被遗忘的 Python 环境：快速清理磁盘

Source: Dev.to

沉默增长的未被监控

虚拟环境起初看似很小，但会迅速成倍增长：

• 测试项目
• 黑客马拉松仓库
• 教程克隆
• 临时分支
• 从未关闭的概念验证（PoC）

在实际的依赖管理（框架、数据库、工具）下，每个环境可能占用数百 MB，甚至 GB。

技术垃圾的隐藏位置

不仅仅是 .venv/：

• 缓存的 Poetry 环境
• conda 环境
• .tox 文件夹
• 分散的 __pycache__ 目录
• dist//build/ 打包产物

这类文件会悄然增多，因为几乎没有默认工作流会自动清理它们。

专业的四步清理策略

1) 删除前先盘点

先看到，后行动。

2) 按类型和年龄分类

删除昨天创建的环境和删除180天未触碰的环境并不是同一件事。

3) 安全分批清理

先从缓存和产物开始，然后再处理旧的环境。

4) 自动化维护

如果不自动化，问题会再次出现。

KillPy 作为维护组件（不做广告）

在完成盘点后，难点在于找到分散在各种工具和仓库中的环境，并按年龄/大小进行排序。 KillPy 可以扫描指定路径并在删除前列出候选项。

实用示例：

# 查看使用概览
killpy stats --path ~

# 列出旧环境
killpy list --older-than 120

# 模拟清理而不实际删除
killpy delete --type cache --dry-run

对大多数开发者而言，每月一次的检查足以保持本地环境健康。

常见错误

• 盘点前就直接删除。
• 在未检查最近访问时间的情况下删除正在使用的环境。
• 项目运行时清理缓存。
• 不对锁文件进行版本管理，导致后期无法重新构建环境。

预防最佳实践

为每个项目保持统一标准

• 在仓库根目录使用 .venv。
• 编写并记录官方命令。
• 避免在仓库外随意创建环境。

让依赖管理可复现

• 保持 pyproject.toml 健康。
• 每次依赖变动后更新锁文件。

CI/CD 黄金规则

• 从头构建环境。
• 不复用上一次作业的残余。
• 使用显式命令。

稳健示例：

python -m venv .venv
.venv/bin/python -m pip install -e ".[dev]"
.venv/bin/python -m pytest

15 分钟月度操作手册

• 按环境类型查看存储大小。
• 删除缓存和构建产物。
• 检查 90 天以上未使用的环境。
• 确认活跃项目能从锁文件干净地重建。

遵循此手册，你可以显著降低维护摩擦。

最后洞见

掌握 Python 虚拟环境并不止于创建 .venv/。真正的成熟在于闭环：

• 创建得好
• 维护得好
• 清理得好

这就是专业运维的模样。

结论

下次磁盘空间告急时，别先怪 Docker。先检查你的 Python 环境——你可能在被废弃的环境中积累的技术债务，比本月写的代码还多。

如果陈旧的环境持续吞噬磁盘空间，安排定期的盘点 + 清理；如果想让扫描/列出步骤自动化，KillPy 是一个可选方案。