最近后台又被问到那个老掉牙的问题Python 3.8 的 Anaconda 到底该怎么下载。提问的人各有各的处境有的是刚接手一个三年前上线的项目接手第一天就发现依赖锁死在 3.8有的是要把论文结果复现一遍作者给的环境就是 3.8还有的是实验室那台老机器跑新版本解释器各种不兼容。共同点是他们从官网首页点进去看到最新的安装包就下装完敲一句python -V屏幕返回 3.11 或者 3.12然后就开始怀疑人生——明明搜的是 3.8怎么装出来全不是那么回事。这篇东西就专门解决这一串问题Anaconda 和 Python 3.8 之间到底是什么关系哪些安装包是自带 3.8 的历史版本这些包现在存在哪里、怎么找下载慢或者下到一半断了怎么办装完之后怎么搞出一个干净可控的 3.8 环境以及我在这些年里替人收拾环境时踩过的那些坑。不管你是第一次碰 conda 的新手还是只想快速对一下版本号的老手都能从里面捞到能直接抄的东西。1. 先把“Python 3.8 的 Anaconda”这句话拆开1.1 同一个问题其实有三种完全不同的诉求很多人问这个问题时脑子里想的是一件模糊的事实际落到操作上却分成三条完全不同的路。第一条想要一个安装完就自带 Python 3.8 解释器的 Anaconda 发行版安装包也就是历史版本双击装完直接能用不折腾。第二条机器上已经有新版 Anaconda 了只是想在它里面单独开一个 3.8 的虚拟环境装完的 base 环境不用动。第三条其实根本不需要 Anaconda 这个庞然大物只是想装一个 Python 3.8 解释器配个 venv 就够了。这三条路对应的下载地址、安装包体量、后续操作全都不一样选错了要么白下几百兆要么装完发现还得推倒重来。判断标准其实很简单如果你接手的是别人写好的一整套 conda 环境或者环境文件走第一条或者第二条如果你只是要跑一个脚本依赖只有三五个包第三条反而最省事。我见过太多人为了跑一个 requests 爬虫装了三个 G 的发行版然后被 base 环境里的依赖冲突折磨一整天。后面主要讲前两条第三条只在对比时顺带提一句。因为提问的关键词里带的是 Anaconda多数人确实需要一个完整的科学计算栈而不是裸解释器。1.2 Anaconda 的版本号和内置 Python 的对应关系Anaconda 的版本号规则是“年份.月份”比如 2021.05 就是 2021 年 5 月发布的版本一年通常发三到四次。每个发行版本会绑定当时一个相对稳定的 Python 小版本这是理解整件事的关键。发行版本内置 Python适用场景提示2020.023.7.6更早期的老项目2020.073.8.3第一批带 3.8 的稳定包2020.113.8.5兼容性口碑较好2021.053.8.83.8 系列里比较常用的一个2021.113.9.7已经开始进入 3.9 时代2022.053.9.123.9 中后期2023.093.11.x新一代项目常用2024.06 及以后3.12.x当前主线从表里能看出来自带 Python 3.8 的安装包集中在 2020.07 到 2021.05 这一小段窗口里。再往后官方默认绑定的解释器就升级到 3.9 了你在首页下载的永远是新版这就是为什么“下 Anaconda 下不到 3.8”成了高频疑问。顺带说一句2021.05 那个包内置的是 3.8.8不是 3.8 系列的最终版本Python 3.8 最后一个小版本是 3.8.20这中间的差异在后面对接某些库的时候会产生影响。1.3 装历史包和新建环境我为什么倾向后者理论上最省事的是直接装 2021.05 那个自带 3.8.8 的历史包双击、下一步、完成三分钟搞定。但在我经手的环境里这条路近几年越来越难走原因有几个很实在的点。历史包里的 conda 本体很老它对现在仓库里的包索引格式、签名校验、SSL 证书链的兼容性都可能出问题尤其是证书这块两三年前的证书链和现在的根证书策略不匹配时conda create会直接报证书校验失败而新手完全看不懂那个报错。