第14章 计算机系统的本质¶

学习目标¶

• 理解科研开发中常见系统术语的真实含义
• 分清 OS、语言、包、环境、IDE、终端、脚本的层级关系
• 能用统一框架解释“为什么代码在不同机器表现不同”

关键概念¶

• 操作系统 (OS)
• 语言 / 引擎 / 内核
• 包 (Package/Library)
• 环境 (Environment)
• Docker
• 镜像源 (Mirror)
• IDE 与终端 (Terminal)
• 脚本 (Script)

正文¶

用“做饭”理解计算机系统¶

可以把开发过程想象成做饭：你想做出一顿完整的饭，但你会遇到“房子、厨房、厨具、料理包、菜谱、超市”等不同层次。

这个类比对应到计算机系统如下。

术语	类比	例子
操作系统 OS	房子。可以在房子里再套房子（虚拟机/WSL），但底层资源总量有限。	Windows、Linux、macOS
语言 / 引擎 / 内核	厨房风格。你可以在不同风格厨房做饭。	MATLAB、R、Python
包 / 库	料理包。很多功能不用自己从零写。	FieldTrip、ggplot2、PyMC
环境	房子里的某个具体厨房，包含语言版本和全部包。	R 4.4 环境、Python 3.11 环境
Docker	按标准模板打包好的厨房。拎包入住。	datascience notebook、hDDM 容器
镜像源	购买料理包的超市。	CRAN 清华源、conda-forge 镜像
IDE	你常用的一套厨具。	VS Code、RStudio、PyCharm
终端 Terminal	极简火坑。可直接下命令，不靠图形界面。	PowerShell、bash、cmd
脚本 Script	菜谱。规定处理步骤。	.py、.R、.m

---

让我们用几个具体的例子来加深理解：

• PsychoPy是一个“基于Python”的实验设计和呈现平台。它的运行需不需要首先有一个Python？

  需要。“基于Python”意味着它是用Python写的，它的代码也必须由Python来执行，所以必须先有一个Python，才能运行PsychoPy。具体而言，“一个Python”的正式说法是“Python解释器”，在Windows系统上，它是一个叫python.exe的文件。

• 你可以在PsychoPy的官网下载到“Stand-alone”版本的安装包。安装前后，需不需要安装Python？

  不需要。“Stand-alone”版本意味着安装好之后，它就是一个独立的、打包好的、即开即用的软件包；你会在安装目录中找到一个Python（python.exe）。当你打开PsychoPy时，实际上是这个Python在充当专属于PsychoPy的解释器；即使你已经在系统上安装过另一个Python，也与PsychoPy无关。

• 安装好PsychoPy、采集数据之后，你准备用numpy、pandas甚至hddm等Python包来分析数据。既然刚才安装好的PsychoPy自带一个Python解释器，你需不需要再安装一个新的Python？

  需要，除非你在安装PsychoPy之前安装过另一个Python。如前所述，虽然PsychoPy自带一个Python，但那个Python是专属于PsychoPy的。你需要另一个Python（不管是之前安装过的，还是再安装一个）来完成你的数据分析任务。最好的方案是，对于每一个项目，都使用一个独立的Python（甚至是R），就像PsychoPy拥有一个自己的Python一样。如何创建、管理这些不同的Python，也就是环境管理的意义。

• 也许你的IDE可以识别到PsychoPy目录下的那个Python——如果就是想用它来做数据分析之类的工作，会有什么后果？

  最好的情况下，不会有什么严重后果。但是，也有可能因为“依赖问题”导致你的PsychoPy环境受到污染，最终无法正常运行。保险起见，除非你清楚自己在做什么，否则不要跨项目、跨环境使用Python。

• 到底什么叫“依赖问题”？

  可以把“依赖”理解为：你的代码要跑起来，不只需要你写的那几行代码，还需要一整套“外部条件”一起配合。最常见的依赖包括：Python/R 版本、第三方包版本、系统库、甚至操作系统本身。只要其中某一项版本不匹配，代码就可能报错。这就叫“依赖问题”。

  想象你要做小组汇报，准备了PPT和相应的逐字稿，然后你把逐字稿发给了演讲人。但是，你又修改了PPT的内容，有很多新增和删除页面。此时，你的逐字稿就出现了“依赖问题”：PPT上的第7页不再是你逐字稿的第7页。或者说，你和演讲人不是同一个环境（PPT的版本不一致），导致演讲人没法正确进行汇报。

---

依赖问题：到底在“依赖”什么？¶

很多初学者以为：

我已经安装了 Python，为什么还会 ModuleNotFoundError？

核心原因是：你运行的不是“一个Python世界”，而是“某个具体环境里的某个Python”。

依赖问题通常发生在下面三层：

1. 语言依赖：代码要求 Python 3.11，但你在 3.8 里运行。
2. 包依赖：你的代码用到 pandas、numpy、pymc，但当前环境没装，或版本不对。
3. 系统依赖：某些包需要系统级组件（编译器、动态链接库、CUDA 驱动等）。

