企业官网建设流程全解析

我第一次在Linux上安装Anaconda，是几年前接手一台实验室的服务器。当时系统自带的Python 3.6勉强能跑，但项目要求Python 3.8，我既不敢动系统环境，又不想手动编译，折腾了一下午差点把系统搞坏。后来老老实实装上Anaconda，才发现Linux上做Python环境管理，最舒服的方案其实就是它。这篇文章我会把整个流程拆开讲：从下载安装包、执行安装脚本、配置环境变量、换国内镜像源，到创建虚拟环境和卸载清理，每个环节都标注容易踩坑的点，新手按步骤照做就够，老手也能跳着看。

1. 为什么建议在Linux上用Anaconda：先理清需求和选择

1.1 Python环境管理到底难在哪

很多新手拿到Linux服务器，第一反应是用系统包管理器装Python，比如Ubuntu上的apt install python3，CentOS上的yum install python3。这样确实省事，但后面会遇到一个很现实的问题：系统里的Python往往被系统工具依赖，不能随便动。

我自己就吃过亏。Ubuntu桌面环境里，很多核心组件依赖/usr/bin/python3，如果你为了让某个库跑起来，用系统Python强行升级或安装了某个版本的依赖包，轻则包冲突，重则桌面环境出问题。近几年Ubuntu还加了PEP 668限制，直接pip install到系统环境中会提示“externally-managed-environment”，要求你使用虚拟环境或包管理器。这就是在告诉你：别把系统Python当自己的开发环境。

如果你只是写个一次性脚本，那无所谓；一旦需要同时维护多个项目，每个项目依赖不同的库版本和Python版本，没有隔离机制就会陷入无穷无尽的冲突。Anaconda出现正是为了解决这件事。

1.2 直接系统装Python和Anaconda的差距

我整理了一份对比，方便你判断自己的场景：

从实际使用体验来看，如果你平时玩数据科学、深度学习，Anaconda是最直接的选项，因为numpy、pandas、matplotlib这些常用包已经预装好。如果你空间紧张，Miniconda会更合适，安装方式和本文几乎一模一样，只是少了预装包。这篇文章以Anaconda为例子，但Miniconda完全可以照抄，只需把安装包后缀换成Miniconda的版本。

1.3 本文适用的Linux发行版和基础准备

Anaconda官方支持几乎所有主流Linux发行版，包括Ubuntu、Debian、CentOS、Rocky Linux、AlmaLinux、Kali Linux等。不管你是物理机、虚拟机还是云服务器，只要CPU架构是x86_64或者ARM64，都能安装。

动手之前，建议确认以下几点：

• 有一个普通用户账号，不推荐直接在root下安装。很多服务器默认用root，我理解有些场景图省事，但Anaconda装完以后创建的文件都归root，后面其他用户想用就很别扭。建议先新建普通用户，比如useradd -m -s /bin/bash alice，再设置密码，切到alice再继续。
• 磁盘空间至少预留10GB。Anaconda本体不算大，但环境一旦建多了，每个环境都可能占几GB。
• 内存2GB以上，条件允许越大越好。创建环境时conda要解析依赖，配置太差会卡很久。
• 远程服务器最好能通过SSH连接，并建议使用tmux或screen来跑长时间下载任务，后面我会讲原因。

2. 下载Anaconda：官方渠道、国内镜像与安装包完整性校验

2.1 从官网找到Linux安装包

Anaconda官网的Download页面会根据你的系统自动推荐安装包，但很多人在服务器上无法直接打开图形页面，所以我习惯直接复制下载链接，然后在服务器上用wget下载。

命名规则很有规律，类似Anaconda3-2024.10-1-Linux-x86_64.sh。字段拆开看就是：软件名（Anaconda3）、版本号（2024.10）、构建版本号、平台（Linux）、架构（x86_64）。如果你的机器是ARM架构，文件名会显示aarch64。下载之前可以用uname -m确认一下架构，避免下错版本。

命令参考：

wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

如果你是在自己电脑上下载好安装包，再传到服务器，可以用scp：

scp Anaconda3-2024.10-1-Linux-x86_64.sh username@服务器IP:/home/username/

2.2 国内镜像源加速下载

这里必须说实话：Anaconda官方站点在国内的连通性不太稳定，下载速度经常让人崩溃。所以我更推荐用国内高校或云厂商提供的开源镜像站，正常公开访问，直接下载即可。

常用的两个：

• 清华TUNA镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
• 阿里云镜像：https://mirrors.aliyun.com/anaconda/archive/

