uv ile 1 yıl: Artıları, eksileri ve geçişte dikkat edilmesi gerekenler

• Bir yıl boyunca farklı müşteri ortamlarında kullanılan uv, Python projelerine başlamayı ve bağımlılık yönetimini büyük ölçüde basitleştiriyor; mümkün olan ortamlarda önce denenmeye değer
• Mevcut pip/venv iş akışını büyük ölçüde korurken daha hızlı ve daha kararlı çalıştığı için geçiş maliyeti nispeten düşük
• Python kurulumu, sanal ortam, kilit dosyası, çalıştırma, derleme ve geçici araç çalıştırmayı tek bir araçta birleştirerek proje deneme maliyetini ciddi biçimde azaltıyor
• Ancak eski bağımlılık çözümleme hataları, python-build-standalone destek kapsamı, 20 GB’tan fazla büyüyebilen önbellek, kurumsal güvenlik politikaları ve CLI bariyeri gerçekçi kısıtlar
• Python ile çalışmaya devam ediyorsanız uv kullansanız bile pip ve venv bilmeniz gerekir; uv’nin izin verilmediği ya da uygun olmadığı ortamlara hazırlıklı olmak gerekir

---

Python projelerinin zorlaşmaya başladığı nokta

• Python’daki en büyük sorunun kökü, Python’ın kendisini hazırlama ve yeni bir projeye başlama aşamasındaki önyükleme sürecinde yatıyor
• Sonrasında yaşanan paketleme sorunlarının önemli bir kısmı da bağımlılık kurulumu ya da paket derlemenin kendisinden çok ilk Python kurulumu ve proje yapılandırmasından kaynaklanıyor
• Python kurulum yöntemleri işletim sistemine göre değişiyor; varsayılanlar ve tuzaklar da birbirinden farklı
• Yeni başlayanlara uygun bir dil olmasına rağmen Python kurmak için önceden bilinmesi gereken çok şey var
• Python; öğrenciler, veri bilimciler, yapay zeka geliştiricileri, web geliştiricileri, sistem yöneticileri, biyologlar, coğrafyacılar, eklenti geliştiricileri gibi çok çeşitli gruplar tarafından kullanılıyor
• Şirket Windows makineleri, Debian kişisel dizüstüleri, üniversiteler, kamu kurumları, startup’lar, ordu, araştırma laboratuvarları ve büyük şirketler gibi çalışma ortamları çok farklı olduğundan tek bir öğreticiyle herkesi kapsamak zor
• PATH, PYTHONPATH, birden fazla Python sürümünün birlikte bulunması, Linux’taki isteğe bağlı paketler, sistem bağımlılığı olarak Python ve derlenen eklentilerin popülerliği karmaşıklığı artırıyor
• İyi bir Python proje yönetim aracı şu koşulları karşılamalı
  • Python önyüklemesinden bağımsız çalışmalı
  • Platformlar ve durumlar arasında Python kurulumunu ve çalıştırmayı birleştirmeli
  • pip ve venv gibi temel araçlarla köprü görevi görmeli
  • Güçlü bir bağımlılık çözücüsüne sahip olmalı
  • Basit kurulumları kolayca halletmeli, başka işletim sistemlerinde kilitlenmiş bağımlılıkları kurmak gibi karmaşık işleri de yapabilmeli
  • Kurulumu ve kullanımı kolay olmalı; yığının önemli bir kısmını emanet edecek kadar güvenilir olmalı

