开发基础设施

CI/CD 管道概述

uv 项目使用 GitHub Actions 进行持续集成和部署，并将其组织成多个专门的工作流，以处理开发生命周期的不同方面。

主要 CI 工作流

主要的 CI 工作流定义在 .github/workflows/ci.yml1-896，并提供跨多个平台和配置的全面测试。

工作流包含几个关键组件

变更检测：.github/workflows/ci.yml21-68 确定代码更改是否需要全面测试
代码质量：使用 rustfmt、clippy 以及 ruff 和 mypy 等 Python 工具进行 linting
多平台测试：在 Linux (depot-ubuntu)、macOS 和 Windows 上并行执行测试
二进制构建：为所有支持的平台创建用于冒烟测试的调试二进制文件
生态系统测试：使用 Prefect 和 Flask 等真实项目验证 uv

来源：.github/workflows/ci.yml1-896

发布编排

发布过程由 cargo-dist 通过 .github/workflows/release.yml1-275 进行协调，它协调多个构建和发布作业。

发布工作流遵循结构化方法

规划：.github/workflows/release.yml54-93 确定需要构建和发布的内容
并行构建：用于二进制文件和 Docker 镜像的自定义作业
产物托管：准备发布产物和元数据
发布：使用可信发布将产物上传到 PyPI
公告：创建带有所有产物的 GitHub 发布
文档：更新文档站点

来源：.github/workflows/release.yml1-275

测试基础设施

uv 采用复杂的测试基础设施，包括传统的单元/集成测试以及使用生成测试用例的基于场景的测试。

基于场景的测试

核心测试方法使用 packse 工具生成涵盖复杂依赖解析场景的全面测试场景。

场景生成过程涉及多个组件

场景源：scripts/scenarios/requirements.txt13-14 定义 packse>=0.3.39 作为场景提供者
生成脚本：scripts/scenarios/generate.py1-321 处理场景文件并渲染测试代码
模板：scripts/scenarios/templates/ 包含不同测试类型的 Mustache 模板
测试输出：生成的 Rust 测试文件包含嵌入式快照断言

生成脚本 scripts/scenarios/generate.py80-253 执行多个关键功能

场景加载：检查 packse 场景文件以提取测试元数据
模板渲染：使用 chevron-blue 从模板生成 Rust 测试代码
快照更新：自动运行 cargo insta test 以更新测试快照
格式化：将 rustfmt 应用于生成的测试文件

来源：scripts/scenarios/generate.py1-321 scripts/scenarios/templates/compile.mustache1-107 scripts/scenarios/templates/install.mustache1-119 scripts/scenarios/templates/lock.mustache1-90

测试类别

场景系统生成三种不同的测试类别

测试类型	模板	目的	主要功能
`pip_install_scenarios`	install.mustache1-119	包安装	虚拟环境测试，导入验证
`pip_compile_scenarios`	compile.mustache1-107	依赖项编译	Requirements.txt 生成，版本约束
`lock_scenarios`	lock.mustache1-90	通用解析	Lockfile 生成，平台无关的解析

每个测试类别都使用场景元数据中定义的特定解析器选项

安装测试：专注于成功的包安装和导入验证
编译测试：测试具有 Python 版本约束的依赖项解析
Lock 测试：测试用于跨平台兼容性的通用解析

来源：scripts/scenarios/templates/install.mustache72-117 scripts/scenarios/templates/compile.mustache56-105 scripts/scenarios/templates/lock.mustache30-88

构建和发布系统

构建系统使用 GitHub Actions 和专用工具的组合，为众多平台创建了多种类型的产物。

多平台二进制构建

二进制构建过程定义在 .github/workflows/build-binaries.yml1-713 并为所有支持的平台创建原生二进制文件。

构建过程处理了几个复杂因素

交叉编译：.github/workflows/build-binaries.yml318-330 设置在 64 位系统上进行 32 位编译
内存限制：对 ARM 构建使用 JEMALLOC_SYS_WITH_LG_PAGE=16 进行特殊处理
测试：.github/workflows/build-binaries.yml422-436 使用 run-on-arch-action 进行原生架构测试
多个二进制文件：构建 uv 和 uvx 二进制文件，并在 Windows 上构建 uvw

来源：.github/workflows/build-binaries.yml1-713

Docker 镜像管道

Docker 构建系统创建具有广泛变体支持的多平台容器镜像。

Docker 管道包含几个高级功能

多平台：.github/workflows/build-docker.yml44-46 为 linux/amd64 和 linux/arm64 进行构建
基于摘要： .github/workflows/build-docker.yml97-120 使用内容寻址构建
动态变体： .github/workflows/build-docker.yml230-268 为不同的基础镜像生成 Dockerfile
证明文件： .github/workflows/build-docker.yml297-302 创建构建的来源记录

来源： .github/workflows/build-docker.yml1-392

包分发

构建产物通过多个渠道进行分发，并实现自动化发布

渠道	工件	自动化
PyPI	Python wheels，源发行版	publish-pypi.yml1-52
GitHub Releases	二进制文件，校验和	release.yml227-265
容器注册中心	Docker 镜像，变体	build-docker.yml122-392
安装脚本	Shell/PowerShell 安装程序	`cargo-dist` 生成

来源： .github/workflows/publish-pypi.yml1-52 .github/workflows/release.yml227-265 .github/workflows/build-docker.yml122-392

维护自动化

一些自动化工作流处理日常维护任务，以保持项目最新。

Python 版本同步

.github/workflows/sync-python-releases.yml1-49 工作流会自动跟踪新的 Python 版本并更新 uv 的元数据。

此自动化通过以下方式确保 uv 与 Python 版本保持同步：

每日检查： .github/workflows/sync-python-releases.yml7-8 基于 cron 计划运行
元数据获取：更新 Python 下载 URL 和版本信息
Sysconfig 同步：更新特定于平台的 Python 配置映射
拉取请求： .github/workflows/sync-python-releases.yml37-48 自动创建 PR 以供审核

来源： .github/workflows/sync-python-releases.yml1-49

文档发布

文档系统通过 .github/workflows/publish-docs.yml1-144 自动发布 uv 文档更新到文档站点。

发布流程包括：

版本管理： .github/workflows/publish-docs.yml35-48 从版本信息中提取版本信息
Insiders 支持： .github/workflows/publish-docs.yml63-83 同时处理公共和 Material for MkDocs Insiders 版本
自动化部署： .github/workflows/publish-docs.yml132-143 自动合并文档 PR 以进行发布

来源： .github/workflows/publish-docs.yml1-144