环境准备：Linux服务器选型、Python环境安装、虚拟环境配置

做量化套利系统，第一步不是写代码，而是搭环境。

我见过太多人，代码写得挺溜，结果服务器选型就翻车了。要么配置太低跑不动回测，要么系统版本不对装不上依赖。说白了，环境准备这个环节，决定了你后面所有工作的稳定性。

1. Linux服务器选型：别在这上面省钱

我个人习惯用 Ubuntu 20.04 LTS 或 22.04 LTS。为什么？

• 社区活跃，遇到问题搜一下就有答案
• 包管理工具 apt 用起来顺手
• Python 3.8/3.10 默认支持，省去编译的麻烦

你想想看，套利系统跑在云服务器上，最怕什么？网络抖动、磁盘IO瓶颈、CPU飙高。所以选型时我建议关注这几个指标：

配置项	最低要求	推荐配置	说明
CPU	2核	4核及以上	回测和实盘同时跑，CPU不能省
内存	4GB	8GB+	数据缓存、回测计算都吃内存
磁盘	40GB SSD	100GB SSD	历史数据存储，IOPS要够
带宽	5Mbps	10Mbps+	行情数据实时推送，带宽别成瓶颈

2. Python环境安装：版本选对，事半功倍

套利系统依赖的库比较多，比如 pandas、numpy、ccxt、sqlalchemy 这些。Python 版本我建议用 3.9 或 3.10。

为什么不用最新的 3.12？因为有些金融库还没完全适配，你装的时候会报错。我在项目中遇到过，ta-lib 在 3.11 上编译失败，折腾了半天才搞定。所以，稳一点，用 3.9 或 3.10。

安装步骤很简单：

# 更新包列表
sudo apt update

# 安装 Python 3.10
sudo apt install python3.10 python3.10-dev python3.10-distutils

# 安装 pip
wget https://bootstrap.pypa.io/get-pip.py
sudo python3.10 get-pip.py

# 验证安装
python3.10 --version
pip3 --version

3. 虚拟环境配置：隔离是必须的

你想想看，如果所有项目都共用一套 Python 环境，A项目需要 pandas 1.3，B项目需要 pandas 2.0，那不就冲突了吗？

虚拟环境就是干这个的。每个项目有自己的依赖空间，互不干扰。

我个人习惯用 venv，它是 Python 自带的，不需要额外安装。当然，也有人用 conda，但 conda 太重了，套利系统用 venv 完全够用。

# 创建虚拟环境
python3.10 -m venv arbitrage_env

# 激活虚拟环境
source arbitrage_env/bin/activate

# 检查是否激活成功
which python
# 输出应该指向 arbitrage_env/bin/python

# 安装依赖
pip install pandas numpy ccxt sqlalchemy

# 退出虚拟环境
deactivate

4. 核心逻辑：一张图看懂环境准备

下面这张图，是我做这套课程时画的。它把环境准备的三个环节串起来了：

5. 依赖管理：用 requirements.txt 锁定版本

环境搭好了，依赖也装了。但有个问题：你本地装的是 pandas 1.5.3，服务器上装的是 2.0.0，有些 API 变了，代码跑不起来怎么办？

解决办法就是 锁定版本。

# 导出当前环境的依赖列表
pip freeze > requirements.txt

# 在另一台机器上安装
pip install -r requirements.txt

看看 requirements.txt 的内容长什么样：

ccxt==4.0.78
numpy==1.24.3
pandas==1.5.3
python-dotenv==1.0.0
redis==4.5.4
requests==2.28.2
sqlalchemy==2.0.15
websocket-client==1.5.1

6. 验证环境：跑一个简单的测试

环境配好了，怎么知道它能不能用？写个简单的脚本验证一下：

# test_env.py
import sys
import pandas as pd
import numpy as np
import ccxt

print(f"Python 版本: {sys.version}")
print(f"Pandas 版本: {pd.__version__}")
print(f"Numpy 版本: {np.__version__}")
print(f"CCXT 版本: {ccxt.__version__}")

# 测试数据
data = pd.DataFrame({
    'price': np.random.randn(100)
})
print(f"数据测试通过，共 {len(data)} 条记录")
print("环境准备完成！")

运行它：

python test_env.py

如果所有版本都正常显示，没有报错，那恭喜你，环境准备这一步就稳了。

---

好了，环境准备这部分就到这里。记住三个关键词：Ubuntu LTS、Python 3.10、venv 隔离。这三件事做好了，后面的部署工作就顺了。