Apollo 10.0 在Ubuntu22.04下的完整环境配置指南
1. 环境准备与系统检查
在开始配置Apollo 10.0之前，我们需要确保Ubuntu 22.04系统处于最佳状态。我遇到过不少因为基础环境没准备好导致后续安装失败的情况，所以这部分特别重要。首先打开终端，运行以下命令更新系统：
sudo apt update && sudo apt upgrade -y这个步骤会更新所有已安装的软件包到最新版本，避免因为旧版软件导致的兼容性问题。记得检查系统内核版本，Apollo 10.0推荐使用5.15或更高版本的内核，可以通过uname -r查看。
硬件方面，你需要一块NVIDIA显卡（建议RTX 2060以上），至少16GB内存和100GB可用磁盘空间。我实测发现，在虚拟机中运行Apollo会遇到性能问题，所以强烈建议使用物理机安装。如果你用的是笔记本，记得接上电源并设置为高性能模式，编译过程很吃资源。
2. Docker安装与配置
Docker是Apollo运行的基础环境，但官方脚本有时候不太稳定。我推荐使用阿里云镜像源来安装，速度更快更可靠。以下是详细步骤：
# 安装必要工具 sudo apt install -y ca-certificates curl gnupg lsb-release # 添加阿里云Docker仓库密钥 curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/aliyun-docker.gpg # 添加仓库 echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/aliyun-docker.gpg] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 安装Docker sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io安装完成后，我们需要解决常见的权限问题。很多新手会卡在这里，导致后续命令都需要加sudo：
# 创建docker用户组（如果不存在） sudo groupadd docker # 将当前用户加入docker组 sudo usermod -aG docker $USER # 立即生效 newgrp docker验证安装是否成功可以运行docker run hello-world，如果看到欢迎信息就说明安装正确。我还建议配置国内镜像加速器，修改/etc/docker/daemon.json文件（没有就新建）：
{ "registry-mirrors": [ "https://docker.1panel.live", "https://hub.rat.dev" ] }最后别忘了重启Docker服务使配置生效：sudo systemctl restart docker。
3. NVIDIA驱动与CUDA安装
这部分是最容易出问题的环节，我踩过不少坑。首先检查你的显卡型号和推荐的驱动版本：
ubuntu-drivers devices建议选择带有"recommended"标记的驱动版本安装。Ubuntu 22.04提供了两种安装方式：
方法一：通过系统附加驱动安装（推荐新手）
- 打开"软件和更新"应用
- 切换到"附加驱动"标签页
- 选择带有"专有"和"推荐"标记的驱动版本
- 点击应用更改并等待安装完成
方法二：命令行安装
sudo apt install -y nvidia-driver-535安装完成后重启电脑，运行nvidia-smi应该能看到显卡信息。如果报错，可能是驱动没装好，需要卸载重装。
接下来安装CUDA Toolkit，版本选择很关键。Apollo 10.0推荐CUDA 11.8，但Ubuntu 22.04默认仓库可能没有。我建议从NVIDIA官网下载runfile安装：
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run sudo sh cuda_11.8.0_520.61.05_linux.run安装时记得取消勾选驱动安装（如果已经装好驱动），其他保持默认。安装完成后配置环境变量：
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc验证安装：nvcc -V应该显示CUDA 11.8版本。
4. NVIDIA Container Toolkit配置
这个组件让Docker容器能够使用GPU，是Apollo运行的关键。安装步骤如下：
# 添加仓库密钥 curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg # 添加仓库 curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list # 安装工具包 sudo apt update sudo apt install -y nvidia-container-toolkit配置Docker使用nvidia运行时：
sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker测试GPU是否能在容器中使用：
docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi如果看到和宿主机相同的GPU信息，说明配置成功。
5. Apollo源码获取与编译
终于到了核心环节！我建议从Gitee镜像克隆，速度比GitHub快很多：
git clone https://gitee.com/ApolloAuto/apollo.git cd apolloApollo使用自己的环境管理工具aem，先安装它：
./aem init启动容器并进入开发环境：
./aem start ./aem enter在容器内开始编译（这步很耗时，建议去喝杯咖啡）：
buildtool build编译时间取决于你的硬件配置，我的i7-12700K+RTX 3080大约需要18分钟。如果遇到网络问题导致某些包下载失败，可以尝试修改容器内的apt源：
sed -i 's/archive.ubuntu.com/mirrors.aliyun.com/g' /etc/apt/sources.list apt update编译完成后，可以启动Dreamview来验证安装：
aem bootstrap start在浏览器打开http://localhost:8888应该能看到Apollo的控制界面。如果启动的是Dreamview+，端口会是8889。
6. 常见问题排查
我在多次安装过程中总结了一些常见错误和解决方法：
Q1: 编译时内存不足A: 尝试增加swap空间：
sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfileQ2: Docker容器启动失败A: 检查日志：docker logs apollo_dev，常见原因是NVIDIA驱动版本不匹配。
Q3: Dreamview无法打开A: 检查端口是否被占用：netstat -tulnp | grep 8888，也可以尝试更换端口：aem bootstrap start --port 8889
Q4: GPU在容器中不可用A: 重新安装nvidia-container-toolkit并检查docker配置：
docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi7. 性能优化建议
为了让Apollo运行更流畅，我有几个实测有效的优化技巧：
- 关闭图形界面：编译时切换到命令行界面(Ctrl+Alt+F3)可以节省大量资源
- 使用ccache加速编译：在容器内设置
export USE_CCACHE=1 - 调整编译线程数：根据CPU核心数设置，比如8核CPU：
buildtool build -j8 - 定期清理Docker：
docker system prune -f可以释放磁盘空间 - 使用SSD硬盘：机械硬盘的编译时间可能是SSD的3-5倍
最后提醒一点，Apollo的容器会占用大量磁盘空间，建议定期清理旧的镜像和容器。如果后续需要更新代码，记得先git pull然后重新编译。