当前位置： 首页 > news >正文

Ubuntu系统完整配置教程

news 2025/7/29 7:00:49

Ubuntu系统完整配置教程

目录

  1. 配置镜像源
  2. 安装网络服务
  3. 虚拟机中安装CUDA
  4. Python开发环境配置
  5. Java开发环境配置

1. 配置镜像源

1.1 备份原始源文件

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup

1.2 编辑源文件

sudo nano /etc/apt/sources.list

1.3 各大镜像源配置

中科大镜像源（推荐）
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.ustc.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
华为镜像源
deb https://mirrors.huaweicloud.com/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.huaweicloud.com/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.huaweicloud.com/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.huaweicloud.com/ubuntu/ jammy-security main restricted universe multiverse
阿里云镜像源
deb https://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
山东大学镜像源
deb https://mirrors.sdu.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.sdu.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.sdu.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.sdu.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
清华大学镜像源
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

1.4 更新软件包列表

sudo apt update
sudo apt upgrade -y

2. 安装网络服务

2.1 安装SSH服务（包含SFTP和SCP）

# 安装OpenSSH服务器
sudo apt install openssh-server -y# 启动SSH服务
sudo systemctl start ssh# 设置开机自启
sudo systemctl enable ssh# 检查SSH服务状态
sudo systemctl status ssh# 配置SSH（可选）
sudo nano /etc/ssh/sshd_config

常用SSH配置选项：

Port 22                    # SSH端口
PermitRootLogin no         # 禁止root登录
PasswordAuthentication yes # 允许密码认证
PubkeyAuthentication yes   # 允许公钥认证

配置修改后重启SSH服务：

sudo systemctl restart ssh

2.2 测试SFTP和SCP

# SFTP连接测试
sftp username@localhost# SCP文件传输测试
scp test.txt username@localhost:/home/username/

2.3 安装Telnet服务

# 安装xinetd和telnetd
sudo apt install xinetd telnetd -y# 创建telnet配置文件
sudo nano /etc/xinetd.d/telnet

在文件中添加以下内容：

service telnet
{disable     = noflags       = REUSEsocket_type = streamwait        = nouser        = rootserver      = /usr/sbin/in.telnetdlog_on_failure += USERID
}

启动和配置服务：

# 重启xinetd服务
sudo systemctl restart xinetd
sudo systemctl enable xinetd# 检查服务状态
sudo systemctl status xinetd# 检查telnet端口
sudo netstat -tlnp | grep :23# 测试连接
telnet localhost

注意： Telnet不安全，建议仅在内网测试环境使用。

3. 虚拟机中安装CUDA

3.1 虚拟机GPU限制说明

VMware虚拟机限制：

  • VMware Workstation不支持GPU直通到虚拟机
  • 只有VMware vSphere/ESXi企业版支持GPU直通
  • 对于学习和开发，建议使用CPU版本
# 检查是否有NVIDIA GPU（虚拟机中通常为空）
lspci | grep -i nvidia# 如果没有输出，说明虚拟机中没有GPU

3.1.1 方案一：安装CPU版本（推荐用于虚拟机）

跳过CUDA安装，直接安装CPU版本的深度学习框架：

3.2 安装NVIDIA驱动

# 添加NVIDIA PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update# 检查可用驱动
ubuntu-drivers devices# 自动安装推荐驱动
sudo ubuntu-drivers autoinstall# 或手动安装特定版本
sudo apt install nvidia-driver-535

3.3 安装CUDA Toolkit

# 下载CUDA（以12.2为例）
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update# 安装CUDA
sudo apt-get install cuda-12-2# 配置环境变量
echo 'export PATH=/usr/local/cuda-12.2/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc# 验证安装
nvcc --version
nvidia-smi

3.4 安装cuDNN

# 从NVIDIA官网下载cuDNN（需要注册账号）
# 下载后解压并安装
tar -xzvf cudnn-*.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. Python开发环境配置

4.1 安装Python和pip

# 安装Python 3.10（Ubuntu 22.04默认）
sudo apt install python3 python3-pip python3-dev -y# 升级pip
pip3 install --upgrade pip# 安装虚拟环境工具
sudo apt install python3-venv -y

