在Apple Silicon(ARM) Mac上使用 x86 conda 环境

在Apple Silicon(ARM) Mac上使用 x86 conda 环境

在Apple Silicon Mac上使用x86 conda环境的教程。

新推出的Apple Silicon Mac配备了自家的M1芯片，与传统的Intel芯片版本相比，新款Mac在续航、散热和性能方面实现了显著提升。然而，由于M系列芯片采用ARM架构而非x86架构，导致基于Intel芯片生态的程序在Mac上面临兼容性问题。苹果推出了Rosetta 2转译器，虽然在一定程度上牺牲了性能，但仍确保了先前的应用程序在新一代M系列芯片Mac上运行。对于科研用户来说，尽管面临性能损失，但Mac的卓越表现还是吸引了他们。近期，Python 3.9及更新版本以及常用库如numpy加入了对ARM原生支持，conda也推出了ARM版本，这使得用户可以方便地安装和管理各种基于ARM的库，并享受原生运行带来的极高效率。

然而，对于许多第三方库，由于维护更新和适配原因，它们并未加入对原生ARM的支持。例如，宇宙学领域常用的数据分析库nbodykit，就可能遇到找不到所需库或安装失败的问题。对于熟悉Python编程但不懂编译原理的用户来说，直接从源码编译这些库可能显得束手无策。

为了解决这一问题，可以通过以下步骤在ARM芯片的Mac上运行x86的conda环境。首先，安装miniconda，可以使用官方文档提供的ARM/x86的miniconda安装文件。接下来，通过简单命令创建一个名为x86_env的3.12版本的Python虚拟环境，并安装必要的库，如numpy和jupyter。这样，用户可以在ARM架构下运行原生的conda环境。

性能对比显示，ARM原生运行的numpy相较于转译版本的性能表现在2倍以上。通过比较，用户可以清楚地看到原生ARM架构的优势。

对于已经安装了x86版本miniconda的用户，可以通过反向操作在现有环境上创建ARM架构的虚拟环境。这通常适用于早期M1 Mac用户。具体操作是将miniconda安装文件名从Miniconda3-latest-MacOSX-arm64.sh更改为Miniconda3-latest-MacOSX-x86_64.sh，然后创建ARM架构的虚拟环境。

总结，本教程详细介绍了如何在搭载M系列芯片的Mac上搭建x86和ARM架构的Python虚拟环境。对于将Python作为生产工具的科研用户，特别是那些不愿涉及编译细节，又希望同时享受ARM原生高性能和x86卓越兼容性的用户，本教程提供了实用的解决方案。随着Windows on ARM领域的发展，期待针对Python及其conda环境管理器的解决方案在更多平台上得到实现，让更多用户体验到ARM原生Python带来的卓越性能和节能优势。