再一个是历史包自带的 pip、setuptools 版本也老你去装一个稍新的包pip 自己先报“无法解析”或者干脆编译失败。还有一个容易被忽略的点老版本安装包对较新的操作系统支持一般在某些新版本系统上装完开始菜单或者快捷方式创建会报错虽然不影响使用但足够劝退。反过来装最新的 Anaconda然后在里面conda create -n py38 python3.8建一个 3.8 环境好处是新版 conda 的解算器更强、对网络和证书的处理更稳、pip 更新、出问题能查到的资料也多。代价是要多下几百兆的包、多花十几分钟。我的建议很明确机器能联网、能用新版就走“新版 Anaconda 3.8 环境”这条路只有在完全离线、或者要交付一台机器给别人且对方只会双击下一步的情况下才去用历史安装包。2. 下载之前必须先确认的几件事2.1 系统架构和安装包类型的对应Anaconda 的安装包是按平台和架构分开打包的文件名里能直接读出来Anaconda3-版本-平台-架构.后缀。Windows 上是.exemacOS 上是.pkgLinux 上是.sh。架构这一栏要特别留意x86_64 指的是传统的 64 位 Intel/AMD 架构aarch64 或者 arm64 指的是 ARM 架构。平台安装包后缀架构标识备注Windows.exeWindows-x86_64ARM 版 Windows 的历史包基本没有macOS Intel.pkgMacOSX-x86_642021 年前的包只有这一个架构macOS 苹果芯片.pkgMacOSX-arm64历史版本里基本找不到Linux x86.shLinux-x86_64服务器场景最常用Linux ARM.shLinux-aarch64出现得比较晚这里有个绕不开的坑苹果自研芯片的机器在 2021 年前后的历史版本里是没有原生 arm64 安装包的。你要是直接下 x86_64 的包系统会走兼容层运行装是能装但之后所有科学计算库都会按 x86 架构解析性能打折不说某些库还会因为架构不匹配装不上。这种机器的正确做法是装新版原生包然后建 3.8 环境如果新版也搞不定就用 conda-forge 社区提供的原生 arm64 安装器它和官方发行版的用法基本一致。2.2 历史安装包藏在哪个目录官网上首页只放最新版历史版本在仓库的归档目录里。这个目录的路径结构很固定就是仓库根地址后面加一个archive段。访问方式有两种一种是从官网的产品页面往下翻找“历史版本”或者“归档”之类的入口它会把你带过去另一种更直接在浏览器地址栏手动把归档路径补上。进去之后你会看到一个按时间倒序排列的长列表文件铺满好几屏全是Anaconda3-2020.07-Windows-x86_64.exe这种命名。页面加载完直接用浏览器的页内查找搜2021.05或者2020.11能瞬间定位。这一步看着简单但确实有人翻到归档页就懵了因为列表里混着各种后缀、各种架构、还有Anaconda2开头的 Python 2 时代产物不熟悉命名规则很容易下一堆没用的东西。注意归档目录里同一个版本会有多个文件务必按“版本号 平台 架构 后缀”四要素对齐尤其是 Windows 用户不要误下成.pkg或.sh那玩意儿在 Windows 上打不开。2.3 国内镜像站速度问题的现实解法几百兆的安装包从境外拉运气好几分钟运气不好卡在 30% 一动不动。国内几所高校和云厂商维护的开源镜像站基本都同步了 Anaconda 的归档目录目录结构和官方一致文件名也一样这也是判断镜像站是否可用的最直接依据。选镜像站的时候看三点。第一看目录树是否完整点进去应该能看到 archive 目录并且里面能翻到 2020、2021 年份的文件。第二看同步时间多数镜像站页面顶部会标“最后同步时间”如果停留在几个月前那新版本可能不全但历史版本基本不受影响反而正好适合我们的需求。第三看实际下载速度同一份文件从不同站点拉速度可能差十倍判断方法就是直接点开试下几秒钟。