4.2 创建Python虚拟环境

# 创建项目目录
mkdir ~/python_projects
cd ~/python_projects# 创建虚拟环境
python3 -m venv ml_env# 激活虚拟环境
source ml_env/bin/activate

4.3 安装TensorFlow

CPU版本（虚拟机推荐）
# 在虚拟环境中安装CPU版本
pip install tensorflow-cpu# 验证TensorFlow安装
python -c "import tensorflow as tf; print(tf.__version__)"
GPU版本（物理机）
# 需要先安装CUDA和cuDNN
pip install tensorflow[and-cuda]# 验证TensorFlow GPU支持
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

4.4 安装PyTorch

CPU版本（虚拟机推荐）
# 安装PyTorch CPU版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu# 验证PyTorch安装
python -c "import torch; print(torch.__version__)"
GPU版本（物理机）
# 安装PyTorch GPU版本（根据CUDA版本选择）
# CUDA 12.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121# 验证PyTorch GPU支持
python -c "import torch; print(torch.cuda.is_available())"

4.5 安装常用数据科学库

pip install numpy pandas matplotlib seaborn jupyter scikit-learn opencv-python

4.6 配置Jupyter Notebook

# 生成配置文件
jupyter notebook --generate-config# 设置密码
jupyter notebook password# 启动Jupyter
jupyter notebook --ip=0.0.0.0 --port=8888

5. Java开发环境配置

5.1 安装Java JDK

# 安装OpenJDK 17（LTS版本）
sudo apt install openjdk-17-jdk openjdk-17-doc openjdk-17-source -y# 验证安装
java -version
javac -version# 配置JAVA_HOME
echo 'export JAVA_HOME=/usr/lib/jvm/java-17-openjdk-amd64' >> ~/.bashrc
echo 'export PATH=$JAVA_HOME/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

5.2 安装Maven

# 安装Maven
sudo apt install maven -y# 验证安装
mvn -version# 配置Maven镜像（阿里云）
mkdir -p ~/.m2
cat > ~/.m2/settings.xml << EOF
<settings><mirrors><mirror><id>aliyun</id><mirrorOf>central</mirrorOf><name>Aliyun Maven</name><url>https://maven.aliyun.com/repository/public</url></mirror></mirrors>
</settings>
EOF

5.3 安装Gradle

# 下载并安装Gradle
wget https://services.gradle.org/distributions/gradle-8.5-bin.zip
sudo unzip -d /opt/gradle gradle-8.5-bin.zip# 配置环境变量
echo 'export GRADLE_HOME=/opt/gradle/gradle-8.5' >> ~/.bashrc
echo 'export PATH=$GRADLE_HOME/bin:$PATH' >> ~/.bashrc
source ~/.bashrc# 验证安装
gradle -v

5.4 安装开发工具

IntelliJ IDEA（推荐）
# 添加JetBrains仓库
sudo snap install intellij-idea-community --classic# 或下载专业版
# wget https://download.jetbrains.com/idea/ideaIU-2023.3.2.tar.gz
# sudo tar -xzf ideaIU-*.tar.gz -C /opt/
# sudo ln -s /opt/idea-*/bin/idea.sh /usr/local/bin/idea
Visual Studio Code
# 安装VS Code
sudo snap install code --classic# 安装Java扩展包
code --install-extension vscjava.vscode-java-pack

5.5 安装数据库

MySQL
# 安装MySQL
sudo apt install mysql-server -y# 安全配置
sudo mysql_secure_installation# 启动服务
sudo systemctl start mysql
sudo systemctl enable mysql# 创建开发用户
sudo mysql

CREATE USER 'developer'@'localhost' IDENTIFIED BY 'your_password';
GRANT ALL PRIVILEGES ON *.* TO 'developer'@'localhost';
FLUSH PRIVILEGES;
EXIT;
PostgreSQL
# 安装PostgreSQL
sudo apt install postgresql postgresql-contrib -y# 启动服务
sudo systemctl start postgresql
sudo systemctl enable postgresql# 创建开发用户
sudo -u postgres createuser --interactive

5.6 前端开发环境

Node.js和npm
# 安装Node.js 18.x
curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt install nodejs -y# 验证安装
node -v
npm -v# 安装yarn（可选）
npm install -g yarn# 安装常用工具
npm install -g @vue/cli create-react-app @angular/cli

5.7 容器化工具

Docker
# 安装Docker
sudo apt update
sudo apt install apt-transport-https ca-certificates curl software-properties-common -y
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io -y# 添加用户到docker组
sudo usermod -aG docker $USER
newgrp docker# 验证安装
docker --version
docker run hello-world

