搭建自定义开发环境

搭建自己的gitlab仓库

参考链接进行配置： 1. 在盘符(任意盘符)中新建docker文件夹，在docker文件夹中建立gitlab文件夹，在gitlab文件夹中建立config、data、logs三个文件夹，如下关系所示：

docker
    |-gitlab
        |-config
        |-data
        |-logs
    |-docker-compose.yml

在第1步中新建的docker文件夹中新建文件：docker-compose.yml，内容如下：

version: '3' # 版本号
services: # 开启服务
  gitlab: # 服务名称
    image: 'twang2218/gitlab-ce-zh:latest' # 使用镜像
    restart: always
    hostname: 'GitLab' # 主机名称（自定义）
    environment: # 环境配置
      TZ: 'Asia/Shanghai'
      GITLAB_OMNIBUS_CONFIG: |
        external_url 'http://172.21.108.56:1080'
        gitlab_rails['gitlab_shell_ssh_port'] = 1022
        unicorn['port'] = 8888
        nginx['listen_port'] = 8080
    ports: # 端口映射，格式为“宿主机端口:容器内端口”
      - '1080:8080'    #http
      - '1043:1443'    #https
      - '1022:22'      #ssh
    volumes: # 挂载卷
    # 前面是Windows的地址所以斜杠向右；后面是Linux的地址所以向左
      - C:\docker\gitlab\config:/etc/gitlab
      - C:\docker\gitlab\data:/var/opt/gitlab
      - C:\docker\gitlab\logs:/var/log/gitlab

先核对示例中的地址与端口：

配置	示例值	作用
`external_url`	`http://172.21.108.56:1080`	提供给用户的完整访问地址，包含宿主机对外端口
`nginx['listen_port']`	`8080`	GitLab 在容器内监听的 HTTP 端口
`ports` 中的 HTTP 映射	`1080:8080`	将宿主机的 1080 端口转发到容器内的 8080 端口
`gitlab_shell_ssh_port` 与 SSH 映射	`1022`、`1022:22`	对外公布的 SSH 端口与宿主机映射端口一致

172.21.108.56 是示例地址，应替换为其他设备能够访问的服务器 IP 或域名。external_url 会影响 GitLab 页面提供的站点地址和 HTTP 克隆地址；如果把对外 HTTP 端口改为 2080，应同时把 external_url 改为 http://服务器地址:2080，把 HTTP 映射改为 2080:8080。容器内仍监听 8080 时，nginx['listen_port'] 保持为 8080。

部署后，打开 http://服务器地址:1080，再到项目页面复制 HTTP 克隆地址，确认两处地址都包含实际对外端口。使用 SSH 克隆时，核对页面给出的 SSH 地址与 1022:22 对应；端口可以连接但页面链接指向其他端口时，需检查 external_url，而不是只检查防火墙。

端口配置可参考 GitLab Docker 自定义端口说明。

执行docker-compose.yml文件完成服务器部署
```
docker-compose up -d
```
修改 docker-compose.yml 中的端口、环境变量或挂载目录后，需要重新应用配置。restart 只重启已有容器，不会按修改后的 Compose 文件重新创建它。

先在 docker-compose.yml 所在目录检查配置；没有报错后，再更新 gitlab 服务：

docker-compose config --quiet
docker-compose up -d gitlab

up -d 会在配置变化时重新创建相关容器。启动后继续检查状态和最近的日志，等待 GitLab 完成初始化，再打开页面：

docker-compose ps
docker-compose logs --tail=100 gitlab

使用新版 Compose 时，把上述命令中的 docker-compose 换成 docker compose。如果 config --quiet 报错，先按报错位置修正 YAML，再运行 up。修改挂载路径不会自动搬迁旧目录中的数据，已有仓库需要先保留原目录并确认新路径内容。

只想重启服务、没有修改 Compose 配置时，仍可以使用 docker-compose restart gitlab。命令行为见 Docker 的 restart 说明和 up 说明。

如果本机可以访问 http://127.0.0.1:1080，但局域网内其他设备无法访问 http://172.21.108.56:1080，可以依次检查：

在 docker-compose.yml 所在目录运行 docker-compose ps，确认 GitLab 容器正在运行，并检查端口绑定。例如，0.0.0.0:1080->8080/tcp 表示该端口对所有 IPv4 网卡开放；如果仅绑定到 127.0.0.1，其他设备就无法通过局域网地址访问。使用新版 Compose 时，命令为 docker compose ps。
在服务器上运行 Test-NetConnection 127.0.0.1 -Port 1080，确认本机端口可以连接。
在局域网内另一台 Windows 设备上运行 Test-NetConnection 172.21.108.56 -Port 1080，检查远程端口是否可达。
如果远程端口不通，在 Windows Defender 防火墙中为 TCP 1080 添加入站规则，并把规则限制在需要访问的网络范围内。

不建议关闭所有防火墙。端口映射或规则配置错误时，关闭防火墙不能解决根本问题，还会让其他服务失去保护。排查完成后，再用实际服务器地址替换示例中的 172.21.108.56。

使用执行命令克隆仓库（附带端口）：
```
git clone http://172.21.108.56:1080/root/actors
```

配置 Python 开发环境（Windows）

社区里人车模拟器的 Python 接口，以及各类算法实验，都在 Python 环境下运行。本节从零开始：装 Python → 配镜像源 → 建虚拟环境 → 在 VS Code 里选中它。全部以 Windows 为例。

