python virtualenv

virtualenv用于创建独立的Python环境，多个Python相互独立，互不影响，它能够：
1. 在没有权限的情况下安装新套件
2. 不同应用可以使用不同的套件版本
3. 套件升级不影响其他应用

安装
$ mkdir demo-project
$ cd demo-project

$ sudo pip install –upgrade virtualenv
$ sudo apt-get install python-virtualenv

使用方法
virtualenv [虚拟环境名称]
如，创建**ENV**的虚拟环境
virtualenv ENV
$ virtualenv env

默认情况下，虚拟环境会依赖系统环境中的site packages，就是说系统中已经安装好的第三方package也会安装在虚拟环境中，
如果不想依赖这些package，那么可以加上参数 –no-site-packages建立虚拟环境
virtualenv –no-site-packages [虚拟环境名称]

启动虚拟环境
cd ENV
source ./bin/activate
注意此时命令行会多一个(ENV)，ENV为虚拟环境名称，接下来所有模块都只会安装到该目录中去。
$ source env/bin/activate

运行虚拟环境
(env) $ pip install djangocms-installer
(env) $ djangocms -p . my_demo

**** 经常误删文件夹 ****

退出虚拟环境
deactivate

在虚拟环境安装Python套件
Virtualenv 附带有pip安装工具，因此需要安装的套件可以直接运行：

pip install [套件名称]
如果没有启动虚拟环境，系统也安装了pip工具，那么套件将被安装在系统环境中，为了避免发生此事，可以在~/.bashrc文件中加上：

export PIP_REQUIRE_VIRTUALENV=true
或者让在执行pip的时候让系统自动开启虚拟环境：

export PIP_RESPECT_VIRTUALENV=true

Virtualenvwrapper
Virtaulenvwrapper是virtualenv的扩展包，用于更方便管理虚拟环境，它可以做：
1. 将所有虚拟环境整合在一个目录下
2. 管理（新增，删除，复制）虚拟环境
3. 切换虚拟环境
4. …

安装
sudo easy_install virtualenvwrapper
此时还不能使用virtualenvwrapper，默认virtualenvwrapper安装在/usr/local/bin下面，实际上你需要运行virtualenvwrapper.sh文件才行，先别急，打开这个文件看看,里面有安装步骤，我们照着操作把环境设置好。

创建目录用来存放虚拟环境

mkdir $HOME/.virtualenvs
在~/.bashrc中添加行： export WORKON_HOME=$HOME/.virtualenvs

在~/.bashrc中添加行：source /usr/local/bin/virtualenvwrapper.sh

运行： source ~/.bashrc

此时virtualenvwrapper就可以使用了。

列出虚拟环境列表

workon
也可以使用

lsvirtualenv
新建虚拟环境

mkvirtualenv [虚拟环境名称]
启动/切换虚拟环境

workon [虚拟环境名称]
删除虚拟环境

rmvirtualenv [虚拟环境名称]
离开虚拟环境

deactivate

这6万行Python代码被被分成80余个项目进行组织。每个项目提供一个或一组完整的功能集合，每个项目都有自己的 setup.py 文件用来将项目代码打包成 Python 发布包（Distribution），部分项目还有自动文档生成，我们使用的是 Sphinx 和 reST格式的文本。打包好的Python包被发布到我们自己搭建的内网的与 pypi.python.org 兼容的私有 pypi 服务器上，而文档保存在内网的类似于 readthedocs 的服务器上。

后台团队的代码主要运行我们自己的Linux服务器集群上，开发和部署的成本比较低，因此我们使用比较敏捷的开发流程。流程大体上可以分为下面几个步骤：

开发：顾名思义，这个步骤当中，开发人员在开发机上面写代码实现功能，不同的开发人员的开发环境使用 扩展过的 virtualenv 脚本进行隔离；
单元测试：开发人员负责对代码当中的关键部分进行单元测试，通常使用 unittest，我们使用 nose 将测试用例聚合和进行回归测试，不定期使用 coverage 确定代码测试覆盖率（集成在nose当中）。这一步还会使用 PyLint 对代码进行扫描；
构建：使用 python distribute 将 Python代码构建成包，同时将这个包发布到测试版 pypi 服务器（pypi-testing），测试版pypi服务器是我们搭建的若干个私有pypi其中之一，发布工作使用的是我们扩展的 distribute 命令；
测试：在测试机器或测试流程当中，从测试版pypi当中获取最新的库并测试，这个部署过程我们使用 distribute 提供的 easy_install 工具进行；
发布：将经过测试的包从测试版pypi服务器移到发布版pypi服务器，这个同样通过扩展的 distribute 命令；
部署：运维人员从发布版pypi服务器上获取最新的库，并更新到真实的服务器上，并应用新的变更。这个过程当中任何一台单机部署使用的都是 easy_install，在分布式环境下，我们使用 Fabric 进行多机部署；
监控：新版本上线之后，会持续通过日志和报警系统进行系统监控。我们专门扩展了 logging 模块以便适应我们的监控需求。