打开对应目录后，能看到一串版本目录，选你想要的版本，找到Anaconda3-版本号-Linux-x86_64.sh文件，用wget下载。比如：

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

-c参数表示支持断点续传，下载中断了可以接着传。如果你的服务器在公司内网，一般会有内部软件源或者镜像加速地址，换成内网地址也是同样操作。注意一点：看到.sh后缀别顺手解压，它本身就是可执行的安装脚本，不需要解压。

2.3 SHA256校验：装之前花一分钟，省下后面大麻烦

很多人下载完安装包就直接装了，我见过不止一次因为文件下载不完整导致安装报各种奇怪错误。校验文件完整性最靠谱的方式是SHA256。

官网下载页和国内镜像目录里一般都有SHA256SUMS文件，里面记录了对应安装包的哈希值。在安装包所在目录执行：

sha256sum Anaconda3-2024.10-1-Linux-x86_64.sh

会输出一串64位的十六进制字符。把这串字符和镜像站SHA256SUMS里的值对比，如果一致，说明文件完整；不一致，说明下载过程出了问题，建议重新下载。

也可以用一条命令自动校验：

echo "<官方给的哈希值> Anaconda3-2024.10-1-Linux-x86_64.sh" | sha256sum -c -

如果输出OK，就没问题。这个操作很像收到快递时看外包装：包装完好不代表里面没碎，但包装破了你一定不敢签收。

2.4 远程服务器下载太慢时的操作建议

在公司或者实验室的服务器上，SSH连接一旦断开，前台运行的wget就会中断。为了避免反复重传，我习惯用tmux把下载任务挂在后台。

tmux new -s download wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

按Ctrl+B，再按D，就可以分离会话。之后SSH断开也不影响下载。想回来看进度，执行tmux attach -t download即可。

顺带说一句，如果之后从Windows上传压缩包到Linux，中文文件名很可能乱码，这是编码问题，不是Anaconda特有的，别被吓到。安装包本身用英文字符命名，正常不会碰到这个问题。

3. 执行安装脚本的每一步：交互选项、安装目录和conda init

3.1 先确认拿到的是Shell脚本，并赋予执行权限

安装包下载完成后，常见的执行方式有两种：

chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh ./Anaconda3-2024.10-1-Linux-x86_64.sh

或者不赋予执行权限，直接用bash运行：

bash Anaconda3-2024.10-1-Linux-x86_64.sh

两种都可以。新手经常遇到Permission denied错误，多半是忘了加chmod +x，这时改用bash方式执行最省事。

这里我特别建议：安装时不要加sudo，就用普通用户执行。原因很简单，默认安装路径是/home/用户名/anaconda3，完全在用户自己的目录下，不需要root权限。如果加了sudo，安装的文件会变成root所有，以后当前用户创建环境、装包会遇到权限麻烦。

3.2 安装向导里的问题到底怎么选

执行安装脚本后，会进入交互界面，第一次装的人容易懵，我按顺序翻译一下：

1. 显示许可协议，一堆英文，用回车键或空格键翻页，翻到底部后输入yes
2. 提示“Do you accept the license terms?”，输入yes回车
3. 提示安装路径，默认是/home/用户名/anaconda3，直接回车即可
4. 提示是否初始化，内容类似“Do you wish the installer to initialize Anaconda3 by running conda init?”，这里输入yes

很多教程会说最后一步填no，理由是“不修改用户的.bashrc文件，保持系统干净”。我自己的经验是：如果你是新手，想少折腾，这一步就填yes。填yes会让conda自动把初始化配置写进当前用户Shell配置里，装完重开终端就能直接使用conda命令。

如果填了no，后续你需要手动执行conda init或者手动配环境变量，体验会差很多。

3.3 conda init 在配置文件里做了什么

选yes后，安装脚本会在~/.bashrc文件末尾写入一段配置，这段配置定义一个shell函数，让conda命令、activate、deactivate这些命令在终端里生效。你不需要完整看懂这段代码，但要知道它存在。

如果安装时选了no，或者初始化配置出现问题，之后可以手动补齐：

~/anaconda3/bin/conda init bash

如果你用的是zsh，就执行：

~/anaconda3/bin/conda init zsh

conda init可以接受多个Shell参数，比如bash、zsh、fish。装完以后，配置只对当前用户生效，不会影响系统其他用户，这也是我建议每个用户各自安装的原因。