有个细节值得提醒镜像站偶尔会出现文件同步不完整的情况表现为文件能下下来但体积明显偏小几百兆的包只有几十兆这种一定是坏的。所以不管从哪个源下校验这一步别省。2.4 文件完整性校验别嫌麻烦校验的意义在于确认文件在传输过程中没有损坏。断点续传、网络抖动、镜像同步中断任何一种情况都可能让文件“看起来下完了”但实际缺块安装时表现为各种诡异的解压错误。平台校验命令Windowscertutil -hashfile 文件名 SHA256macOSshasum -a 256 文件名Linuxsha256sum 文件名官方归档页在每个文件旁边通常会给一个校验值或者有一个单独的校验值清单文件可以对照。把命令输出的那串十六进制和官方值比对一致就放心装不一致就重下。这一步 GUI 用户容易跳过但我建议至少对 Windows 和 Linux 用户强制执行一遍因为 Windows 上安装包损坏后的报错信息极其不友好经常只说“安装失败”四个字排查起来要命。3. 分平台下载与安装的完整实操3.1 Windows安装界面那几个勾到底怎么选Windows 上就是一个标准的.exe安装向导前面几步都是点“下一步”真正需要动脑的只有两个界面。第一个是安装路径默认会放在用户目录下路径里千万不要出现中文、空格和特殊符号这是无数血泪教训的总结。我一般建议改成一个简短路径比如D:\anaconda3原因是后续某些编译型包在处理长路径和空格时会出现找不到头文件的问题报错信息还特别含糊。第二个是安装选项页有两个勾选框值得说。一个是“把 Anaconda 加入 PATH 环境变量”默认是不勾的我也不建议勾。理由不是它不好用而是勾了之后系统里所有调用python的地方都会优先命中 conda 的 base 环境包括你没打算用 conda 的那些工具久而久之系统里的 Python 生态会被搅乱。正确姿势是用开始菜单里的专用命令行入口它会在启动时自动激活 base 环境不影响全局。另一个是“注册为默认 Python”这个看需求如果你机器上还有别的解释器建议不勾。装完之后体积大概三个 G装之前瞄一眼磁盘剩余空间尤其是把包放 C 盘的习惯很容易装到一半提示空间不足然后留下一个半残的安装目录卸载都不干净。装完之后目录结构值得记一下Scripts里是各种命令行工具Library\bin里是一堆 DLLpkgs是包缓存envs是你后续建的环境。pkgs这个目录会越来越大后面会讲怎么清理。3.2 macOSpkg 安装与苹果芯片的适配坑macOS 上是.pkg双击安装一路继续。默认安装路径随版本不同老版本包通常装在根目录下的anaconda3新版本在用户主目录下的opt里。装完之后终端里能不能直接用conda取决于有没有做初始化。如果提示找不到命令执行一次初始化命令然后关掉终端重开让配置生效。苹果芯片的机器在这里要多想一步。前面说过2021 年前后的历史包只有 x86_64 架构装上去之后 conda 会把自己识别成 x86 平台之后建的 3.8 环境也全是 x86 的装 numpy 这类带编译扩展的包时拿到的是 x86 版本只有通过兼容层运行速度损失肉眼可见处理大数组时尤其明显。这种情况我更推荐装新版原生包再建 3.8 环境实在要装历史包至少在建环境时显式指定平台标识让 conda 去拉对应架构的包虽然有些老版本的包可能根本没提供 ARM 构建。还有个小细节macOS 新版系统的安全策略对来源不明的安装包会拦截从官方或者正规镜像站下的包有签名一般能顺利双击打开如果弹出“无法验证开发者”去系统设置里放行一次即可不要去找什么“绕过”脚本。3.3 Linux命令行静默安装的正确姿势服务器场景基本都是命令行图形界面不存在的。安装脚本是个自解压的.sh最省事的做法是用批处理参数直接装到指定目录全程不用交互。# 把文件名换成你实际下载的那个 bash Anaconda3-2021.05-Linux-x86_64.sh -b -p $HOME/anaconda3这里的-b表示批处理模式不询问是否接受协议-p指定安装前缀。