Linux(Ubuntu/CentOS)安装Python 3的两种方法:包管理器与源码编译

Chloe
Chloe
发布时间:2026-11-22| 15人浏览过
原创

详细讲解在 Ubuntu 与 CentOS/RHEL 系统中安装 Python 3 的两种主流方法:系统包管理器(APT/DNF/YUM)快捷安装与官方源码编译安装,包含依赖配置、make altinstall 原理、路径隔离与生产环境选型建议。

在 Linux 服务器与开发环境中,安装与配置 Python 3 是一项基础且关键的操作。无论使用的是基于 Debian 的 Ubuntu,还是属于 Red Hat 家族的 CentOS 与 Rocky Linux,获取 Python 3 主要有两种通用途径:一是使用系统预装的包管理器(APT / DNF / YUM),二是下载官方发布的源码包进行本地编译。前者速度极快且由发行版维护依赖,适合常规运行;后者能够任意选择具体版本并定制编译参数,适合对版本或性能有严苛要求的场景。理解两种方式的机制与路径规则,是保障 Linux 系统稳定与 Python 应用正常运转的前提。

一、系统环境认知与 Python 路径隔离机制

在动手安装之前,有必要先了解一个在初学者中极易引发故障的事实:现代 Linux 系统的许多底层组件(如 CentOS 的 dnf/yum 工具、Ubuntu 的 cloud-init 及网络管理服务)本身就是由系统自带的 Python 解释器驱动的。

系统包管理器安装的 Python 通常位于 /usr/bin/python3,直接关联着操作系统核心组件;而通过源码编译安装时,默认目标前缀为 /usr/local/bin/。维护这两者之间的隔离,不仅能满足新业务对新版 Python 的需求,还能彻底杜绝系统底层运维工具因解释器环境被篡改而瘫痪的严重事故。

Linux(Ubuntu/CentOS)安装Python 3的两种方法:包管理器与源码编译
图 1:Linux 系统原生核心解释器与用户独立安装解释器的路径边界及定位差异

二、方法一:使用系统包管理器安装

包管理器安装是最便捷、省时的方法。Linux 发行版官方仓库中打包了经过兼容性验证的稳定二进制文件,自动处理动态链接库依赖,并能随系统的安全补丁一同更新。

1. Ubuntu / Debian 系统下的安装操作 (APT)

在 Ubuntu(如 20.04、22.04 或 24.04 LTS)中,官方仓库默认维护了对应的 Python 3 发行版。建议同步安装 python3-pip 和 python3-venv,以获得完整的模块管理与虚拟环境隔离能力:

# 1. 更新软件源元数据索引
sudo apt update

# 2. 安装 Python 3 主解释器、包管理器与虚拟环境组件
sudo apt install -y python3 python3-pip python3-venv

# 3. 验证安装结果与查看版本
python3 --version
pip3 --version

若需要安装 Ubuntu 官方默认仓库之外的较新版本(例如在较旧的 LTS 版本上运行 Python 3.12),通常会引入社区长期维护的 deadsnakes PPA 仓库:

# 添加 deadsnakes PPA 软件源(需提前安装 software-properties-common)
sudo apt install -y software-properties-common
sudo add-apt-repository -y ppa:deadsnakes/ppa
sudo apt update

# 安装指定版本及配套虚拟环境
sudo apt install -y python3.12 python3.12-venv

2. CentOS / RHEL 系统下的安装操作 (DNF / YUM)

在 RHEL 系列中,CentOS 7 主要使用 yum,而 CentOS 8、CentOS Stream、Rocky Linux 及 AlmaLinux 则使用现代化的 dnf:

# 对于 CentOS 8 / Rocky Linux / RHEL 9 (DNF)
sudo dnf check-update
sudo dnf install -y python3 python3-pip

# 对于传统的 CentOS 7 (YUM)
sudo yum update -y
sudo yum install -y python3 python3-pip

# 验证安装状态
python3 --version
pip3 --version
Linux(Ubuntu/CentOS)安装Python 3的两种方法:包管理器与源码编译
图 2:基于操作系统原生包管理器的安装与环境配置流

三、方法二:通过官方源码编译安装

尽管包管理器十分简便,但在需要使用 Python 最新发布的特性、针对特定硬件开启编译优化(如 PGO 与 LTO)、或者在服务器中部署非系统自带的小版本时,源码编译是更直接可靠的选择。

源码编译的核心在于:前置依赖安装完整、编译配置开启优化、安装阶段坚持使用 make altinstall。以下以编译安装 Python 3.12 为例展开标准化操作。

1. 安装编译所必需的底层构建工具与开发库

Python 解释器在编译时需要 C 编译器(GCC)、构建工具(Make)以及解析加密、压缩、数据库模块的底层 C 开发头文件。如果缺失对应的库,Python 虽然能勉强编译完成,但会在运行时报 ModuleNotFoundError: No module named '_ssl' 或 No module named '_ctypes' 等硬性错误。

Ubuntu / Debian 依赖安装:

sudo apt update
sudo apt install -y build-essential zlib1g-dev libncurses5-dev libgdbm-dev \
    libnss3-dev libssl-dev libreadline-dev libffi-dev libsqlite3-dev \
    libbz2-dev liblzma-dev wget curl

CentOS / RHEL / Rocky Linux 依赖安装:

# 启用开发工具组并安装常用依赖包
sudo dnf groupinstall -y "Development Tools"
sudo dnf install -y openssl-devel bzip2-devel libffi-devel zlib-devel \
    readline-devel sqlite-devel xz-devel wget

2. 下载官方源码与解压缩

访问 Python 官方发布镜像(python.org/ftp/python/),下载对应版本的 tarball 归档文件:

# 进入临时工作目录下载源码包(以 3.12.3 为例)
cd /tmp
wget https://www.python.org/ftp/python/3.12.3/Python-3.12.3.tar.xz

# 解压并进入解压目录
tar -xf Python-3.12.3.tar.xz
cd Python-3.12.3

3. 配置编译参数与性能调优

运行源码根目录下的 ./configure 脚本生成 Makefile。强烈推荐加入 --enable-optimizations 参数,它会启用 Profile Guided Optimization (PGO) 与 Link Time Optimization (LTO),在编译阶段运行一套基准测试用例收集分析数据,生成能提升 10%~20% 运行性能的优化二进制代码:

./configure --enable-optimizations --with-ensurepip=install

4. 多核并行编译

使用 nproc 获取服务器的可用 CPU 核心数,开启并行编译以成倍缩减编译等待时间:

# 使用所有可用 CPU 核心进行编译
make -j $(nproc)

5. 核心关键步:执行 make altinstall

编译成功后执行安装。请务必使用 altinstall 而非常规的 install。

重要机制解析:为什么必须使用 make altinstall?

如果执行 make install,构建系统会创建名为 python3 和 pip3 的默认符号链接,这将直接覆盖或抢占系统全局的 /usr/local/bin/python3 甚至是系统默认的指向。一旦系统级工具(如 Ubuntu 的 unattended-upgrades 或 CentOS 的 dnf)调用了不兼容的新解释器,将导致严重的包管理器损坏或系统无法维护。执行 make altinstall 会刻意跳过创建无后缀的软链接,最终只生成携带完整版本号的文件(如 python3.12 和 pip3.12),实现绝对安全的多版本共存。

# 安全安装至 /usr/local/bin
sudo make altinstall

6. 验证新解释器状态

安装完成后,直接通过带小版本号的命令调用验证:

# 检查编译产物的版本
python3.12 --version

# 检查配套的独立 pip
pip3.12 --version

# 查看安装位置
which python3.12
# 输出示例:/usr/local/bin/python3.12
Linux(Ubuntu/CentOS)安装Python 3的两种方法:包管理器与源码编译
图 3:从依赖预装到参数优化、make altinstall 安全落地的标准编译过程

四、两种安装方式的综合对比与选型维度

为了在实际运维与工程开发中做出合理技术决策,下表系统对比了两种方式的核心差异:

评估维度 包管理器安装 (APT / DNF / YUM) 源码编译安装 (Source Build)
安装耗时 约 30 秒至 1 分钟(下载预编译包即解包) 约 10 至 30 分钟(视 CPU 核心数及 PGO 优化测试轮次而定)
版本自主度 受发行版官方仓库收录策略限制,版本相对保守 完全自主,可自由选择最新的 Alpha/Beta/正式版或历史指定版本
依赖管理复杂度 全自动,包管理器自动拉取配套的 glibc 与动态库 需手动提前配置 C 编译器和各底层开发库头文件
运行性能调优 采用发行版通用编译选项,兼顾最大兼容性 可指定 -O3、--enable-optimizations,针对本机架构获得最高性能
系统稳定性风险 极低,由发行版官方充分回归测试 只要遵循 altinstall 则完全隔离;若误用 make install 风险极高
卸载与升级维护 极简,apt remove 或 dnf remove 即可清除 需要手动删除 /usr/local 下的相关二进制和标准库目录
Linux(Ubuntu/CentOS)安装Python 3的两种方法:包管理器与源码编译
图 4:基于项目版本诉求与运维场景的技术选型决策流

五、安装后的标准实践:创建独立的虚拟环境

无论采用上述哪种方式完成 Python 3 的安装,在现代 Linux 上部署实际项目时,都应遵守一个关键准则:切勿直接使用 sudo pip install 安装全局第三方库。

在较新的 Ubuntu(23.04+ 及 24.04 LTS)和 Debian 12 中,系统已默认实施了 PEP 668 保护机制(会提示 externally-managed-environment 错误),明确阻止全局 pip 写入系统库目录,以防第三方轮子包覆盖系统基础依赖。

正确的做法是统一基于目标解释器创建轻量级虚拟环境(venv):

# 场景 A:基于包管理器安装的 Python 创建虚拟环境
python3 -m venv ~/my_project_env

# 场景 B:基于源码编译安装的 Python 3.12 创建虚拟环境
python3.12 -m venv ~/my_project_env

# 激活虚拟环境
source ~/my_project_env/bin/activate

# 此时环境内的 pip 与 python 均安全指向独立沙箱
(my_project_env) $ python -V
(my_project_env) $ pip install requests fastapi uvicorn

# 退出虚拟环境
(my_project_env) $ deactivate

通过遵循“包管理器快速就绪”或“源码编译隔离安装”,并始终配合 venv 组织具体应用代码,可以在 Ubuntu 与 CentOS 环境下同时拥有稳定的系统底层和灵活、高效的 Python 开发运行栈。

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。