一句话总结：

代码不是孤立运行的，它依赖一整套上下文。

什么是“依赖冲突”？¶

依赖冲突就是：

• 包A要求 numpy < 2.0
• 包B要求 numpy >= 2.0

结果：你无法在同一个环境里同时满足二者。

这和“一个厨房里两位厨师对同一种调料有互斥要求”非常像：

• 厨房里只能有一种酱油
• 厨师A说必须用低盐酱油
• 厨师B说必须用高盐酱油

你只能二选一，或者拆成两个厨房（两个环境）。

环境是什么？为什么它能解决依赖问题？¶

环境（Environment）可以理解成“项目专属厨房”：

• 有自己的语言版本
• 有自己安装的包
• 与其他项目隔离

这样做的好处：

1. 项目A升级包，不会弄坏项目B。
2. 旧项目可以长期维持可复现状态。
3. 出问题时更容易定位（只在一个环境里查）。

最实用的经验：

一个项目一个环境，不要多个项目共用一个 base。

依赖问题的典型报错长什么样？¶

1. ModuleNotFoundError: No module named 'xxx'
   通常是：当前环境没装这个包，或 IDE 选错解释器。

2. ImportError / DLL load failed
   通常是：包安装不完整，或系统依赖缺失。

3. TypeError: got an unexpected keyword argument ...
   通常是：包版本变化，函数接口变了。

4. 同一份代码在A电脑能跑，在B电脑报错
   通常是：环境不一致（语言版本、包版本、系统差异）。

三步排查法（新手版）¶

第一步：确认“我现在在哪个环境”¶

• 看 IDE 右下角解释器
• 在终端打印 Python/R 版本
• 确认你装包的环境和你运行代码的环境是同一个

第二步：确认“我缺什么依赖”¶

• 看报错里缺的是哪个包/哪个版本
• 用包管理器查询是否已安装
• 必要时在干净环境里最小复现

第三步：固定并记录版本¶

• Python：requirements.txt 或 environment.yml
• R：renv.lock
• MATLAB：记录 toolbox 与版本

这一步决定你半年后还能不能复现今天的结果。

一个最小示例：为什么会冲突¶

假设你有两个项目：

• 项目A（旧）：依赖 pandas==1.5
• 项目B（新）：依赖 pandas==2.2

如果放在同一个环境里，升级到 2.2 后，项目A 可能出现接口不兼容。

正确做法：

1. env_A 固定旧版本，保证历史项目可复现。
2. env_B 使用新版本，支持新功能开发。

这就是“环境隔离”最直接的价值。

你真正需要记住的三句话¶

1. 环境是项目边界，不是可有可无的配置。
2. 依赖冲突很正常，不是你水平差。
3. 能复现的关键不是记忆，而是版本记录。

注意事项与常见问题¶

同一段代码在不同机器可能有不一样的结果¶

常见原因基本都来自“层级错配”：

1. 操作系统不同：路径分隔符、权限系统、系统依赖不一致。
2. 语言版本不同：同一个包在 Python 3.9 和 3.11 行为可能不同。
3. 包版本不同：函数参数、默认行为、返回结果可能变化。
4. 环境不一致：你在 envA 装包，实际运行却在 base。
5. 镜像源/网络差异：安装失败或装到旧版本。

结果复现不是简单的复制代码¶

拥有原始代码文件，不代表你就能复现运算结果。要完全复现，必须在以下四个方面都保持一致：

1. 数据层：原始数据与预处理规则一致。
2. 脚本层：分析脚本、参数设置一致。
3. 环境层：语言与包版本一致。
4. 执行层：运行入口、路径、权限一致。

任何一个层面出现不一致，都可能导致复现失败，甚至代码不可运行。

必须掌握的三个实践原则¶

原则1：明确“当前在哪个环境”¶

• 不要默认自己在正确环境中。
• 每次运行前确认解释器路径与环境名。
• IDE 右下角解释器信息必须看一眼。

原则2：区分“代码错误”和“环境错误”¶

• SyntaxError、NameError 通常是代码逻辑问题。
• ModuleNotFoundError、package not available 通常是环境问题。
• 路径找不到通常是工作目录问题。

原则3：固定版本，减少漂移¶

• 在项目中记录版本信息（如 requirements.txt、environment.yml）。
• 包升级前先做小范围测试。
• 能稳定跑通就不要频繁更换主环境。

小结¶

• 计算机系统是分层结构，不是“一个软件包打天下”。
• 大多数“玄学报错”都可以在系统层级中定位。
• 把 OS、环境、包、脚本关系理顺，开发效率会明显提升。

练习与思考¶

1. 用“做饭类比”解释给同学听：环境 和 IDE 的区别是什么？
2. 记录一次你遇到的报错，判断它更可能属于哪个层级（OS/包/环境/脚本）。
3. 写出你当前项目的“运行依赖清单”：OS、语言版本、关键包、IDE、运行入口。