常见问题解决

Q1: 虚拟机中CUDA安装失败

VMware虚拟机限制：

  • VMware Workstation不支持GPU直通
  • 建议使用CPU版本的TensorFlow和PyTorch
  • 如需GPU加速，考虑：
    • 使用WSL2（Windows）
    • 双系统安装
    • 使用云服务（Colab、AWS等）

性能优化建议：

# 增加虚拟机CPU核心数
# 分配更多内存（建议16GB+）
# 使用SSD存储
# 启用虚拟化加速

Q2: TensorFlow无法识别GPU

# 检查CUDA和cuDNN版本兼容性
# TensorFlow 2.15需要CUDA 12.2和cuDNN 8.9
python -c "import tensorflow as tf; print(tf.sysconfig.get_build_info())"

Q3: SSH连接被拒绝

# 检查防火墙
sudo ufw allow 22/tcp
sudo ufw reload# 检查SSH服务
sudo systemctl status ssh

Q4: Maven下载依赖慢

  • 确保已配置阿里云镜像
  • 检查~/.m2/settings.xml文件

性能优化建议

  1. 虚拟机配置

    • 分配至少8GB内存
    • 4个CPU核心
    • 50GB以上磁盘空间
    • 启用虚拟化技术（VT-x/AMD-V）

  2. 开发环境优化

    • 使用SSD存储
    • 配置swap分区
    • 定期清理缓存

  3. 网络优化

    • 使用最近的镜像源
    • 配置代理（如需要）

备份建议

定期备份以下内容：

  • /etc/apt/sources.list
  • ~/.bashrc
  • ~/.m2/settings.xml
  • Python虚拟环境
  • 项目代码
# 创建备份脚本
mkdir ~/backups
tar -czf ~/backups/config_backup_$(date +%Y%m%d).tar.gz ~/.bashrc ~/.m2 ~/python_projects

结语

本教程涵盖了Ubuntu系统从基础配置到开发环境搭建的完整流程。根据实际需求，您可以选择性地安装和配置相关组件。建议在虚拟机中先测试所有配置，确认无误后再在生产环境中部署。

如有问题，请查阅官方文档或社区支持。

http://www.dtcms.com/a/302560.html

相关文章：

  • InfluxDB 与 HTTP 协议交互进阶（一）
  • 设计模式实战：自定义SpringIOC（理论分析）
  • 无界设计新生态：Penpot开源平台与cpolar的云端协同创新实践
  • 第二十二节 MATLAB转置向量、MATLAB追加向量
  • C++---初始化列表（initializer_list）
  • 基于黑马教程——微服务架构解析（二）：雪崩防护+分布式事务
  • 使用 nvm (Node Version Manager) 来管理多个 Node.js 版本，并自由切换
  • OCR 赋能合同抽取：不良资产管理公司的效率加速器
  • 常见的接⼝测试⾯试题
  • 图像识别边缘算法
  • 从矩阵表示到卷积神经网络（CNN）与循环神经网络（RNN）
  • MCP error -32000: Connection closed
  • 基于开源AI智能名片链动2+1模式与S2B2C商城小程序的微商品牌规范化运营研究
  • mxn矩阵学习笔记
  • 使用Python制造扫雷游戏
  • Marc 非线性仿真复杂，企业如何保障许可证公平与高效使用？
  • （AC）储值购物
  • Android中主线程、ActivityThread、ApplicationThread的区别
  • 【氮化镓】GaN同质外延p-i-n二极管中星形与三角形扩展表面缺陷的电子特性
  • Python 实现服务器自动故障处理工具：从监控到自愈的完整方案
  • 日志分析-windows日志分析base--笔记ing
  • lesson26-2：使用Tkinter打造简易画图软件优化版
  • 深入解析MIPI C-PHY (五） MIPI C-PHY 与 A-PHY 的对比分析
  • 重生之我在暑假学习微服务第三天《Docker-上篇》
  • 【Unity笔记】Unity Camera.cullingMask 使用指南：Layer 精准控制、XR 多视图与性能提升
  • ERC20 和 XCM Precompile｜详解背后技术逻辑
  • 学习Python中Selenium模块的基本用法（2：下载浏览器驱动）
  • js的学习2
  • JavaScript：数组常用操作方法的总结表格
  • Webhook技术深度解析：从原理到实现全指南