3.4 安装完成后的验证命令

安装结束后，重开一个终端，执行以下命令验证：

conda --version python --version which python conda env list

如果一切正常，终端提示符前面可能多了一个(base)，这说明已经自动激活了base环境。如果你不习惯每次都自动进入base环境，可以关掉：

conda config --set auto_activate_base false

关掉之后，终端不会再显示(base)，但你依然可以用conda activate 环境名手动进入指定环境。我个人推荐关掉，理由后面会讲。

4. 终端找不到conda命令：环境变量与Shell配置排查手册

4.1 “conda: command not found”背后的几种可能

这是安装Anaconda后最常见的问题，没有之一。归根结底，原因通常是下面几个：

• 安装时最后一步选了no，没有执行conda init
• 执行了conda init，但没有重开终端，直接在当前窗口敲conda
• 当前用户的Shell是zsh，但安装时只初始化了bash
• 当前用户和安装用户不是同一个，权限不足
• PATH变量被人为覆盖，导致Shell找不到conda位置

排查顺序我建议先看文件在不在：

ls -l /home/用户名/anaconda3/bin/conda

文件存在，说明安装本身没问题。再看PATH：

echo $PATH

如果在输出中没有找到/home/用户名/anaconda3/bin，说明Shell还没加载conda配置。

4.2 手动把Anaconda加进~/.bashrc的写法

最推荐的做法，是重新执行一次conda init，让它自己生成正确的配置：

~/anaconda3/bin/conda init bash

执行完以后，编辑~/.bashrc，确认末尾出现了conda初始化块。如果你确实想手动写，最简单的是在~/.bashrc末尾添加一行：

export PATH="/home/用户名/anaconda3/bin:$PATH"

然后执行：

source ~/.bashrc

但需要注意，这种手动添加PATH的方式，只解决了“conda命令能不能找到”的问题，conda activate功能依赖的shell函数还得靠conda init生成的代码。所以很多时候，手动写PATH后conda activate仍然会报错。这也是为什么我反复强调：能用conda init就用conda init，不要自己手写。

把anaconda3/bin放在PATH前面还有一个作用：让python命令优先指向Anaconda的Python，而不是系统的/usr/bin/python3。这样在终端里执行python时，进入的就是你自己可控的环境。

4.3 source、新终端、非交互Shell三者的区别

这里有一个非常容易让新手产生误解的点。

执行source ~/.bashrc，只对当前终端会话生效。新开一个终端时会自动读取.bashrc，所以安装完重开终端往往就能直接用。如果你是用tmux或screen创建的窗口，它们在某些配置下不会读取最新的.bashrc，需要重开窗口。

更隐蔽的问题是：通过SSH执行一条远程命令、crontab定时任务、systemd服务，这些场景下Shell默认不加载.bashrc，或者只加载非交互模式下的那部分内容。所以你写在crontab里的conda activate xxx && python script.py，经常会遇到找不到conda命令。

解决办法很简单：在脚本或者定时任务里写绝对路径。

/home/用户名/anaconda3/envs/myenv/bin/python /home/用户名/script.py

不要依赖conda activate，而是直接调用目标环境里的Python二进制文件。这个经验在写自动化脚本时能帮你省很多事。

5. 换国内镜像源：conda和pip都提速

5.1 为什么默认源这么慢

Anaconda安装好之后，conda默认从repo.anaconda.com下载包。这个源在国外，网络看起来是通的，但包一多、一大的时候，速度就不稳定，经常看到下载到一半卡住或者超时。对于国内用户，装完Anaconda后的第一件事，我建议就是换源。

这里要澄清一个概念：换源只是把conda的下载地址指向国内镜像，不改软件本身，不降低安全性。开源软件在镜像站上的文件和官方仓库理论上一致，且会做签名和哈希校验。

5.2 conda换源的完整命令与.condarc配置

最常用的是清华源，执行以下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes

执行完以后，查看当前配置：

conda config --show channels

更完整的~/.condarc文件参考如下：

channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/ custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/ pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

不同版本的Anaconda和不同镜像站，目录结构可能略有差别。如果执行conda update或安装包时出现404或者CondaHTTPError，多半是路径写错了，可以打开镜像站目录确认实际文件名。

换了源以后，如果还是走老的缓存，容易出问题，建议清理索引缓存：

conda clean -i

然后重新执行安装或更新命令。

5.3 pip加速与conda/pip混用注意事项

conda环境的底层也可以用pip安装包。很多人同时使用conda和pip，但没换pip源的话，照样会遇到速度问题。pip临时指定镜像源：

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

想一劳永逸：

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

这样以后pip安装包默认走清华PyPI镜像。

这里提醒一句：同一个环境里，conda能装的包优先用conda装。什么时候用pip？比如某个包在conda仓库里没有，或者需要安装最新GitHub版本，这时才用pip。最怕的就是同一个库先conda装一遍，再pip装一遍，两边互相覆盖，最后环境状态变得极其混乱。我踩过坑，所以现在自己定了一条规矩：每个环境维护一份环境导出文件，里面记录哪些包是conda装的，哪些是pip装的。