这个组合的好处是可以写进自动化脚本坏处是它不会自动帮你改 shell 配置装完conda命令还不在 PATH 里得手动补一步。# 初始化当前 shell 的配置 $HOME/anaconda3/bin/conda init bash source ~/.bashrc如果你用的是别的 shell把bash换成对应的名字。多用户共享的机器上还有个常见的做法是装到/opt下但后续一定要设好目录权限我见过有人图省事直接把整个安装目录给成777结果被同事的脚本误删了半个环境排查了半天才发现是把别人的包目录改写了。共享安装就老老实实建一个用户组把需要用的账号加进去目录给775。4. 装完之后把 3.8 环境真正跑起来4.1 三条验证命令确认装对了安装完成后先别急着建环境花一分钟确认基础状态。conda --version python -V conda info第一条看 conda 本体的版本能输出版本号说明命令可用。第二条看当前默认解释器的版本如果装的是新版包这里大概率是 3.11 或 3.12别慌这是正常的我们要的 3.8 在下一步的环境里。第三条信息量最大它会列出 base 环境路径、平台标识、当前的频道列表、环境列表。重点看平台标识这一行它决定了后续下载的是哪个架构的包再看频道列表如果里面有一堆来路不明的自定义地址说明这台机器之前被人配置过后面可能要用到冲突排查。提示conda info里显示的 base environment 路径如果和你安装时指定的不一致说明系统里存在多个 conda 安装这是环境混乱的头号来源建议先处理掉多余的再往下走。4.2 建一个干净的 3.8 环境核心就一条命令conda create -n py38 python3.8 -y拆开看-n py38是环境名随便起但建议带版本号方便识别python3.8是版本约束conda 会在索引里找满足条件的最高小版本通常能拿到 3.8 系列末尾的版本-y是自动确认。执行完会有一次解算过程屏幕上刷出一屏依赖树最后问你确认加了-y就直接装。如果你对版本有硬性要求比如某个库只在某个小版本上测过那就写死python3.8.10。这里有个背景知识值得知道Python 3.8.10 是最后一个提供官方 Windows 和 macOS 安装包的 3.8 版本之后的 3.8.x 只有源码和 Linux 构建。所以从可移植性角度考虑跨平台项目钉在 3.8.10 会更稳。环境建好后激活conda activate py38 python -V第二条命令必须返回 3.8.x。如果还是显示别的版本八成是激活没生效或者 PATH 里别的解释器优先级更高这在第 5 节会专门讲。4.3 频道配置慢和找不到包往往都是这里的问题conda 装包走的是频道默认频道在境外速度不稳定偶尔还会因为网络原因直接超时。国内镜像站基本都提供了完整的频道地址和一份可直接使用的配置文件片段去对应镜像站的说明页复制过来即可不用自己拼地址。配置文件的位置Linux 和 macOS 在用户主目录下的.condarcWindows 在用户目录下同名文件。用命令配比手动编辑更安全# 添加镜像频道地址用镜像站说明页给的 conda config --add channels 镜像频道地址 conda config --set show_channel_urls yesshow_channel_urls建议打开装包的时候能看到每个包是从哪个频道来的出问题时一眼就能定位是镜像的问题还是本地的问题。频道优先级这块有个参数要留意channel_priority。设成strict时conda 会严格按频道顺序取包前一个频道有就绝不看后面的好处是来源统一、版本可预期设成flexible时会综合比较版本容易混入不同频道的包偶尔会出现同一个环境里来自两个频道的同名库互相打架。我的习惯是默认用strict只有在确认需要跨频道取包时才临时放开。配完之后验证一下当前生效的配置conda config --show channels conda config --show-sources前者看最终生效的频道列表后者看配置是从哪几个文件读来的。如果有多个配置文件叠加--show-sources会把每一层都列出来排查“我明明改了配置怎么没生效”这类问题特别管用。4.4 依赖版本要跟着 3.8 一起钉死3.8 这个版本线上已经停止维护很多新发布的库早就放弃了对它的支持。这时候如果你直接pip install numpypip 会去找“最后一个支持 3.8 的版本”大多数情况下能装上但偶尔会遇到找不到匹配 wheel、退回源码编译的情况然后在编译阶段报一堆 C 语言错误。提前把关键库的版本写死能省掉大量时间。库3.8 可用的较高版本说明numpy1.24.x再往上要求 3.9pandas2.0.x2.1 起放弃 3.8matplotlib3.7.x3.8 起放弃 3.8scikit-learn1.3.x1.4 起放弃 3.8pip24.x25 起要求 3.9具体做法是写一个环境文件把 Python 和关键库都列进去一次性创建name: py38 channels: - defaults dependencies: - python3.8.10 - numpy1.24 - pandas2.0 - matplotlib3.7 - pip - pip: - 你的项目私有依赖然后conda env create -f environment.yml。这种写法的好处是可复现把文件丢给同事他那边建出来的环境和你的一模一样不会出现“我这能跑你那我跑不了”的经典对话。5. 常见问题与排查实录5.1 下载环节的坑文件下到一半断了或者下完只有几十兆。先看文件体积几百兆的安装包如果只有几十兆基本可以断定下的是错误页面而不是文件。常见原因是镜像站的某个路径没有同步服务器返回了一个错误页浏览器照样把它存成了.exe。解决办法是换个镜像站或者回官方归档目录下。归档页翻不到想要的版本。归档目录的文件是按名字排序的2021.05和2020.11在列表里的位置并不直观。用页内查找功能直接搜版本号比肉眼扫快十倍。另外注意区分 Anaconda2 和 Anaconda3 开头的文件Python 2 相关的那些直接跳过。下载速度忽快忽慢。这种情况不要迷信某一个源直接换一个多试几个就能找到当下最快的。如果文件已经下了一部分可以尝试续传但续传完成后务必校验因为不同源的同一个文件在理论上是一致的实际同步状态可能有细微差别。现象大概率原因处理方式文件体积明显偏小下到了错误页换源重下下载后安装报解压错误文件损坏校验后重下页面加载很慢或打不开网络问题换镜像站找不到历史版本进错了目录确认在归档目录内5.2 安装环节的坑Windows 上提示“conda 不是内部或外部命令”。这是最典型的一个。原因就是前面说的安装时没把 conda 加进 PATH这也是推荐做法但得知道怎么用。正确方式是打开开始菜单里的专用命令行入口它会自动激活 base 环境。如果你非要在普通终端里用得手动执行激活脚本路径在安装目录下的Scripts\activate.bat。安装过程中报创建菜单项失败。这个报错在 Windows 上不影响核心功能本质是开始菜单快捷方式的创建出了问题。装完之后你仍然可以在安装目录里找到命令行入口只是没有开始菜单图标了。想彻底解决就卸载重装装之前把旧的安装目录删干净。Linux 上装完命令不生效。正常现象安装脚本不会自动改 shell 配置。手动执行一次初始化然后source一下对应配置文件或者直接重开一个终端窗口。如果初始化命令本身报错先确认你用的是不是安装目录下的那一个 conda 可执行文件别用系统里另一个 conda 的。macOS 上提示无法打开安装包。系统安全策略拦截去设置的隐私与安全里放行。不要从第三方站点下什么“已解锁版”来源不明的安装包风险太大。