GCP个人账号 国际GCP谷歌云服务器安装Python环境

前言：在 GCP 装 Python，其实你是在和“环境变量”谈恋爱

GCP个人账号 很多人第一次在国际 GCP（Google Cloud Platform）上折腾 Python，会有一种错觉：我明明只想装个 Python，怎么像在组装一台小型航天器。其实不必慌。GCP 的好处是资源明确、操作可重复；挑战在于云服务器是“干净系统”，你要把 Python 的“必需品”一项项补齐。

本文目标很明确：让你在国际 GCP 的虚拟机（Compute Engine）上，安装并配置一个可用的 Python 环境。你既可以用系统 Python（apt/yum）也可以用 Miniconda（更舒服）。我会尽量写得像真人笔记：哪里容易踩坑、怎么验证成功、怎么让它在你需要时立刻能跑。

准备开始前，你需要有：

• GCP 账号（并能进入控制台）
• 能创建 Compute Engine 实例的权限
• 一台能 SSH 登录的本地电脑（Windows/Mac/Linux 都行）

如果你还没创建实例，别急，正文会带你从创建到安装。

第一步：创建国际 GCP 服务器（Compute Engine）

登录 GCP 控制台后，进入“Compute Engine”，选择“VM 实例”。点击“创建实例”。

1. 选择区域与机器类型

“国际 GCP”这事，通常意味着你可能会选美国、欧洲或亚洲其他区域。建议：

• 选离你最近的地区，减少网络延迟
• 机器类型先用轻量的：例如 e2-micro / e2-small（取决于你预算与任务需求）

如果你只是跑 Python 脚本或轻量服务，e2-micro 往往足够；但如果你要跑模型、编译依赖较多，e2-small 更省心。

2. 系统镜像：Ubuntu 更省事

大多数 Python 开发者会选 Ubuntu，比如 Ubuntu 20.04 或 22.04。理由很简单：教程最多，依赖安装也最顺。

3. 防火墙与端口：别把“门”忘了开

如果你只打算用 SSH，不需要开放业务端口。默认的 22 端口如果没问题就行。

若你后续想跑 Web 服务（比如 FastAPI、Flask、Jupyter），你需要开放对应端口（例如 8000 或 8888）。但注意：安全是底线，尽量不要把端口无脑开放到全世界。

4. 认证方式：建议用 SSH Key

创建实例时勾选/选择 SSH Key（公钥）。这样比“密码登录”安全得多，也更不容易翻车。

第二步：SSH 登录到服务器

创建完成后，在 VM 实例列表里找到该实例，点击“SSH”。如果你是第一次，浏览器里会直接打开一个 SSH 会话窗口。

如果你想用本地终端，GCP 也会给你命令提示。大体长这样：

ssh -i 你的私钥.pem 你的用户名@外网IP

第一次连接成功后，先做两件事：看看系统版本，确认网络正常。

lsb_release -a
uname -a
df -h

看到系统信息没报错，就可以进入下一步安装 Python。

第三步：更新系统并安装基础依赖

云服务器通常很“简洁”，Python 有时缺编译依赖（比如安装某些包需要 gcc、make）。所以建议先更新系统包列表，再装基础工具。

在服务器上执行：

sudo apt-get update -y
sudo apt-get upgrade -y

然后安装常用构建依赖与网络工具：

sudo apt-get install -y \
  build-essential \
  libssl-dev \
  zlib1g-dev \
  libbz2-dev \
  libreadline-dev \
  libsqlite3-dev \
  wget \
  curl \
  llvm \
  libncurses5-dev \
  libncursesw5-dev \
  xz-utils \
  tk-dev \
  libxml2-dev \
  libxmlsec1-dev \
  libffi-dev \
  liblzma-dev \
  git

你可能会问：这些都要吗？不一定。但装齐能减少后续安装包时的“编译失败”。尤其你要装一些科学计算、加密、或需要编译扩展的库时，省事很多。

第四步：安装 Python（推荐 Miniconda 或 venv）

这里给你两个路线：

• 路线 A：用系统 Python + venv（轻量、清爽）
• 路线 B：用 Miniconda（最稳，管理环境更舒服）

我个人更推荐路线 B，尤其在云服务器上。原因是：pip 装包时遇到依赖地狱，你会感谢自己当时选择了“更会管”的环境管理。

路线 A：使用系统 Python + venv

先看看系统自带 Python：

python3 --version
python --version || true

如果 python3 已有版本（比如 3.8/3.10/3.9），你可以直接用 venv 创建虚拟环境。

安装 venv 支持（部分系统可能没预装）：

sudo apt-get install -y python3-venv

创建一个项目目录并建环境：

mkdir -p ~/projects/myapp
cd ~/projects/myapp
python3 -m venv .venv
source .venv/bin/activate

