适合的才是最好的：记一次内网安装feather经历

这两天在搞一个数据分析的小项目，自己想当然的认为数据量大，需要用一个快速保存和读取数据的工具，于是在网上想到了用feather, 于是就开始了一个复杂折腾的安装过程，中间遇到很多坑。
第一个坑：
由于数据分析环境是在一个内网（不能访问互联网），我想把feather安装到内网环境，于是从网上下了feather包装到内网，没想到他需要的一个pyarrow的依赖包，而这个依赖包没有下。
第二个坑：
我不知道feather到底需要多少依赖包，怕再出错，想着先在外网安好，然后把所有包都导出，最后整体放到内网环境安装，想法是好的，但实现的时候报错了，原来我的两边python版本不一致，导致部分包安装出错。
第三个坑：
于是，我把两边Python版本弄一致，都想弄成64位的python310,结果又出错了，原来 我的内网电脑是win7，而win7上面只适配python3.8以前的版本。
第四个坑：
我把两边python都换成了64位的python3.8，按照前面 的设想，终于安装好了，结果发现我内网电脑上的cx_Oracle不能用了，原来是因为cx_Oracle要用到的oci.dll是32位的，不能在64位的机子上跑。
第五个坑：
为了兼容cx_Oracle，我把两边环境都变成了32位python3.8，没想到pyarrow竟然只支持64位的python，也就是说feather也只支持64位python ! 也就是说我遇到了cx_Oracle与feather的矛盾，一个支持32位python,一个支持64位python,无语了。

这时候，我其实还有三个方案：

1. 在内网电脑上弄一个32位python,弄一个64位python,然后需要用到cx_Oracle时用32位python, 需要用到feather时用64位python.
2. 鉴于现在电脑普遍都是64位了，我需要换一个64位的oracle驱动oci.dll 这需要安装64位的oracle client和64位的pl/sql，那就意味着我现有pl/sql上的一个好用的插件可能在pl/sql上面不能再用了。
3. 放弃使用feather。

我现在决定的方案是放弃使用feather,虽然他在存储和速度上很快，但是他的优势不值得我花更多的时间去折腾他了，况且我测试了下我的数据，我实际需要的数据也不算多：一个月最多5万条数据，我需要分析40个月的数据，也就是说最多只有200万条的数据，就算是用csv，也不会慢很多。