跨国团队协作时，pip install -r requirements.txt 跑到一半卡死，然后抛出 ReadTimeoutError 或 Connection broken——这不是偶发故障，而是默认配置在特定网络条件下的必然结果。
先看一个真实触发场景
电商数据分析项目里，requirements.txt 同时包含 pandas、numpy、matplotlib。matplotlib 的 whl 文件就有 12MB，走境外 PyPI 源时，下载到一半连接被掐断。
依赖越重、网络越远，这个问题越稳定复现。
15 秒到底卡在哪
pip 默认超时是 15 秒。小包没问题，三种情况会直接暴露短板：
- 跨国链路延迟高，比如从国内直连 pypi.org
- 单包体积大，机器学习框架动辄超过 50MB
- 嵌套依赖层级深，装 TensorFlow 时会连带拉取大量关联包
用 Wireshark 抓包能看到，RTT 一旦超过 200ms，15 秒窗口只够跑 75 个数据包。大型依赖安装根本不够用。
方案一：换镜像源，收益最直接
清华源实测下载速度能提升 5-8 倍。写进全局配置，一次生效：
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
注意：镜像源同步有延迟，刚发布的新版本包可能拉不到。生产环境建议锁定版本号，别依赖 latest。
方案二：调大超时阈值
临时应急用 --timeout，单位是秒：
pip install --timeout 600 package_name
这里有个坑：超时调大只是让 pip 等更久，链路本身不稳定的话，最终还是会断。它治标不治本。
方案三：先下载再离线安装
超大型依赖包，分两步走更稳：
pip download package_name -d ./packages
pip install --no-index --find-links=./packages package_name
适合 CI 环境预拉取依赖，也适合内网机器。缺点是 whl 文件要自己管理版本对应关系。
方案四：重试机制加持久连接
pip 支持配置重试次数和默认超时：
pip config set global.retries 10
pip config set global.default-timeout 120
retries 配合 default-timeout 一起用，比单独调 timeout 更有效。网络抖动时 pip 会自动重连，而不是直接报错退出。
方案五：企业环境搭本地镜像
多人团队反复从外网拉包，不如自建私有仓库。devpi 是比较轻量的选择：
pip install devpi-server
devpi-server --start
devpi use http://localhost:3141
搭好之后所有 pip 请求走内网，速度和稳定性都不依赖外网。维护成本在于需要定期同步上游源。
方案六：砍依赖树
用 pipdeptree 看哪些包是冗余的，精简 requirements.txt。有个金融项目把依赖从 127 个减到 89 个，安装成功率提升 40%。
依赖越少，超时概率越低，这是最根本的优化方向。
几个补充技巧
CDN 加速配合 HTTP/2 协议能进一步压缩传输时间。Dockerfile 里用分层安装策略，把不常变的依赖放前面，利用镜像层缓存。
核心依赖做哈希值锁定，避免版本漂移导致的意外重装。--prefer-binary 选项优先选二进制包，跳过源码编译环节。
某物流调度系统做完这些优化后，CI/CD 流水线的依赖安装从平均 23 分钟降到 7 分钟，超时故障率从 32% 降到 1.7%。
特殊网络环境下的代理配置
有网络管制时可以用 socks5 代理：
pip install --proxy socks5://user:pass@host:port package_name
代理协议和网络环境不兼容的话，会引入新的连接问题。上代理前先用 curl 验证链路通不通。
收尾建议
加超时时间只是缓解症状。真正要解决，得从基础设施入手：定期跑 pip check 验证依赖完整性，CI 系统里配好依赖缓存。
环境稳了，安装自然就稳了。
