技术博客与科研笔记

Appearance

发布于 更新于

1. Ubuntu 新机安装 ​

这篇主要整理一台新的 Ubuntu 机器，从基础系统初始化到开发、AI 和常用工具环境的安装顺序。目标不是覆盖所有软件，而是形成一份自己能重复执行的初始化清单。

2. 安装前建议 ​

新机到手后，建议先确认这些基础项：

  • Ubuntu 版本，例如 22.04 或 24.04
  • 机器是否有 NVIDIA GPU
  • 是否需要远程访问
  • 是否需要代理环境
  • 磁盘挂载点和数据盘规划

如果后面要跑模型、做推理、做视频或音频生成，建议尽早把：

  • 系统盘
  • 数据盘
  • 模型盘
  • Docker 存储目录

规划清楚，避免后面反复迁移。

3. 系统基础初始化 ​

3.1. 更新系统 ​

bash
sudo apt update
sudo apt upgrade -y
sudo apt install -y curl wget vim git unzip zip htop tree net-tools build-essential

推荐补装的基础工具：

  • curl、wget：下载工具
  • vim：编辑配置
  • git：版本管理
  • htop：资源查看
  • tree：目录查看
  • build-essential：编译基础环境

3.2. 设置时区和主机名 ​

bash
timedatectl
hostnamectl

如果需要改主机名：

bash
sudo hostnamectl set-hostname your-hostname

4. SSH 安装 ​

bash
sudo apt update
sudo apt install -y openssh-server
sudo systemctl status ssh
sudo systemctl enable ssh
sudo systemctl start ssh
sudo ufw allow ssh

如果机器是云主机，还要同时确认：

  • 云平台安全组是否开放 22
  • 本机防火墙是否允许访问

5. NVIDIA 驱动 ​

参考：

桌面环境下，一个相对稳妥的方式是：

  1. 打开 Software & Updates
  2. 切换到 Additional Drivers
  3. 选择推荐的专有 NVIDIA 驱动
  4. 安装并重启

安装完成后验证：

bash
nvidia-smi

如果 nvidia-smi 能正常输出驱动和 GPU 信息，说明驱动基本可用。

6. 代理与网络 ​

6.1. v2ray ​

参考版本：

Ubuntu 下有两种常见方式：

bash
v2ray -h

如果系统提示未安装：

text
Command 'v2ray' not found, but can be installed with:
sudo snap install v2ray
sudo apt install v2ray

常见 systemd 服务配置：

ini
[Unit]
Description=V2Ray Service
Documentation=https://www.v2fly.org/
After=network.target nss-lookup.target

[Service]
User=nobody
CapabilityBoundingSet=CAP_NET_ADMIN CAP_NET_BIND_SERVICE
AmbientCapabilities=CAP_NET_ADMIN CAP_NET_BIND_SERVICE
NoNewPrivileges=true
ExecStart=/home/deipss/v2ray/v2ray -config /home/deipss/v2ray/config.json
Restart=on-failure
RestartPreventExitStatus=23

[Install]
WantedBy=multi-user.target

6.1.1. 问题一：配置与版本不兼容 ​

如果遇到：

text
VLESS users: "flow" doesn't support "xtls-rprx-vision" in this version
exit status 255

