经常使用anaconda的小伙伴都会遇到一个问题，每次想要安装新的包，但会在solve environment这一步卡上半天，之后装包又要花上不少的时间。于是我找到了一款替代品，就是micromamba，据其官网所属，它是纯用C++编写的，同时使用了多线程。经过我的体验，确实是比anaconda要快一点的。
#
安装
安装很简单，跟着官方文档做就好了。例如，Linux就只要输入下面的一串命令就可以了。
1
|
"${SHELL}" <(curl -L micro.mamba.pm/install.sh)
|
不过默认的命令是micromamba，这实在是太长了，所以我们可以设置一个别名，方便平时使用。在~/.bashrc加入下面的内容就可以了。
1
|
alias conda="micromamba"
|
由于默认是不含 Anaconda 仓库源的，所以我们还需要再配置一下，正好把镜像也配置好。在~/.condarc中加入下面的内容：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
|
#
在vscode中使用
这边才是我这篇文章的重点，由于是第三方的软件，所以vscode的Python插件默认是读取不到环境的，我们需要改一下配置。
在安装的时候，如果没有修改默认的设置，则mamba的路径应该在~/micromamba
我们打开VSCode的设置，添加下面的设置：
python.venvFolders这一项，添加mamba的目录名，即micromambapython.venvPath这一项，添加mamba虚拟环境的目录，即~/micromamba/envs
只要添加好这两个设置，就可以发现VSCode能读取到虚拟环境了。
此时我们已经完成了所有的配置，像以前一样创建虚拟环境、装包就能开始使用了。根据我的体验，anaconda的绝大部分功能都可以无缝使用。
