Windows数据科学环境搭建：15年网安工程师避坑指南

　　去年冬天给好几台机器搭数据科学环境，我原以为跟普通运维没区别，结果被Windows那套坑得差点砸键盘——开发非要用Anaconda+Jupyter+TensorFlow的组合，说是“行业标准”，可装完第三天就收到告警，三台机器的C盘全飘红，系统日志里全是Python的临时文件警告。当时我盯着屏幕直骂娘，明明D盘有2T空间，这帮人非把环境变量全塞C盘，开发还振振有词：“Anaconda默认装C盘啊，改路径多麻烦！”我直接怼回去：“那你别怪明天备份挂！”

　　最坑的是证书配置。数据科学组非要用自签证书跑Jupyter，说“内部环境安全”，结果HTTPS服务刚启动，所有浏览器都报“不安全连接”。开发让我“信任证书就行”，我信你个鬼——上周刚有同事因为信任自签证书被钓鱼，现在还在写检讨。最后我硬是逼着他们用Let’s Encrypt的免费证书，结果安装脚本在Windows上跑不通，开发说“Linux下没问题啊”，我直接把脚本摔他桌上：“那你去Linux上搭啊！”他怂了，老老实实改PowerShell脚本，改到凌晨三点半，泡面都没吃完。

　　磁盘空间的事更绝。我原以为监控脚本能自动清理临时文件，结果Anaconda的pip缓存全堆在C盘，监控脚本只扫D盘。有天早上开发找我：“Jupyter启动不了，报‘磁盘空间不足’。”我查日志发现C盘只剩500M，开发还补刀：“我们昨天跑了十几个模型训练，生成了好多中间文件。”我当场气笑：“你们训练前不会先清缓存？”他说：“忘了。”我转头看监控脚本，发现写脚本的同事把路径写死了——他自己的机器C盘是1T，其他机器全是256G。现在这脚本还在跑，我懒得改，反正出问题就找写脚本的人。

　　迁移环境的时候更是一场灾难。开发说“数据科学环境得跟生产环境隔离”，结果非要在同一台机器上搭两套Python环境——一套3.8跑TensorFlow，一套3.10跑PyTorch。我劝他们用虚拟环境，开发说“虚拟环境太慢”，坚持用独立安装。结果迁移时，两套环境的依赖全冲突，Jupyter内核直接崩溃。我蹲在机房里重装系统，冷风从空调口灌进来，冻得手指发麻。开发在旁边刷手机，突然说：“哎，这数据科学环境是不是得装CUDA？”我抬头：“你他妈现在才想起来？”他挠头：“之前看文档没注意…”我直接把U盘甩他脸上：“自己装！”

　　备份的事更让我无语。开发说“数据科学环境不用备份，反正代码都在Git上”，我反驳：“那模型文件呢？训练日志呢？环境配置呢？”他沉默两秒：“哦，对，这些得备份。”结果备份脚本写了一半，开发说“我们改用Docker了，备份脚本不用写了”。我盯着他：“那你之前为什么不早说？”他耸肩：“忘了。”现在那台机器的备份脚本还挂着，每次告警响，我都得先确认是不是备份脚本在报错——其实根本没跑过。

　　要说这环境搭建有什么“优胜劣汰”，我觉得就一条：别信开发的“行业标准”。他们说的“标准”往往是Linux下的标准，搬到Windows上全变味。Anaconda在Windows上就是个坑，装完必爆C盘；Jupyter的HTTPS配置在Windows上得手动改证书链；Python多版本共存必须用虚拟环境，否则依赖冲突能让你怀疑人生。我现在给新机器搭环境，第一件事就是禁用C盘安装，第二件事是装Chocolatey包管理器，第三件事是写死清理脚本——开发再怎么抗议，我也得把主动权攥手里。

　　昨天开发又找我：“我们想试试新出的PyTorch 2.0，得升级Python。”我头都没抬：“先清缓存，再升级。”他说：“缓存在哪？”我指屏幕：“C盘\Users\YourName\.conda\pkgs。”他哦了一声，转身要走，我叫住他：“对了，升级前备份环境变量。”他笑：“不至于吧？”我盯着他：“上周三台机器的CUDA驱动就是因为没备份环境变量，升级后全挂了。”他缩脖子：“我马上备份。”

文章配图，仅供参考

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!