为何Miniconda每个独立环境约占用2GB存储空间？

这个是非常普遍的情况，大量conda用户都遇到过相同的问题，核心原因和可优化方案如下：

占用过高的核心原因 #

• Conda默认通过硬链接机制复用pkgs目录下的缓存包，当硬链接失效时，每个环境都会独立复制全量依赖文件，自然会出现单环境占用2GB甚至更高的情况。常见的硬链接失效场景包括：环境存储目录和Miniconda主目录不在同一个磁盘分区、pkgs目录权限被修改、使用了不支持硬链接的文件系统（如FAT32、WSL1跨系统挂载目录等）。
• 若每个环境安装的大体积依赖（如tensorflow、keras、pytorch等）版本和pkgs目录中缓存的版本不匹配，conda会为该环境单独下载对应版本的依赖，不会复用现有缓存。
• 通过pip安装的包不会走conda的硬链接复用逻辑，所有pip安装的依赖都会单独存储在对应环境的site-packages目录下，若多个环境各自用pip安装了大体积库，也会导致每个环境占用偏高。

优化方案 #

• 先执行conda clean -p清理pkgs目录中无任何环境引用的冗余缓存包，可先释放一部分pkgs的占用空间。
• 确保所有创建的conda环境和Miniconda主目录存储在同一个磁盘分区，最大化硬链接复用率，正常复用生效的场景下，包含tensorflow的环境额外占用通常仅几十MB，远低于2GB。
• 若需要创建多个依赖相近的环境，可先搭建一个安装了公共大体积依赖的基础环境，再通过conda create --name 新环境名 --clone 基础环境名的方式克隆环境，克隆过程会优先使用硬链接复用已有文件，大幅降低新增环境的空间占用。
• 优先使用conda命令安装依赖，减少pip安装的频次；若必须使用pip安装公共依赖，可先安装到基础环境后再克隆，避免每个环境独立安装重复的大体积pip包。

内容的提问来源于stack exchange，提问作者WhoDatBoy