uv’nin önyükleme yaklaşımı

• uv, Python’dan tamamen bağımsız biçimde kurulup güncellenir; uv kurulumu ile Python kurulumu birbirini etkilemez
• Python’ın önyükleme sorunları, PATH sorunları ve import sorunları uv’nin kendisini etkilemez
• Kurulum konumunun sistemde mi sanal ortamda mı olacağı, yeni anahtar sözcüklerin ya da kaldırmaların uv’yi nasıl etkileyeceği gibi kafa karışıklıkları azalır
• uv önce pip ve venv arayüzlerini sunarak mevcut projeler, araçlar ve düşünme biçimleriyle birlikte kullanılabilmesini sağladı
  • Bu, mevcut topluluk ve eski kodlar düşünülerek yapılmış bir tercih
  • Kullanıcılar uv run, uv add, uvx öğrenmeden de mevcut pip·venv iş akışındaymış gibi kullanabilir
  • Temel işlerde sağlanan hız ve güvenilirlik bile geçiş için yeterli neden oluşturur
• Python kurulum özelliği de sunar
  • Tüm işletim sistemlerinde birleşik bir yöntemle kurar
  • Yönetici yetkisi gerektirmez
  • Sistem Python’ından bağımsız çalışır
  • Birden fazla sürüm kurulduğunda çakışma yaşanmaz
  • Aynı standart kütüphaneyi sunar ve tkinter da dahildir
  • Pypy, No-GIL ve TCO sürümlerini de içerir
  • Shim, derleme ya da mantıksız varsayılanlar olmadan çalışır

Python kurulum deneyimi ve python-build-standalone

• uv python install pypy3.8 örneği Python 3.8.16’yı 2,71 saniyede kuruyor
• Aynı yöntem Mac veya Windows’ta da çalıştırılabilir
• Tcl, OpenSSL, Gzip ile ilgili eksik paketler, başka Python kurulum kaynaklarıyla çakışmalar, işletim sistemine göre değişen paradigmalar, eksik komutlar ya da yanlış yapılandırılmış PATH ortaya çıkmaz
• uv’nin Python kurulumu python-build-standalone kullanır; Astral bu projeyi devralıp iyileştiriyor
• Astral bu kazanımları cPython üst projesine geri kazandırmaya çalışıyor ve komşu açık kaynak projelerine de katkıda bulundu

Proje yönetimi özellikleri

• uv init varsayılan olarak .venv, pyproject.toml, Python için .gitignore içeren bir git deposu, README.md ve hello.py oluşturur
• Kök bağımlılıklar pyproject.toml içinde tanımlanabilir ya da uv add ile eklenebilir
• uv remove depoyu doğru şekilde temizler
• uv lock --upgrade-package <package>==<version> paketleri tek tek ve dikkatli biçimde yükseltmeyi sağlar
• uv build projeden .whl paketi üretir, ancak uv projenin derlenebilir olmasını zorunlu tutmaz
• uv run, sanal ortam etkinleştirilmemiş olsa bile komutu onun içinde çalıştırır
  • Kullanıcının sanal ortamın varlığını ya da etkinleştirme kavramını bilmesi gerekmez
• Bu komutlar kilit dosyasını otomatik ve şeffaf biçimde günceller
  • uv hızlı olduğu için güncellemenin gerçekleştiği neredeyse hissedilmez
  • Kullanıcının kilit dosyasının ne olduğunu bilmesi gerekmez
• Kilit dosyası çapraz platformdur; Windows’ta geliştirip Linux’a dağıtım yapabilirsiniz

Performans, kararlılık ve hata mesajları

• uv’nin performansı, bağımlılık kurulumu ve proje denemeleri için gereken maliyeti düşürür
• Hızlıca yeniden başlayabildiğiniz için birçok denemeyi yük oluşturmadan tekrarlayabilirsiniz
• pyenv, pipenv, poetry gibi araçlar çeşitli ortamlarda stack trace vererek bozulabiliyordu; uv ise çok sağlam çalıştı
• Astral’ın kalite tarafında özellikle üç nokta öne çıkıyor
  • Hata düzeltmeleri hızlı ve geri bildirimler ile raporlara duyarlı
  • Güçlü bir test kültürü var; bağımlılık çözümleme test paketi ayrı bir paket olarak sunuluyor
  • Hata mesajları çok iyi
• uv add httpie==2 örneği, httpie==2.0.0’ın requests>=2.22.0’a bağımlı olduğunu ancak projenin requests==1’e bağımlı olması nedeniyle gereksinimlerin karşılanamaz hale geldiğini adım adım gösteriyor
• Bağımlılık çözümleme hata mesajlarında pubgrub’ın etkisi var, ancak uv genelindeki hata mesajları da aynı yönde ilerliyor
• Eğitim ortamında uv kullanıldığında öğrenciler fazla müdahale gerektirmeden üretken biçimde çalışabildi; diğer araçlarda böyle bir deneyim yaşanmadı
• Yeni profesyonel projeler uv’nin avantajlarını kolayca elde etti, ancak eski projelerde engelleyici unsurlar ortaya çıkabilir