1. 安装 Python

打开 Python 官方下载页，选择 Python 3.13 的 Windows installer (64-bit) 下载。如果项目文档明确要求某个版本，以项目要求为准，不要随意换版本。
运行安装程序，先勾选 Add python.exe to PATH，再点 Install Now。这一步漏勾，后面所有命令都会提示「不是内部或外部命令」，这是新手最常见的第一个坑。
安装结束后，重新打开一个终端窗口（已经打开的窗口不会刷新环境变量），执行：

python --version
python -m pip --version

两条命令都能输出版本号，说明装好了。

2. 看清电脑上有几个 Python

一台机器上经常不止一个 Python：系统装的、某些编辑器自带的、Anaconda 的……混用会导致「明明装了包却导入不了」。Windows 自带的 Python 启动器可以把它们列出来：

py --list

输出中带 * 的是默认版本。需要指定版本运行时用 py -3.13 脚本名.py 这样的写法。更多说明可参考 Python 官方文档：

Python Launcher for Windows

装包时统一用 python -m pip install 包名，而不是直接 pip install 包名。前者保证包被装进当前 python 对应的环境，后者可能装到另一个 Python 上。

3. 为 pip 配置国内镜像源

直接从官方源下载常常很慢甚至超时。配置清华镜像源（写进用户配置，一次生效、长期有效）：

python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

确认是否生效：

python -m pip config list

输出中出现 global.index-url='https://pypi.tuna.tsinghua.edu.cn/simple' 即为成功。

4. 建立虚拟环境

虚拟环境是项目专属的一份独立 Python，各项目的依赖互不干扰。每个项目建一个，这是必须的习惯，不是可选优化——直接在系统 Python 上装包，早晚会遇到两个项目要求同一个库的不同版本。

进入项目目录，创建名为 .venv 的环境：

cd 你的项目目录
python -m venv .venv

激活它。不同终端用的命令不一样，请按自己当前打开的终端选择：

# PowerShell
.venv\Scripts\Activate.ps1

# cmd
.venv\Scripts\activate.bat

# Git Bash
source .venv/Scripts/activate

不同 Shell 激活虚拟环境的方式可参考 Python 官方文档：How virtual environments work

激活成功后，命令行开头会出现 (.venv)。此后 python、pip 都指向这个环境。退出用：

deactivate

不激活也能使用虚拟环境

激活只是让终端优先找到虚拟环境中的 Python。如果 PowerShell 提示禁止运行脚本，可以直接调用环境里的解释器，无需先修改执行策略。在项目目录执行：

& ".\.venv\Scripts\python.exe" -m pip --version
& ".\.venv\Scripts\python.exe" -m pip install numpy
& ".\.venv\Scripts\python.exe" -c "import sys, numpy; print(sys.executable); print(sys.prefix != sys.base_prefix)"

第一条输出的 pip 路径应位于项目的 .venv 中；最后一条先输出解释器路径，再输出 True，表示当前使用的是虚拟环境。运行项目脚本时也使用同一个解释器，例如 & ".\.venv\Scripts\python.exe" .\main.py，其中 main.py 换成实际文件名。路径加引号后也适用于项目目录含空格的情况。

如果确实需要激活，可只为当前 PowerShell 窗口设置：

Set-ExecutionPolicy -Scope Process -ExecutionPolicy RemoteSigned
.\.venv\Scripts\Activate.ps1

关闭此窗口后，该范围的设置结束。受单位统一策略管理的电脑按管理要求使用；直接调用解释器仍可用于选择项目环境。重新打开终端后，也应重新选择解释器或激活环境。虚拟环境目录不提交到 Git，项目依赖通过依赖清单安装。

原理见 Python：虚拟环境的工作方式。

5. 在 VS Code 里选中这个环境

在 VS Code 扩展商店安装 Python 扩展（搜索 Python，发布者为 Microsoft）。
按 Ctrl+Shift+P，输入 Python: Select Interpreter，选择路径中带 .venv 的那一项。
新建终端（菜单「终端 → 新建终端」）会自动激活虚拟环境，命令行前同样出现 (.venv)。这一步不做，VS Code 仍会用系统 Python 运行代码，于是出现「终端里 import 成功、点运行却报错」这类看似玄学的问题。

6. 安装常用库并验证

以数据科学常用的一套为例，按需增删：

python -m pip install numpy pandas scikit-learn matplotlib jupyter

装完验证能否导入：

python -c "import numpy, pandas, sklearn, matplotlib; print('ok')"

输出 ok 即完成。

7. 常见问题速查表

现象	原因	处理
`'python' 不是内部或外部命令`	安装时未勾选 Add to PATH	重新运行安装包 → `Modify` → 补勾该项，或卸载重装
装包时报 `PermissionError` / 拒绝访问	正在往系统 Python 里装	改用虚拟环境（第 4 步），通过该环境的 Python 安装
pip 下载极慢或 `Read timed out`	连的是境外官方源	配置镜像源（第 3 步）
PowerShell 提示禁止运行脚本	执行策略限制	直接调用 `.venv\Scripts\python.exe`，或使用第 4 步的当前窗口设置
终端能 import，VS Code 运行却报 `ModuleNotFoundError`	编辑器选中的解释器不是装包的那个	`Ctrl+Shift+P` → `Python: Select Interpreter` 改选 `.venv`
`python -m venv` 报 ensurepip 失败	Python 安装不完整	重新运行安装包修复；Linux 上需先 `apt install python3-venv`
pip 提示版本过旧	安装包自带的 pip 较老	`python -m pip install --upgrade pip`