6. 用Anaconda创建和管理虚拟环境：日常工作中的标准操作

6.1 为什么必须用虚拟环境

我举个真实场景。你有一个旧项目，用的是TensorFlow 1.x，只能在Python 3.7上跑；新项目要读一个新框架，官方要求Python 3.11。如果只有一个全局Python环境，你只能在每次切换项目时卸载重装Python和依赖包，费时费力还容易出错。

Anaconda的虚拟环境就是解决这个问题的。每个环境相当于一个独立的Python小世界，互不干扰。就算把一个环境搞坏了，直接删掉重建只需要几分钟，完全不影响其他环境。

6.2 创建环境时各参数的含义

创建一个名字叫ml_env、Python版本3.10的环境：

conda create -n ml_env python=3.10

参数说明：

• -n：环境的名称（name）
• python=3.10：在这个环境里安装Python 3.10
• 可以追加-y，表示确认创建，不用再手动输y

如果你想创建一个环境，并同时装几个常用包：

conda create -n web_env python=3.10 django flask -y

还可以用环境配置文件夹恢复环境：

conda env create -f environment.yml

我自己的习惯是，每个项目根目录放一个environment.yml文件，记录项目所需的环境信息。换电脑或者换服务器时，一条命令就能重建环境，不用手动装几十个包。

6.3 激活、退出、删除：每天都会用的命令

创建好环境后，激活它：

conda activate ml_env

终端提示符会从(base)变成(ml_env)，此时which python指向的就是这个环境里的Python。退出当前环境：

conda deactivate

查看本机所有环境：

conda env list

输出列表中，带*的就是当前环境。删除环境：

conda remove -n ml_env --all

这里再强调一次脚本场景：如果你想在shell脚本中让某个环境运行Python脚本，最稳定的写法不是先激活环境再运行，而是直接用该环境下的Python绝对路径。路径规律是/home/用户名/anaconda3/envs/环境名/bin/python。

6.4 把conda环境接到PyCharm/VSCode里

命令行跑环境很顺手，但写代码时很多人还是在IDE里。以PyCharm为例，在设置里选择Project Interpreter，然后添加Existing Interpreter，路径指向/home/用户名/anaconda3/envs/ml_env/bin/python，这个环境即可使用。VSCode里按Ctrl+Shift+P，输入Python: Select Interpreter，选择对应路径。

这一步本质上是让IDE里跑代码时调用conda的环境，而不是系统Python。很多人装完Anaconda后启动PyCharm，发现还是用的默认解释器，就是没有手动指定环境。

7. 安装使用中的高频坑：权限、系统Python、警告信息与周边问题

7.1 磁盘空间不足与目录权限问题怎么破

Anaconda安装完成后，默认环境目录是~/anaconda3/envs。创建新环境时经常遇到磁盘空间不够的报错，比如：

CondaError: Not enough space on disk

排查第一步是看磁盘空间：

df -h /home

如果/home所在分区确实空间紧张，可以把环境创建到其他分区或者数据盘。方法是使用-p指定路径创建环境：

conda create -p /data/envs/proj_env python=3.11

激活时也要写完整路径：

conda activate /data/envs/proj_env

这里还有个权限问题：没有sudo权限的普通用户，不要尝试把环境装到/opt、/usr这类系统目录。conda本身不需要系统级安装，老老实实放在自己家目录或者自己有权限的数据盘即可。

7.2 系统内置Python真的会被Anaconda弄坏吗

很多第一次安Anaconda的人都会担心：会不会把系统原来的Python弄坏？

正常安装和使用情况下，Anaconda不会动/usr/bin/python3。它只是把Anaconda自己的目录加到了当前用户的PATH里，系统服务、桌面组件调用Python时，仍然直接指定/usr/bin/python3或/usr/bin/env python3，一般不受影响。

会让人产生误解的情况是：你在终端里已经激活了某个conda环境，然后执行sudo python，结果发现Python变成了Anaconda的。这是因为sudo在某些配置下会保留当前用户的一部分环境变量，导致它找到的是Anaconda的Python。这不是系统Python被破坏了，而是你“用错了”环境。想确认系统Python没问题，可以这样：