uvx ve yeni kullanım biçimi

• uv, Python ve bağımlılıkların hazırlanması ile yalıtılmasını güçlü ve hızlı temel bileşenler olarak sunar
• Önceden Python ve bağımlılık hazırlığı yavaş ve kırılgan bir kısıtken, uv’de iş akışını ayarlayan bir özellik gibi ele alınabilir
• uv run --with jupyter jupyter notebook, mevcut projede Jupyter’ı çalıştırır ancak Jupyter’ı ve bağımlılıklarını projeye eklemez
• uvx --with pendulum -p 3.13t python, yeni Python No-GIL derlemesini indirip kurar, geçici bir sanal ortam oluşturur, pendulum kurar ve ardından Python shell’i başlatır
• uvx, Python için npx benzeri bir araçtır; pipx’in düzgün yapılmış hali olarak görülebilir
• Satır içi bağımlılık desteği, küçük Python betiklerinde bağımlılık kullanma biçimini değiştirir
  • Önceden küçük betiklerde bağımlılıklardan kaçınmak ya da zahmetli dolambaçlı çözümler kullanmak gerekiyordu
  • Artık bağımlılıklar hızlı, şeffaf ve kendi kendini açıklayan bir yöntemle kullanılabiliyor
• Bu özellikler dayatılmadığı için kullanıcılar ihtiyaç duyduklarında keşfedip benimseyebilir

uv’nin başarısız olduğu veya rahatsızlık verdiği noktalar

• uv gerçek paketleme sorunlarını sizin yerinize çözemez
  • Yanlış sürüm marker’ları, wheel eksikliği, isim çakışmaları gibi sorunlar uv’nin kontrolü dışındadır
  • Bu sorunlar PyPI’daki veri kalitesinin içinde yer alır
  • uv’de paketleme sorunlarının azalmasının nedeni diğer kısımları doğru ele almasıdır
• Daha katı bağımlılık çözücüsü nedeniyle eski pip’in gevşek çözümlemesine bel bağlayan eski projelerin sanal ortamları bozulabilir
  • 15 yıllık bir kod tabanının yeni Python 3’e taşındığı ve temizlenmemiş pip freeze kayıtları üzerine kurulu olduğu bir vakada uv çalışmadı
• uv’nin yerleşik Python kurulumu, python-build-standalone ile derlenmiş sürümlerle sınırlıdır
  • python.org kurucusu, deadsnake ve pyenv ile daha fazla Python sürümü kurulabilir
  • Belirli bir Python sürümüne mutlaka ihtiyaç duyan eski projeler için bu sorun olabilir
  • uv dışarıdan kurulmuş Python ile de iyi çalıştığı için bu tamamen engelleyici değildir
• python-build-standalone çalıştırılabilir dosyaları biraz yavaş olabilir
  • pyperformance ölçütüne göre uv’nin 3.10’u Ubuntu’nun Python’ından %3 daha yavaştı
  • Donanım optimizasyonuyla derlenmiş Python kullanmak isteyebilirsiniz
• Önbellek alanı da bir dezavantaj olabilir
  • 1 yıllık kullanım sonrası uv önbelleği diskte 20 GB’tan fazla yer kapladı
  • uv cache clean ile silinebilir, ancak bu durumda hız avantajı kaybolur
  • pipten farklı olarak paketleri hard link ile bağlayıp yalnızca bir kez yer kaplattığı için, önceki birçok sanal ortamın toplamından daha az yer kaplıyor olması da mümkündür
• $UV_PYTHON’ın varsayılan sürüm vermek yerine Python sürümünü zorlaması gibi bir rahatsızlık vardı; ilgili issue üzerinde çalışılıyor
• uv açık kaynak olsa da ticari bir şirket olan Astral’ın ürünüdür
  • Astral henüz kârlı değil ve ticari ürünü de yayımlanmadı
  • Yığının önemli bir kısmını emanet etmeden önce temkinli olunması gerektiğini düşünenler de var
  • Buna karşılık uv’ye geçiş maliyetinin ve uv’den çıkış maliyetinin düşük olduğu da söylenebilir
• En büyük sınırlama kurumsal benimsemedir
  • Güvenliği sıkı ve kilitli büyük kurumsal ortamlarda yeni bağımlılık kurmak çok zordur
  • BT güvenlik birimleri makinelerde neler yapılabileceğini kontrol ediyorsa uv kurulumuna izin vermeyebilir
  • Kararlı sürüme ulaşıp çeşitli gereksinimleri karşılayana kadar kurumsal ortamlarda kısıtlar büyüktür
• CLI da bir bariyerdir
  • Komut satırına alışık olmayan Python kullanıcıları, özellikle Windows kullanıcıları az değildir
  • Anaconda’nın GUI’ye sahip olmasının nedenlerinden biri de budur
  • Tamamen yeni başlayanlar için CLI aracı şartı giriş bariyeri oluşturur
• uvx ve uv tool install, pipx gibi araçları proje dışına kurmaya yönlendirir
  • yt-dlp, httpie gibi bağımsız araçlar için uygundur
  • mypy gibi Python sürümüne ya da kütüphane sözdizimine duyarlı geliştirme araçları, projeden farklı bir Python sürümüne kurulup sorun çıkarabilir

