开发环境初始化设置手册

本手册旨在指导您在 Ubuntu 22.04 系统上快速搭建一个功能完备的开发环境。请按顺序执行以下步骤。

第一步：系统更新与基础工具

保持系统最新是保证安全和稳定性的基础。同时，安装所有开发活动所依赖的核心工具。

1.1 更新系统软件包

执行以下命令，更新软件包列表并升级所有已安装的软件包到最新版本。

sudo apt update && sudo apt upgrade -y

1.2 安装基础开发工具包

安装编译工具、网络工具和版本控制系统，这些是后续所有开发工作的基础。

sudo apt install build-essential wget curl git software-properties-common -y

第二步：核心编程语言环境

安装Python和Java，这是目前最主流的两种后端开发语言。

2.1 安装 Python 环境

安装 Python 3、包管理器 pip、开发文件以及用于创建虚拟环境的 venv。

sudo apt install python3 python3-pip python3-dev python3-venv -y

2.2 安装 Java 环境

安装 OpenJDK 11，这是一个长期支持（LTS）版本，广泛用于企业级应用开发。

sudo apt install openjdk-11-jdk -y

第三步：专项服务环境配置

根据具体业务需求，配置Web服务器、AI开发框架和容器化平台。

3.1 Web 开发环境 (mod_perl)

此部分指导如何搭建一个基于 Apache 和 mod_perl 的高性能 Web 服务环境。 [1]

关键步骤摘要：

• 安装 Apache 和 MySQL：为Web服务提供基础。 [1]
• 启用 prefork 模式：mod_perl 推荐的工作模式。 [1]
• 安装 mod_perl 及依赖：安装核心的 mod_perl 模块和相关的Perl库。 [1]
• 配置 Apache：设置虚拟主机，并将特定URL路径（如 /devscore/v1.0/）交由对应的Perl处理器（如 Evaluator）处理。 [1]
• 部署业务代码：将Perl程序文件部署到指定目录（/etc/apache2/modperl）。 [1]

详细的配置文件和命令，请参考原始文档：mod_perl服务说明。 [1]

3.2 人工智能开发环境 (TensorFlow)

此部分介绍如何在VPS上为CPU配置一个完整的TensorFlow深度学习开发环境。 [2]

关键步骤摘要：

• 创建Python虚拟环境：使用 venv 创建一个独立的项目环境（如 tf_env），以避免包冲突。 [2]
• 安装科学计算包：安装 numpy, pandas, matplotlib 等核心数据科学库。 [2]
• 安装 TensorFlow (CPU版)：由于服务器通常没有GPU，因此安装CPU优化版的 tensorflow-cpu。 [2]
• 安装 Jupyter (可选)：提供一个交互式的Web开发界面。 [2]
• 环境激活：每次使用前，需要通过 source tf_env/bin/activate 命令激活虚拟环境。 [2]

详细的安装命令、测试脚本和性能基准测试代码，请参考原始文档：在VPS上安装tensorflow开发环境。 [2]

3.3 容器化环境 (Docker)

安装 Docker，用于构建、分享和运行应用程序的容器化平台。

1. 安装 Docker.io 软件包

   sudo apt install docker.io -y

2. 启动并设置开机自启 Docker 服务

   sudo systemctl start docker
   sudo systemctl enable docker

3. 将当前用户添加到 docker 组（免 sudo）

   这样您就可以直接执行 docker 命令，而无需每次都输入 sudo。注意：执行后需要重新登录或重启终端才能生效！

   sudo usermod -aG docker $USER

第四步：数据库设置 (MySQL)

配置和初始化MySQL数据库，为应用程序提供数据存储服务。

4.1 MySQL 性能调优

根据服务器硬件（特别是内存）对MySQL进行性能调优，是发挥其最大潜能的关键。 [3]

配置摘要 (针对128GB总内存，32GB分配给MySQL)：

• innodb_buffer_pool_size = 24G：最重要的参数，将绝大部分热数据和索引缓存于内存中。 [3]
• innodb_buffer_pool_instances = 16：减少高并发下的内部锁竞争。 [3]
• innodb_log_file_size = 2G：提高写入性能。 [3]
• innodb_flush_method = O_DIRECT：绕过操作系统缓存，避免双重缓冲，提升I/O效率。 [3]

完整的 mysqld.cnf 配置文件和各参数的详细解释，请参考原始文档：MySQL Tuning for 128G Server。 [3]

4.2 创建数据库和用户

登录MySQL后，执行以下SQL命令来创建业务数据库和授权用户。

-- 创建一个名为 xtu_ai_test 的数据库
CREATE DATABASE xtu_ai_test;

-- 创建一个名为 'ops' 的用户，允许从任何主机(%)连接，并设置密码
CREATE USER 'ops'@'%' IDENTIFIED BY 'YourSecurePasswordHere';

-- 赋予 'ops' 用户对 xtu_ai_test 数据库的所有权限
GRANT ALL PRIVILEGES ON xtu_ai_test.* TO 'ops'@'%';

-- （可选，但推荐）修改用户认证方式为兼容旧版客户端的密码插件
ALTER USER 'ops'@'%' IDENTIFIED WITH mysql_native_password BY 'YourSecurePasswordHere';

-- 刷新权限，使更改立即生效
FLUSH PRIVILEGES;

4.3 导入数据库备份

如果您有现成的SQL备份文件（例如 xtu_ai_test.sql），可以使用以下命令将其导入到新创建的数据库中。

cat xtu_ai_test.sql | sudo mysql -uroot xtu_ai_test

第五步：代码同步工具 (CodeSync)

CodeSync 是一个基于 rsync 的强大代码同步工具，用于在开发机、备份机和生产机之间保持代码一致。 [4]

核心用法：

• 上传代码 (本地 → 远程)：codesync put <项目>
• 下载代码 (远程 → 本地)：codesync get <项目>

项目映射示例：

• codesync put perl: 将本地 /etc/apache2/modperl 目录同步到远程 /code_backup/modperl。 [4]
• codesync get java: 将远程 /code_backup/java 目录同步到本地 $HOME/code_backup/java。 [4]

标准工作流程：

1. 在开发机修改代码。
2. 在开发机执行 codesync put <项目> 上传到备份服务器。 [4]
3. 在生产机执行 codesync get <项目> 从备份服务器拉取更新。 [4]

有关该工具的完整使用手册、危险场景警告和最佳实践，请务必阅读原始文档：CodeSync - 代码同步工具使用手册。 [4]