如何指定Python库版本解决Airflow Docker镜像构建耗时过长问题

你执行的是带gcp扩展的apache-airflow安装命令pip install apache-airflow[gcp]==${AIRFLOW_VERSION}，其中gcp扩展对应的依赖包为apache-airflow-providers-google，该包的官方依赖声明中直接包含google-cloud-os-login组件。
pip会自动拉取安装目标包的全量传递依赖，哪怕你没有显式声明该组件，也没有在这一步安装其他Google云相关依赖，也会触发该包的下载安装流程。近期google-cloud-os-login发布了多个新版本，传递依赖的版本匹配规则没有收紧的情况下，pip需要回溯的版本数量大幅增加，就出现了构建耗时从数分钟暴涨到1小时以上的问题。

pip新版依赖解析器耗时过长的核心原因是缺少明确的版本约束，需要回溯所有历史版本匹配依赖规则，可通过以下两种方式解决：

• 在安装airflow的同一条指令中直接固定google-cloud-os-login的版本，将原安装命令修改为：

  pip install apache-airflow[gcp]==${AIRFLOW_VERSION} google-cloud-os-login==<目标版本号>
  

  解析器拿到明确的版本约束后会直接安装对应版本，不会进行全量版本回溯。
• 提前准备依赖约束文件，将所有需要固定版本的依赖写入constraints.txt，安装时添加-c参数调用约束文件：

  pip install apache-airflow[gcp]==${AIRFLOW_VERSION} -c constraints.txt
  

  该方案适合需要固定多个依赖版本的场景，可统一管理所有约束规则，避免后续新增依赖时再次出现解析耗时过长的问题。

内容的提问来源于stack exchange，提问作者Canovice