Conda创建环境时‘solving environment’卡住及.condarc位置异常求助

1. 手动创建缺失的.condarc并优化源配置 #

conda info显示的.condarc路径不存在时，手动创建并配置高效的源规则，这是解决求解缓慢的核心步骤：

• 创建.condarc文件：

  touch /PHShome/ys738/.condarc
  

• 编辑文件写入以下配置（优先使用国内镜像源+严格通道优先级）：

  channels:
    - conda-forge
    - bioconda
    - defaults
  channel_priority: strict
  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
    bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  

  说明：channel_priority: strict会强制优先使用前面通道的包，大幅减少版本冲突的求解时间；国内镜像源能提升集群环境下的元数据拉取速度。

2. 简化环境配置文件，降低求解复杂度 #

如果env.yml中包数量过多或版本限制过严，会导致conda求解陷入死循环：

• 移除env.yml中非必要的包版本约束，仅保留核心依赖（如Python版本）
• 拆分创建流程：先创建基础环境，再逐步添加包：

  # 先创建仅含Python的基础环境
  conda create -p ./env python=3.9
  # 把env.yml中的包提取为requirements.txt，再批量安装
  conda install -p ./env --file requirements.txt
  

3. 使用Mamba替代Conda执行环境创建 #

Mamba是Conda的C++重写实现，求解速度比原生Conda快10-100倍，尤其适合复杂环境：

• 先在base环境安装Mamba：

  conda install -n base mamba
  

• 用Mamba创建环境：

  mamba env create -f env.yml -p ./env
  

4. 清理Conda缓存，修复元数据异常 #

缓存的过期元数据可能导致求解卡住，清理后重新拉取：

conda clean -a

清理完成后重新执行环境创建命令。

5. 验证集群网络与源的连通性 #

集群可能存在网络防火墙限制，导致无法正常访问源：

• 测试镜像源的连通性：

  curl -I https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  

  若返回HTTP/1.1 200 OK则网络正常，否则联系集群管理员开放对应域名的访问权限。

内容的提问来源于stack exchange，提问作者Yeping Sun