uv’den kaçınılması gereken durumlar

• uv kullanılmaması gereken beş durum vardır
  • uv’nin bağımlılık çözümlemesiyle çalışmayan eski bir projeniz var ve geçiş için temizleme yapacak kapasiteniz yok ya da bunu istemiyorsunuz
  • Kurumsal ortam uv kullanımına izin vermiyor
  • Henüz kararlı sürüm olmaması, Astral’ın ticari ürününün çıkmamış olması ya da Rust katkıcı havuzunun küçük olması nedeniyle güvenmiyorsunuz
  • uv’nin sunmadığı belirli bir Python sürümüne ihtiyacınız var ve uv’yi dışarıdan kurulmuş Python ile birlikte kullanmak istemiyorsunuz
  • Ekip için CLI çok büyük bir engel
• Güven meselesi ve belirli Python sürümü konusu teknik engelden çok bir tercih niteliğinde
• Kurumsal ortam kısıtları konusunda kullanıcının yapabileceği çok şey yok
• Pratikte dikkate alınması gereken temel noktalar eski bağımlılıklar ve CLI bariyeri
• Tavsiye basit
  • Her zaman önce uv’yi deneyin
  • Çalışmazsa eski yönteme dönün ya da bir geçici çözüm bulun
• CLI sorun oluyorsa Python hazırlığı için python.org kurucusu kullanılabilir, uv’yi saran IDE eklentileri önerilebilir
• Programlama yapabilen kişilerin uv kullanmak için gereken temel komut satırı bilgilerini öğrenme ihtimali yüksektir

Gelecekteki konumu

• Kurumsal ortamlarda kullanılabilmesi için v1’e kadar kapatılması gereken bir mesafe var; şirketlerde sık güncelleme yapmak zor olduğundan kararlı sürüm önemlidir
• pex/shiv’e alternatif olabilecek paketleme özelliğinin ve build backend’in eklenmesi beklenebilir
• Uygulamalar için kurucu oluşturma özelliği mantıksal sonuç gibi görünse de sadece imzalama bile düzgün ele alınması zor olduğundan çok daha karmaşıktır
• task desteği netleştiğinde kişisel ihtiyaçlar açısından özellikler yeterli hale gelecek
• Python mesleğinizse pip ve venv kullanımını hâlâ öğrenmelisiniz
  • Çünkü bir gün uv kullanamayacağınız bir durumla karşılaşabilirsiniz
• Sonuç olarak uv, maliyeti düşük ve getirisi yüksek olduğu için kullanılabildiği ortamlarda önce denenmeye değer bir Pareto çözümüdür