第2章环境准备与安装

环境准备与安装：系统要求与依赖检查、Tuning工具安装步骤详解、验证安装是否成功

大家好，我是你们这堂课的讲师。咱们直接进入正题——Tuning工具的环境准备与安装。

说实话，我见过太多人一上来就急着敲命令，结果装到一半报错，然后花大把时间排查环境问题。嗯，这其实完全可以避免。你想想看，工具本身不复杂，复杂的是你机器上的各种依赖冲突。所以，咱们先把地基打牢。

先聊聊系统要求。Tuning工具对操作系统其实挺友好的，但有几个硬性条件你得满足。

我个人习惯在Ubuntu 20.04上跑，因为它的包管理更顺手。但如果你用的是CentOS，也别担心，步骤几乎一样。

依赖检查这块，我建议你提前确认几个关键组件：

怎么检查？打开终端，敲下面这几行：

python3 --version
pip3 --version
git --version
gcc --version

如果哪个命令报“未找到”，那就得先装上。我在项目中遇到过有人卡在这一步，结果是因为系统自带的Python是2.7，硬着头皮装了半天才发现。所以，别偷懒，先检查一遍。

注意： 如果你用的是CentOS，默认可能没有安装Python 3。可以用 yum install python3 来装。Ubuntu用户则用 apt install python3。

好，环境检查完了，咱们开始装工具。整个过程分三步走，说白了就是：拉代码、装依赖、跑起来。

我建议你创建一个专用目录，比如 ~/tuning-tool，然后把代码克隆下来：

mkdir ~/tuning-tool
cd ~/tuning-tool
git clone https://github.com/example/tuning-tool.git

这里要注意，如果你在公司内网，可能得配一下代理。我曾经因为没配代理，git clone卡了半小时，最后发现是网络问题。嗯，这种坑踩过一次就够了。

进入项目目录，用pip安装依赖：

cd tuning-tool
pip3 install -r requirements.txt

这个过程可能会有点慢，因为要下载一堆科学计算库。你想想看，像numpy、pandas这些，都是几百MB的大家伙。如果网络不好，建议换个国内镜像源：

pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

小技巧： 我个人习惯在安装前先创建一个虚拟环境，避免污染全局Python。命令是 python3 -m venv venv，然后 source venv/bin/activate 激活。

有些底层模块需要编译。运行项目自带的编译脚本：

python3 setup.py build

如果这一步报错，多半是gcc没装或者版本太低。我记得有一次帮同事排查，发现他的gcc版本是4.8，死活编译不过。升级到7.5后，问题就解决了。

装完了，怎么知道它能不能用？别急，咱们跑个简单的测试。

项目里一般会带一个示例脚本，比如 example.py。直接执行：

python3 example.py

如果看到类似下面的输出，说明安装成功了：

Tuning Tool v1.0.0
System check passed.
Ready to start tuning.

你也可以手动检查关键模块是否能导入：

python3 -c "import tuning_tool; print(tuning_tool.__version__)"

如果没报错，还输出了版本号，那恭喜你，环境已经准备好了。

  验证清单：
  ✅ 所有依赖安装无报错
✅ 示例脚本正常运行
✅ 模块导入成功

如果验证失败怎么办？别慌。先看报错信息，90%的问题都是依赖版本不匹配。我曾经遇到一个情况，numpy版本太高，导致某个底层接口不兼容。解决办法很简单：把numpy降级到指定版本就行。

pip3 install numpy==1.21.0

嗯，这里要提醒一句：不要盲目追求最新版。稳定比什么都重要。

为了让你对整个安装流程有个直观印象，我画了一张图。你可以把它当作一张“地图”，走到哪一步心里都有数。

这张图把整个流程串起来了。从检查系统开始，到安装依赖，再到工具安装，最后验证。如果中间任何一步出错，就顺着“失败分支”去排查。说白了，这就是个线性流程，每一步都踩实了，后面就不会出幺蛾子。