/usr/bin/python3 --version

只要这个命令正常，系统本身没有被动过。

7.3 激活环境时遇到的warning提示怎么解

有人截图问我：明明环境里装了包，直接运行某个Python脚本时，出现了类似This Python interpreter is in a conda environment, but the environment has not been activated的警告。这个问题大多不是环境坏了，而是你用了环境里的Python二进制文件，却没有激活对应环境对应的环境变量。

解决办法有几种：

第一种，先激活环境再运行：

conda activate myenv python script.py

第二种，不想交互式激活环境下运行，用conda run：

conda run -n myenv python script.py

conda run会自动给子进程设置好环境变量，适合脚本和定时任务。缺点是它有一定额外开销，而且不是特别适合需要交互输入的程序。日常开发中，直接在终端激活环境是最顺手的方式。

7.4 和新人有关的周边问题：Linux新建用户、解压乱码

安装Anaconda的过程中，很多新手会顺手碰到两个无关但又很像的Linux问题。

第一个是新建用户。前面提到不建议用root安装Anaconda。创建普通用户的操作很简单：

useradd -m -s /bin/bash alice passwd alice su - alice

然后就在alice用户下执行Anaconda安装脚本。这样每个用户的配置和虚拟环境都是独立的，不会互相污染。

第二个是解压文件乱码。Windows下打的zip包，传到Linux后解压，文件名经常变成一堆乱码。这是压缩包内的文件名编码问题和系统默认编码不一致导致，跟Anaconda没有关系。如果遇到，可以试试：

unzip -O GBK 文件名.zip

部分unzip版本支持-O参数指定编码。如果提示不支持，可以改用7z或convmv修复文件名的编码。实在没时间折腾，以后压缩文件时尽量使用英文文件名，能避开90%的乱码问题。

8. 卸载Anaconda与迁移环境：不留下历史包袱

8.1 干净卸载的标准流程

很多人以为卸载Anaconda就是执行rm -rf ~/anaconda3。这个操作并不完整，因为还有隐藏配置文件、环境备份目录残留在系统里。

比较稳妥的卸载流程是：

conda activate base conda install -n base -c conda-forge anaconda-clean -y anaconda-clean --yes

anaconda-clean会自动备份相关配置到~/anaconda_backup目录。执行完以后，再删除主安装目录：

rm -rf ~/anaconda3

如果以后确定不再需要这些配置，可以连备份目录一起删掉。注意别手滑：~/anaconda_backup里可能有你之前的配置和自定义环境信息，最好先看一眼里面的内容再决定。

8.2 手动清理残留：配置文件、rc文件和PYTHONPATH

如果你不想用anaconda-clean，或者它因为某些原因安装失败，也可以手动清理。需要检查的位置包括：

• ~/.condarc：conda配置文件
• ~/.conda：conda缓存和状态目录
• ~/.continuum：Anaconda的辅助目录
• ~/.bashrc、~/.bash_profile、~/.profile：里面是否有conda init添加的代码块或手动设置的PATH
• ~/.zshrc：如果用的是zsh

清理完这些后，重开终端，执行：

which conda

如果没有任何输出，说明卸载已经干净了。

这里特别提一下PYTHONPATH。很多老手曾经为了让某些包全局可用，在~/.bashrc里设置了PYTHONPATH。Anaconda卸载后，如果这个环境变量还在，会干扰后续其他Python程序，导致“为什么我的包从这里导入”这种奇怪问题。建议在卸载Anaconda后，自己检查一下这个变量：

echo $PYTHONPATH

如果有内容，就要考虑是否还要保留。我的习惯是尽量不设置全局PYTHONPATH，项目的依赖交给虚拟环境管理。

另外，如果你是想卸载旧版本Anaconda，然后换Miniconda或者新版本Anaconda，建议卸载前先导出所有环境：

conda env export > environment_backup.yml

对于conda和pip混合安装的包，再补一个pip冻结清单：

pip freeze > requirements_backup.txt

新机器上装好conda后，执行：

conda env create -f environment_backup.yml

可以快速恢复环境。虽然不可能100%还原，但总比重装几十个包要强得多。

最后分享一个我用了很久的小技巧：装好Anaconda后，先把auto_activate_base关掉，也就是让Shell启动时不自动进入base环境，然后把自己常用的项目环境固定好。这样终端干净，也不会出现“明明没进环境，Python却指向Anaconda”的困惑。需要哪个环境，就主动激活哪个环境，整个过程清清楚楚，坑也少很多。