基于bandersnatch搭建pip本地源

由于现在工作在单位局域网环境下，不能联接互联网，Python程序的开发和部署需要很多地三方的包，为了便于在局域网环境下学习和使用Python进行程序开发，特在有互联网的电脑上同步了一份Pip源，定期同步部署到局域网服务器上。

查了不少资料，发现PyPi官方推荐使用 https://pypi.python.org/pypi/bandersnatch 这个软件，会定时抓取官方镜像，安装简单一次安装之后你就不用管了而且运行也非常稳定。

安装

安装配置bandersnatch比较容易，首先安装python 2.7，pip，virtualenv，然后：

$ virtualenv bandersnatch
$ cd bandersnatch
$ source ./bin/activate
$ pip install -r https://bitbucket.org/pypa/bandersnatch/raw/stable/requirements.txt[/code] 
配置
运行bandersnatch需要root权限，并进行配置，配置文件路径为/etc/bandersnatch.conf。首次执行bandersnatch可以生成该文件：

# sudo bin/bandersnatch mirror


注：执行此命令后，会有如下输出：


2014-06-14 16:25:28,645 WARNING: Config file ‘/etc/bandersnatch.conf’ missing, creating default config.

2014-06-14 16:25:28,645 WARNING: Please review the config file, then run ‘bandersnatch’ again.

需要重新编辑/etc/bandersnatch.conf文件，修改pypi源的存储路径，即将#directory = /srv/pypi 修改为你自己设定的路径。

修改完成后，重新执行bin/bandersnatch mirror，就开始同步pip官方源到本地，此过程可能比较长，而且可能会由于网络原因超时报错，需要多次重复执行该命令。


加速
由于bandersnatch默认是和官方的pypi源进行同步，国内访问速度和稳定性欠佳，试着修改该源，发现bandersnatch使用xml rpc方式向配置文件中定义的master服务器地址获取包列表信息的，而国内pypi源普遍只提供http方式下载，而没有提供相应的xml rpc服务。

因此，通过修改配置文件中的master源的方法看来是不行了。那就尝试一下能不能在下载环节进行加速，包列表还是向官网获取，下载地址指向国内地址也行，毕竟，同步的大部分时间是花在下载过程中的。

经过对比发现，豆瓣网的pypi源存储地址和官方源的结构是一样的只是域名部分的差别，让从官方下载的包，改为从豆瓣网下载。

试着从bandersnatch源码入手看看能不能解决这个问题。

发现bandersnatch源码的master.py第39行get函数是作用下载文件:

def get(self, path, required_serial, **kw):
logger.debug('Getting {0} (serial {1})'.format(path, required_serial))
if not path.startswith(self.url):
path = self.url + path
# here, path is already https://pypi.python.org/packages/ ...
r = self.session.get(path, timeout=self.timeout, **kw)


该函数被多个地方调用，因此，复制该函数，再建立一个cn_get函数，修改该函数，替换包下载地址的域名部分，实现从douban下载。修改后的部分源码为：

def cn_get(self, path, required_serial, **kw):
logger.debug('Getting {0} (serial {1})'.format(path, required_serial))
if not path.startswith(self.url):
path = self.url + path

cn_url = "http://pypi.douban.com"
cn_path = path.replace(self.url, cn_url)

# here, path is already https://pypi.python.org/packages/ ...
r = self.session.get(cn_path, timeout=self.timeout, **kw)


在package.py的197行附近，修改调用master.get方法为cn_get。

r = self.mirror.master.cn_get(url, required_serial=None, stream=True)
checksum = hashlib.md5()


然后重新运行

# sudo bin/bandersnatch mirror


你会发现，下载速度”嗖嗖的“，完成！