1. 为什么选择Miniconda？

在Linux ARM64架构上搞开发，最头疼的就是环境配置。我经历过无数次"这个包怎么装不上"的绝望时刻，直到发现了Miniconda这个神器。它不像Anaconda那样带着几百个可能永远用不上的预装包，而是给你一个干净的Python环境，想装什么自己决定。

ARM64架构现在越来越常见了——树莓派4B、AWS Graviton实例、苹果M1芯片都在用。但很多Python包的二进制轮子（wheel）默认只提供x86版本，这时候Miniconda的conda包管理器就能自动帮你编译适配ARM64的版本，省去手动编译的麻烦。

2. 准备工作

2.1 确认系统架构

在终端里敲这个命令：

uname -m

如果看到aarch64或者arm64，说明你的系统是ARM64架构。我遇到过有人把树莓派的ARMv7（显示armhf）误认为ARM64，结果死活装不上。

2.2 清理旧环境

如果你之前装过Anaconda/Miniconda，建议先彻底卸载：

rm -rf ~/miniconda3 # 删除安装目录 nano ~/.bashrc # 删除conda相关的环境变量

特别是.bashrc里那些conda init添加的内容，不清理干净可能导致新老版本冲突。

3. 下载与安装

3.1 获取正确的安装包

Miniconda官方下载页面默认显示的是x86版本，ARM64版本需要手动修改URL。我推荐用这个直链（2023年最新版）：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh

注意：别用浏览器下载再传服务器，直接用wget能避免文件权限问题

3.2 验证文件完整性

下载后务必校验SHA256：

sha256sum Miniconda3-latest-Linux-aarch64.sh

对比官网公布的哈希值（在下载页面右键"复制链接地址"就能看到sha256后缀的文本文件）。我去年就遇到过镜像站文件被篡改导致conda命令异常的情况。

3.3 执行安装脚本

关键安装命令：

bash Miniconda3-latest-Linux-aarch64.sh -b -p $HOME/miniconda3

参数说明：

• -b：批处理模式，不用交互式确认
• -p：指定安装路径（推荐用家目录避免权限问题）

安装完成后需要激活：

source ~/miniconda3/bin/activate

这时候命令行前面应该会出现(base)前缀，表示conda基础环境已激活。

4. 配置优化

4.1 换国内镜像源

默认源在国外，速度慢到怀疑人生。修改~/.condarc文件：

channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

4.2 设置环境自动激活

如果想让终端自动进入conda环境，可以：

conda init bash

然后新开终端就会自动加载conda。但注意这可能会影响其他脚本执行，服务器环境建议保持默认。

5. 常见问题解决

5.1 安装后conda命令找不到

典型症状：输入conda显示"command not found" 解决方法：

export PATH="$HOME/miniconda3/bin:$PATH" source ~/.bashrc

如果还不行，检查.bashrc是否被正确修改，有时候zsh用户需要改的是.zshrc。

5.2 创建环境失败

ARM64架构下创建环境可能报错：

PackagesNotFoundError: The following packages are not available

这是因为有些包确实没有ARM64版本。解决方法：

1. 先尝试用conda-forge频道：

   conda install -c conda-forge 包名

2. 实在没有就用pip安装：

   pip install 包名 --no-binary :all: # 强制从源码编译

5.3 空间不足问题

Miniconda基础安装大约需要1GB空间，但后续安装包会快速膨胀。建议：

• 安装时指定到大容量目录：

  bash Miniconda.sh -b -p /mnt/data/miniconda3

• 定期清理缓存：

  conda clean --all

6. 进阶技巧

6.1 多版本Python管理

创建指定Python版本的环境：

conda create -n py38 python=3.8 # 创建Python3.8环境 conda activate py38

不同项目用不同环境，避免包冲突。我习惯用环境名_py版本的命名方式，比如nlp_py310。

6.2 环境导出与迁移

导出当前环境配置：

conda env export > environment.yml

在新机器上复现环境：

conda env create -f environment.yml

注意：跨架构迁移时需要删除yml文件里的platform限制

6.3 与Docker配合使用

在Dockerfile中集成Miniconda安装：

FROM arm64v8/ubuntu:20.04 RUN apt update && apt install -y wget bzip2 RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh \ && bash Miniconda3-latest-Linux-aarch64.sh -b -p /opt/conda \ && rm Miniconda3-latest-Linux-aarch64.sh ENV PATH /opt/conda/bin:$PATH

7. 性能优化建议

ARM64架构下这些设置能提升conda效率：

1. 设置并行下载：

   conda config --set default_threads 4

2. 使用libmamba加速：

   conda install -n base conda-libmamba-solver conda config --set solver libmamba

3. 对于科学计算，安装Intel MKL的替代品：

   conda install -c conda-forge blas=*=openblas

我在树莓派集群上实测，这些优化能让包安装速度提升3倍以上。特别是libmamba，解决了传统conda依赖解析慢的老大难问题。