百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Yarn 和 npm 评测对比,如何混合使用?

ztj100 2024-11-07 13:40 34 浏览 0 评论



前言:

在之前的文章中,给大家简单介绍了yarn的基本概念和命令使用方法。我们说,yarn是一个非常具有竞争力的依赖管理工具。甚至最近几年,它的热度一度超过传统工具npm。它简洁的日志输出方式,依赖管理方案,以及下载速度,都给开发者带来了非常棒的体验。下面我给大家用实际开发场景测试一下,具体说明yarn的优势。

1. 待测试命令


通过以上待测试命令,我们可以看到:

  1. 相同功能的命令,yarn的命令更加简洁,且更加语义化。
  2. yarn的全局安装使用 global 命令,但是yarn本身并不希望我们全局安装某些包,更希望我们每一个项目单独去管理依赖及版本。全局安装某些包后,如果需要删除模块,用 yarn global remove 就好,如果需要清除缓存,用 yarn cache clean
  3. 如npm run 等很多命令,我们可以直接替换成yarn run,降低了学习记忆成本。


2. 命令运行效果

为了方便大家看到测试运行效果,我们简单做了前期准备,使用vue cli初始化了一个项目,在相同的环境相同的网速情况下安装一些依赖。
先介绍一下我们项目
package.json 里的配置项


首先,我们使用npm来安装这些依赖:

然后,我们删除 node_modules 文件夹中已经安装好的依赖,使用yarn重新安装一遍。

总结:通过以上测试,我们可以明显看出,同样的安装依赖,使用yarn 安装的log输出,页面简洁内容详细,而npm相比之下就逊色了很多。并且最重要的,yarn的速度优势体现淋漓精致,比npm的速度快了几倍。这只是在依赖很少的项目中就可以看出速度对比,在我们日常开发的大型前端项目框架中,yarn的速度优势会更加明显。

npm 和 yarn混合使用

在平时的开发中,尤其是一些相对较老的项目,我们是通常是使用npm来初始化项目的。那现在我们想使用yarn,是不是就要重新搭建环境,或者改动很多配置呢?答案是no,我们不需要做什么改动,因为它们都遵循着同一个配置文件 package.json 的规范,我们可以直接在npm的基础上使用yarn,也能完美运行,下面,用实际项目证明我们的观点。

同样还是使用上文中的配置项。

然后我们使用npm来初始化项目,安装基础依赖。

安装完成后我们的项目就多了一个 node_modules 文件夹,里面就是我们用npm安装的所有依赖。

接下来,我们使用 yarn ,在npm安装的依赖基础上再追加一个新的依赖包 elementUI

安装成功!说明安装是没问题的,然后我们再尝试使用 yarn 卸载 npm 安装的依赖。

删除成功,说明 yarn 可以完美适配 npm 的项目,我们可以将原有的npm项目平滑的过渡到yarn项目,非常的方便。

相比npm,yarn在安装过程中的优势

  • 离线模式:yarn会有一个缓存目录,会缓存以前安装过的软件包,再次安装时就不必从网络下载了,大大加速安装速度。
  • 性能优化:下载软件时会自动优化请求顺序,使安装效率更高。
  • 网络回弹:yarn在某个安装包请求失败时不会导致安装失败,它会自动去尝试重新安装。而npm则会毫不犹豫的失败,导致得再来一次,耗费时间

小结

通过以上测评,相信大家已经感受到了yarn的优势,希望在日常开发中,大家有机会可以多尝试多总结,提高我们的开发效率和体验。

相关推荐

再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)

在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...

python编程:如何使用python代码绘制出哪些常见的机器学习图像?

专栏推荐...

python创建分类器小结(pytorch分类数据集创建)

简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...

matplotlib——绘制散点图(matplotlib散点图颜色和图例)

绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...

python实现实时绘制数据(python如何绘制)

方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...

简单学Python——matplotlib库3——绘制散点图

前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...

数据分析-相关性分析可视化(相关性分析数据处理)

前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...

免费Python机器学习课程一:线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...

用Python进行机器学习(2)之逻辑回归

前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...

【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂

一、拟合和回归的区别拟合...

推荐2个十分好用的pandas数据探索分析神器

作者:俊欣来源:关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...

神经网络基础深度解析:从感知机到反向传播

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...

取消回复欢迎 发表评论: