保姆级教程：手把手解决Apollo 7.0.0在Ubuntu 20.04下的Docker权限与网络下载报错

保姆级教程：手把手解决Apollo 7.0.0在Ubuntu 20.04下的Docker权限与网络下载报错

当你第一次在Ubuntu 20.04上尝试运行Apollo 7.0.0时，可能会遇到一系列令人沮丧的报错信息。这些报错看似复杂，但实际上大多源于两个核心问题：Docker权限配置不当和网络连接不稳定。本文将带你一步步解决这些常见问题，让你能够顺利搭建Apollo开发环境。

1. 环境准备与基础配置

在开始之前，确保你的系统满足以下基本要求：

• Ubuntu 20.04 LTS（推荐使用干净安装）
• 至少16GB内存（32GB更佳）
• 100GB可用磁盘空间
• NVIDIA显卡（需支持CUDA）

1.1 Docker安装与配置

Docker是Apollo运行的基础环境，正确的安装和配置至关重要。首先安装Docker CE版本：

sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable" sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io

安装完成后，配置Docker用户组以避免频繁使用sudo：

sudo groupadd docker sudo usermod -aG docker $USER newgrp docker

验证配置是否成功：

docker run hello-world

如果看到"Hello from Docker!"消息，说明配置正确。

1.2 NVIDIA驱动与CUDA安装

Apollo需要CUDA支持，首先安装NVIDIA驱动：

ubuntu-drivers devices sudo ubuntu-drivers autoinstall

安装CUDA Toolkit 11.1（Apollo 7.0.0推荐版本）：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /" sudo apt-get update sudo apt-get -y install cuda-11-1

配置环境变量：

echo 'export PATH=/usr/local/cuda-11.1/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

2. 解决Docker容器启动问题

2.1 容器启动失败排查

当你执行./docker/scripts/dev_start.sh时，可能会遇到以下错误：

Error response from daemon: Container 0ab947bcd84aa90d9e3328274ca2a40697a8e3eb84bba59c716a41bacc03112d is not running

解决方法：

1. 首先查看所有容器状态：

docker ps -a

2. 找到Apollo相关容器（通常名为apollo_dev_*），记录其CONTAINER ID

3. 启动该容器：

docker start [CONTAINER_ID]

如果容器不存在，则需要重新运行dev_start.sh：

./docker/scripts/dev_start.sh

2.2 解决Docker权限问题

如果dev_start.sh需要sudo才能运行，说明Docker用户组配置未生效。检查当前用户是否在docker组：

groups

如果输出中没有docker，尝试以下步骤：

1. 重新添加用户到docker组：

sudo usermod -aG docker $USER

2. 完全注销并重新登录系统

3. 验证：

docker run hello-world

如果仍然需要sudo，可能是Docker Desktop安装冲突，考虑卸载Docker Desktop：

sudo apt-get purge docker-desktop

然后重新安装Docker CE并配置用户组。

3. 解决网络下载问题

3.1 手动下载依赖包

Apollo构建过程中需要下载多个依赖包，由于网络问题可能导致下载失败。常见报错包括zlib、rules_java等包下载失败。

解决方法：

1. 识别失败的包（从错误信息中获取包名和URL）
2. 手动下载包到本地
3. 将包移动到Apollo的缓存目录

例如，对于zlib-1.2.11.tar.gz：

1. 手动下载：

wget https://github.com/madler/zlib/archive/v1.2.11.tar.gz -O zlib-1.2.11.tar.gz

2. 移动到缓存目录：

mkdir -p ~/apollo/.cache/distdir mv zlib-1.2.11.tar.gz ~/apollo/.cache/distdir/

3. 如果.cache目录不可见，显示隐藏文件：

ls -a ~/apollo/

4. 如果无法写入，修改权限：

sudo chmod -R 777 ~/apollo

3.2 修改依赖配置文件

对于某些包，可能需要修改Apollo的依赖配置文件：

1. 找到dependencies.bzl文件：

cd ~/apollo/.cache/bazel/$(ls ~/apollo/.cache/bazel)/external/rules_proto/proto/private sudo nano dependencies.bzl

2. 修改zlib配置：

"zlib": { "sha256": "629380c90a77b964d896ed37163f5c3a34f6e6d897311f1df2a7016355c45eff", "build_file": "@com_google_protobuf//:third_party/zlib.BUILD", "strip_prefix": "zlib-1.2.11", "urls": [ "https://github.com/madler/zlib/archive/v1.2.11.tar.gz", ], }

3. 对于rules_java，修改grpc_python_deps.bzl：

cd ~/apollo/.cache/bazel/$(ls ~/apollo/.cache/bazel)/external/com_github_grpc_grpc/bazel sudo nano grpc_python_deps.bzl

添加以下内容：

if "rules_java" not in native.existing_rules(): http_archive( name = "rules_java", sha256 = "f5a3e477e579231fca27bf202bb0e8fbe4fc6339d63b38ccb87c2760b533d1c3", strip_prefix = "rules_java-981f06c3d2bd10225e85209904090eb7b5fb26bd", urls = [ "file:///home/$USER/apollo/.cache/distdir/rules_java-981f06c3d2bd10225e85209904090eb7b5fb26bd.tar.gz" ], )

4. 解决CUDA架构不兼容问题

4.1 检查GPU架构支持

构建过程中可能出现如下错误：

nvcc fatal : Unsupported gpu architecture 'compute_89'

检查支持的GPU架构：

nvcc --list-gpu-arch

如果输出中没有compute_89，说明CUDA版本与显卡不兼容。

4.2 升级CUDA版本

对于较新的NVIDIA显卡（如RTX 30/40系列），需要更高版本的CUDA：

1. 卸载旧版CUDA：

sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" "*cusolver*" "*cusparse*" "*npp*" "*nvjpeg*" "cuda*" "nsight*"

2. 安装CUDA 12.x：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /" sudo apt-get update sudo apt-get -y install cuda

3. 更新环境变量：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

4. 验证安装：

nvcc --version nvcc --list-gpu-arch

现在应该能看到compute_89等新架构支持。

5. 完整构建流程验证

5.1 启动开发容器

cd ~/apollo ./docker/scripts/dev_start.sh ./docker/scripts/dev_into.sh

5.2 构建Apollo

在容器内执行：

./apollo.sh build_opt_gpu

构建过程可能需要1-2小时，取决于硬件配置。如果遇到新的下载失败错误，重复第3节的手动下载方法。

5.3 常见构建问题解决

1. 内存不足：增加swap空间或减少并行构建线程：

./apollo.sh build_opt_gpu --local_resources 2048,1.0,1.0

2. 磁盘空间不足：清理Docker缓存和未使用的镜像：

docker system prune -a

3. Python包缺失：在容器内安装所需Python包：

pip install -r /apollo/requirements.txt

6. 优化与性能调优

6.1 加速后续构建

使用Bazel缓存：

echo 'build --disk_cache=/apollo/.cache/bazel-disk-cache' >> /apollo/.bazelrc

6.2 监控构建资源使用

watch -n 1 "free -h && nvidia-smi && df -h"

6.3 选择性构建模块

如果只需要构建特定模块：

./apollo.sh build_opt_gpu modules/planning

6.4 清理构建缓存

./apollo.sh clean bazel clean --expunge