降低 uv 内存占用最直接的办法是限制其并发解析线程数，通过设置环境变量 uv_no_concurrency=1 强制单线程运行。这能显著减少 python 解释器在并行处理依赖树时的峰值内存消耗，代价是安装速度会变慢。如果是在资源受限的 ci/环境中，建议结合 --no-cache-dir 使用以进一步释放磁盘和内存压力。
如何验证并发参数对内存的影响
通过对比开启与关闭并发时的内存快照，可以确认 UV_NO_CONCURRENCY 的实际效果。在 Linux 系统下，可以使用 time 命令配合 /usr/bin/time -v 来捕获最大驻留集大小（Maximum Resident Set Size），从而量化内存变化。
#!/bin/bash # 测试并发模式 export UV_NO_CONCURRENCY=4 time -v uv pip install requests 2>&1 | grep "Maximum resident set size" # 测试单线程模式 export UV_NO_CONCURRENCY=1 time -v uv pip install requests 2>&1 | grep "Maximum resident set size"
为什么清理缓存能解决内存泄漏感
uv 默认会缓存下载的包和元数据，长期运行后缓存索引文件可能膨胀，导致加载时占用大量内存。执行 uv cache clean 可以清除这些冗余数据，恢复到低内存基线状态。对于频繁构建的环境，建议在脚本末尾或定时任务中自动清理缓存。
# 清理所有缓存 uv cache clean # 仅清理特定包的缓存 uv cache clean requests
基于具体输入条件下的内存表现
当处理包含大量间接依赖的大型项目时，即使限制了并发，内存占用仍可能较高。此时应检查是否启用了虚拟环境隔离，避免全局环境干扰。通过指定 --python-version 锁定目标版本，可以减少版本解析带来的额外开销，从而稳定内存使用。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
