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！