通常是版本过低，不支持 reality 协议。
这种情况下版本至少要到：

6.1.2. 问题二：执行权限 ​

因为服务配置里可能使用：

text
User=nobody

所以可执行文件和配置文件路径需要放在系统允许访问的位置，例如：

  • /usr/local
  • /opt

检查版本：

bash
v2ray -version

6.2. frp ​

如果需要做远程端口映射、内网穿透或临时暴露服务，建议安装 frp。
具体配置可以配合你已有的 frp.md 一起使用。

7. Docker ​

7.1. 安装建议 ​

这篇里原先写了通过 snap 安装 Docker。实际使用中，我更建议优先使用 Docker 官方仓库安装，而不是默认优先 snap，原因是：

  • 后续和 docker compose、GPU、数据目录挂载整合更稳定
  • 更符合大多数服务端文档的默认假设

如果只是快速试用，snap 也能装；如果是长期开发机或 AI 服务器，优先官方安装方式。

7.2. 安装后验证 ​

bash
docker --version
docker info
sudo systemctl status docker

如果希望当前用户免 sudo：

bash
sudo usermod -aG docker $USER

然后重新登录。

8. 1Panel ​

如果机器除了开发，还需要管理：

  • Docker 容器
  • 反向代理
  • 站点部署
  • 日志与面板

可以安装 1Panel。
它更适合把这台机器同时作为轻量运维节点来管理。

安装前建议先确认：

  • Docker 已可用
  • 端口规划清楚
  • 是否要暴露公网访问

9. 开发环境 ​

9.1. JetBrains 系列 ​

常用包括：

  • IntelliJ IDEA
  • PyCharm

如果只是 Java 和 Python 混合开发，这两者基本够用。

9.2. VS Code ​

适合做：

  • 轻量编辑
  • SSH 远程开发
  • Python/Node 前端开发
  • Markdown 和脚本处理

9.3. Conda ​

如果机器需要管理多个 Python 项目和 AI 环境，建议优先装 conda。
后续可以按项目拆分环境，例如：

  • pyg
  • llama-factory
  • tts

安装后常见检查：

bash
conda --version
conda env list

9.4. Node.js ​

如果要跑前端项目、VitePress、WebUI、构建脚本等，建议装 Node.js。
验证：

bash
node -v
npm -v

9.5. Git ​

bash
git --version
git config --global user.name "your-name"
git config --global user.email "your-email@example.com"

如果经常访问 GitHub，建议顺手配置 SSH Key。

10. AI 与模型环境 ​

如果这台机器是 AI 开发机，通常还要补这些内容：

  • CUDA / cuDNN（如果不是驱动自带场景）
  • ollama
  • ffmpeg
  • python 推理环境
  • 常用模型目录

10.1. Ollama ​

如果要本地跑 Qwen、DeepSeek、Llama，建议直接装 ollama。
详细可结合 ollama.md。

10.2. FFmpeg ​

音频、视频、字幕合成场景中几乎必装：

bash
sudo apt install -y ffmpeg
ffmpeg -version

10.3. Python 推理测试 ​

安装完成后建议至少做一次：

bash
python --version
pip --version

如果是 GPU 机器，再验证：

bash
python -c "import torch; print(torch.cuda.is_available())"

11. 目录规划建议 ​

如果后续会长期使用，建议尽早规划目录：

  • /workspace：代码目录
  • /data/models：模型目录
  • /data/datasets：数据目录
  • /data/output：输出目录
  • /opt/services：自建服务

这样后续迁移、备份、挂载数据盘都会轻松很多。

12. 一份实际检查清单 ​

12.1. 基础可用性 ​

  • [ ] 系统已更新
  • [ ] ssh 可连接
  • [ ] git 可用
  • [ ] curl、wget、vim、htop 已安装

12.2. GPU 与 AI ​

  • [ ] nvidia-smi 正常
  • [ ] python 与 conda 正常
  • [ ] ollama 可启动
  • [ ] ffmpeg 已安装

12.3. 开发 ​

  • [ ] IDEA / PyCharm / VS Code 已安装
  • [ ] SSH Key 已配置
  • [ ] Git 用户信息已配置
  • [ ] Node.js 可用

12.4. 网络与服务 ​

  • [ ] v2ray 或代理工具可用
  • [ ] frp 可用
  • [ ] Docker 可用
  • [ ] 1Panel 可选安装

13. 测试与性能观察 ​

之前实际使用时发现，在使用 pymovie 一类工具写入视频时，速度并没有想象中那么快。
这类问题通常和下面几个因素有关：

  • 是否使用 CPU 编码
  • 磁盘写入速度
  • 分辨率与帧率
  • ffmpeg 参数
  • 中间帧是否落盘

所以新机安装完后，不仅要看“软件能不能启动”，还要尽早做一次最小性能验证。

14. 小结 ​

新机安装最容易出问题的地方，不是某一个软件本身，而是顺序混乱。
比较稳妥的顺序通常是：

  1. 系统更新
  2. SSH 和基础工具
  3. GPU 驱动
  4. 网络代理
  5. Docker
  6. Python / Conda / Node
  7. AI 工具链
  8. 目录规划和验证

只要把这条主线固定下来，后续不管是开发机、测试机还是 AI 推理机，都会省很多时间。

基于 VitePress + GitHub Actions 自动部署

Copyright © 2026