はじめに
Python の開発環境構築といえば conda。でも依存解決が遅すぎて、環境構築に何十分もかかること、ありませんか？
そこで登場するのが mamba。
「conda互換」「爆速」「C++製で依存解決が速い」と聞いて試してみたのですが──
mambaのインストールすら終わらない。
という新たな地獄に落ちました。
その状況を救ってくれたのが micromamba。
今回は、mamba が詰まりまくっていた私の環境で、micromamba によって劇的に改善した体験を共有します。
背景：環境構築に mamba を使いたかった理由
- OS: Ubuntu 22.04
- 目的：AI系ライブラリ（kedro, scikit-learn, mlflow など）をまとめた開発環境を作成
- 手元の
environment.ymlには 10個以上の依存パッケージが定義
conda では Solving environment に数十分かかっていたため、mamba を使って高速化したいと思ったのがきっかけです。
問題：mamba のインストールが終わらない
conda install mamba -n base -c conda-forge
と打ったのですが、ずっとこの状態：
Solving environment: unsuccessful initial attempt using frozen solve...
retrying with flexible solve...
retrying with repodata.json...
1時間以上たっても進まない。
しかも conda clean --all を試しても改善せず、プロセスを強制終了せざるを得ない状況に。
解決策：micromamba に切り替える
✅ micromambaとは？
mamba の軽量版で、単一の実行ファイルで動作する 高速・自己完結型パッケージマネージャ。condaと完全互換。
✅ インストール方法（1分で完了）
curl -Ls https://micro.mamba.pm/api/micromamba/linux-64/latest | tar -xvj bin/micromamba
export PATH=$PWD/bin:$PATH
eval "$(micromamba shell hook --shell bash)"
これだけで micromamba が使えるようになります。
爆速で環境作成できた！
micromamba create -n lecture-ai-engineering -f environment.yml
micromamba activate lecture-ai-engineering
たった数十秒で環境構築完了。
conda や mamba で止まっていたのが嘘のようでした。
注意点とコツ
-
micromambaは基本的にconda-forgeチャンネルを使うのが無難です（defaultsは避ける）。 -
pip:セクションでトラブルが出ることがあるので、手動でpip installに切り出すのもおすすめ。 - シェル初期化が必要な場合は：
micromamba shell init --shell bash --root-prefix=~/.local/share/mamba
source ~/.bashrc
まとめ：micromamba はcondaユーザーの救世主
| 比較 | conda | mamba | micromamba |
|---|---|---|---|
| 速度 | 🐢 遅い | 🚗 速い | 🚀 爆速 |
| 安定性 | ◯ | △（環境による） | ◎ |
| 導入の手軽さ | 要インストール | 要conda依存 | 単体実行ファイルでOK |
| 容量 | 大 | 中 | 小（100MB以下） |
おわりに
mamba すらインストールできず詰んでいる方へ。
micromamba があなたを救ってくれるかもしれません。
環境構築で悩んでいた時間が嘘のように解消されました。
ぜひ一度試してみてください！