非仅仅是将界面颜色反转这么简单。从用户体验…...
【秣厉科技】LabVIEW工具包——OpenCV 教程(21):CUDA 加速方案
文章目录 前言一、方案总述二、改造步骤三、编程范例四、应用移植总结 前言 需要下载安装OpenCV工具包的朋友,请前往 此处 ;系统要求:Windows系统,LabVIEW>2018,兼容32位和64位。 一、方案总述 为了保持轻量化与普…...
flutter使用命令生成BinarySize分析图
flutter build ios --analyze-size 生成的文件,使用dev tools 可以分析具体的包大小...
高并发场景下的BI架构设计:衡石分布式查询引擎与缓存分级策略
在电商大促、金融交易时段或IoT实时监控场景中,企业BI系统常面临瞬时万级并发查询的冲击——运营团队需要实时追踪GMV波动,风控部门需秒级响应欺诈检测,产线监控需毫秒级反馈设备状态。传统单体架构的BI系统在此类场景下极易崩溃,…...
web 自动化之 selenium 下拉鼠标键盘文件上传
文章目录 一、下拉框操作二、键盘操作三、鼠标操作四、日期控件五、滚动条操作六、文件上传七、定位windows窗口及窗口的元素总结:页面及元素常用操作 一、下拉框操作 from selenium.webdriver.support.select import Select import time from selenium.webdriver.…...
Qt Creator 配置 Android 编译环境
Qt Creator 配置 Android 编译环境 环境配置流程下载JDK修改Qt Creator默认android配置文件修改sdk_definitions.json配置修改的内容 Qt Creator配置异常处理删除提示占用编译报错 环境 Qt Creator 版本 qtcreator-16.0.1Win10 嗯, Qt这个开发环境有点难折腾,搞了我三天… 配…...
主流编程语言中ORM工具全解析
在不同编程语言中,ORM(Object-Relational Mapping,对象关系映射)工具的设计目标都是简化数据库操作。 以下是主流语言中最常用的 ORM 工具,按语言分类介绍其特点、适用场景和典型案例。 一、Python 生态 Python 社区…...
详解RabbitMQ工作模式之发布确认模式
目录 发布确认模式 概述 消息丢失问题 发布确认的三种模式 实现步骤 应用场景 代码案例 引入依赖 常量类 单条确认 运行代码 批量确认 运行代码 异步确认 运行代码 对比批量确认和异步确认模式 发布确认模式 概述 发布确认模式用于确保消息已…...
Power BI 实操案例,将度量值转化为切片器(动态切换分析指标)
Power BI 实操案例,将度量值转化为切片器(动态切换分析指标) 想要在Power BI中让度量值也能像维度一样灵活筛选?没问题,这里就为你揭秘如何将度量值转化为切片器(动态切换分析指标)的实用方法&…...
利用散点图探索宇航员特征与太空任务之间的关系
利用散点图探索宇航员特征与太空任务之间的关系 import matplotlib.pyplot as plt import numpy as np import pandas as pdfrom flexitext import flexitext from matplotlib.patches import FancyArrowPatchplt.rcParams.update({"font.family": "Corbel&quo…...
人工智能的哲学与社会影响
人工智能(AI)的快速发展对人类社会的方方面面产生了深远的影响。在这部分中,我们将探讨AI对人与机器关系的影响、AI对就业和经济的潜在影响,以及人类与AI共存的可能性和道德议题。同时,我们还将针对大众对AI的一些常见…...
MySQL 中 UPDATE 结合 SELECT 和 UPDATE CASE WHEN 的示例
概述 以下是 MySQL 中 UPDATE 结合 SELECT 和 UPDATE CASE WHEN 的示例: 一、UPDATE 结合 SELECT(跨表更新) 场景:根据 orders 表中的订单总金额,更新 users 表中用户的 total_spent 字段。 -- 创建测试表 CREATE T…...
FPGA前瞻篇-计数器设计与实现实例
这是本篇文章的设计目标如下所示: 这个 Counter 模块是一个LED 闪烁计数器,设计目标是: 当输入时钟 clk 为 50 MHz 时,每 0.5 秒翻转一次 LED 灯状态。 随后我们开始补充理论知识。 计数是一种最简单基本的运算,计数器…...
运行Spark程序-在Idea中(二)
(四)使用Maven创建新项目 核心的操作步骤如下: 1.启动idea,选择新建项目。 2.将Scala添加到全局库中。 3.设置maven依赖项。修改pom.xml文件,添加如下: 4.下载依赖。添加完成之后,刷新Maven,它…...