5.3 环境环节的坑PackagesNotFoundError说找不到某个版本的包。这个报错通常有两层原因一是频道里确实没有这个组合比如你要求的库版本太新不支持 3.8二是频道配置有问题实际查的是个空频道。先看报错里列出的搜索频道再确认对应的包在 3.8 下到底存不存在。实在不行就用 pip 装pip 的索引更全代价是依赖解析没有 conda 那么严格。解算环境卡了十几分钟没动静。conda 的依赖解算是 NP 难题库越多越慢。几个缓解手段尽量指定精确的版本号缩小搜索空间减少频道数量频道越多组合越多用速度更快的解算后端新版 conda 默认已经换了实现老版本可以手动指定。真的卡死就中断用conda create -n py38 python3.8 --no-deps只装解释器再逐个补库。SSL: CERTIFICATE_VERIFY_FAILED。老版本 conda 在新系统上访问仓库时的经典报错根本原因是本体的证书链太旧。处理思路是升级本体或者临时用--insecure绕过但后者只是权宜之计不适合长期用。这也从侧面说明了为什么我倾向装新版包。环境里混进了 base 的包。表现是激活 py38 之后conda list里能看到一些你根本没装的东西。这通常是激活没成功导致的先确认命令提示符前面有没有环境名前缀。还有一个原因是 pip 安装时用了全局的 pip装到了 base 里养成习惯用python -m pip install确保用的是当前环境里的 pip。磁盘越用越少。conda 会把下载过的包缓存下来目录在安装根目录下的pkgs里用久了能占十几个 G。定期执行conda clean -a清掉无用的缓存和索引注意这个命令会删掉所有未使用环境的包缓存正在用的环境不受影响但下次建新环境要从头下。现象排查方向处理找不到包版本组合 / 频道降版本或改用 pip解算卡住约束太宽收紧版本或加 --no-deps证书校验失败本体过旧升级 conda环境里混入多余包激活未生效检查提示符前缀磁盘占用高包缓存堆积conda clean -a5.4 两个容易被忽略的细节第一个是不要把业务包装在 base 环境里。base 是 conda 自己运行的基础一旦往里塞东西很容易出现 conda 命令本身依赖的库被降版本的情况表现是 conda 突然罢工、各种命令报模块缺失。所有项目一律建独立环境这是最容易养成也最值得养成的习惯。第二个是卸载要彻底。Anaconda 卸载后用户目录下还留着.conda、.condarc、.jupyter这类配置和缓存重装的时候这些残留会被继承导致“明明重装了还是报同样的错”。卸载完手动清一遍这些目录和文件重装才是真的干净。6. 关于版本选择和长期维护的一些个人看法Python 3.8 这个版本已经走完了自己的生命周期官方不再提供安全更新这是客观事实不用回避。但在实际工作中你依然会不断遇到它老旧的生产系统、锁死的依赖、只在特定版本上验证过的算法这些都是现实约束不是一句“升级就好了”能解决的。所以真正需要建立的能力不是记住某个版本的下载地址而是知道怎么在一个统一的工具链里为不同项目隔离出互不干扰的运行环境。我自己的做法是机器上只保留一个较新的 Anaconda 作为底座所有历史项目通过环境隔离每个项目根目录下放一份环境文件交接的时候连文件一起给出去。这样即便过两年我忘了当时装了什么重新conda env create一次就能还原。同时我会在本地留一份离线安装包放在不常动的位置遇到没网、镜像站抽风、或者对方机器限制严重的场合几秒钟就能救急。还有一点经验是不要过度追求“最新”。3.8 上面的库版本选择是有限的你硬要用某个新特性往往得连带升级一串依赖最后环境崩掉。更稳的做法是接受这个版本的边界在边界内选一组经过验证的组合钉死然后不要动它。环境稳定了精力才能放到真正的业务上。这也是我这些年每次收拾烂摊子时最深的感受——出问题的从来不是版本老而是同一个环境里塞了太多互相不认识的东西。