激活成功后你会看到命令行前面出现环境名（不同系统显示略有差异）。验证一下 Python：

python -V
pip -V

升级 pip：

pip install --upgrade pip

然后你就可以装你要的库了。例如：

pip install requests

验证安装：

python -c "import requests; print('requests OK')"

如果一切正常，你已经成功了 70%——剩下 30% 是管理与最佳实践。

路线 B：安装 Miniconda（更推荐）

Miniconda 是 Anaconda 的“精简版”。优点是：体积小，环境管理舒服。

先在服务器上切到家目录：

cd ~

下载 Miniconda 安装脚本（以 Linux 64 位为例）。你需要选择一个版本。这里用一个常见的方式：用 curl 下载。

注意：由于 Miniconda 下载地址可能随时间变化，你可以在命令执行前先确认最新链接；如果你不想折腾，也可以直接去下载页面手动替换链接（但本文不提供超链接，所以你需要自行在浏览器搜索 Miniconda）。

示例命令（把 URL 替换成你实际下载的）：

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

然后开始安装：

bash Miniconda3-latest-Linux-x86_64.sh

安装过程会问你要不要初始化 conda。一般建议让它初始化（yes），但如果你不想改 shell 配置，你也可以后续手动初始化。默认路径一般是：

~/miniconda3

安装结束后，让环境生效：

source ~/miniconda3/bin/activate

验证 conda 是否可用：

conda -V
python -V

接着创建一个独立环境（强烈建议）：

conda create -n py310 python=3.10 -y

激活环境：

conda activate py310

升级 pip 并安装常用包：

pip install --upgrade pip
pip install requests numpy pandas

GCP个人账号 验证：

python -c "import requests, numpy, pandas; print('conda env OK')"

到这里你就拥有了一个干净、可复现的 Python 环境。云服务器上这种“可复现”，就是你未来少挨几次骂人的本质。

第五步：配置 pip 镜像与网络（非常关键）

如果你在国际环境下安装包，有时会遇到下载慢甚至超时。这不是你电脑的问题，是网络与源服务器距离导致的。

你可以为 pip 配置镜像，比如使用更快的镜像源。你可以通过在环境内运行：

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

如果你不想用 global（全局生效），也可以在安装命令时临时指定：

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

装完以后建议做个小测试：

python -c "import requests; print(requests.__version__)"

如果一切顺畅，恭喜，你的网络终于站在你这一边了。

第六步：设置项目目录与依赖管理习惯

建议你不要在根目录乱装包。统一采用项目目录，比如：

~/projects/your_project

在项目中创建 requirements 文件（尤其是你用 pip 或 conda 都可以）。以 pip 为例：

pip freeze > requirements.txt

下次你重装环境，就可以快速恢复：

pip install -r requirements.txt

如果你使用的是 Miniconda，conda 环境也可以导出：

conda env export > environment.yml

这会让你的部署更像“工程”，而不是“玄学”。

第七步：安装常用开发工具（可选但很香）

当 Python 环境搭好后，你大概率还会需要一些工具：

• 代码格式化：black、isort
• 代码检查：flake8 或 ruff
• GCP个人账号 测试：pytest
• 调试：pdb（内置）、或 IDE

你可以在你的虚拟环境中安装：

pip install black ruff pytest

检查版本：

black --version
ruff --version
pytest --version

这一步不是必须，但属于“把日子过舒服”。不装也行，但你以后写代码时可能会手动嫌弃自己。

第八步：用一个小脚本验证环境真正可用

别只信版本号。版本号只能说明 Python 在场，但你要验证能跑你的代码。

创建一个测试脚本：

mkdir -p ~/projects/test_py
cd ~/projects/test_py
echo "import sys\nimport platform\nprint('Python OK')\nprint('version:', sys.version)\nprint('platform:', platform.platform())" > test.py
python test.py

看到输出就说明没问题。

如果你要验证安装了某个关键库（例如 torch、opencv、pymysql），同样用小脚本导入测试即可。

第九步：常见坑位地图（提前避雷，少走弯路）

坑 1：装了 Python 但 pip 找不到

常见原因是你没激活虚拟环境/conda 环境。解决办法就是先激活环境，再运行 pip。

检查命令：

which python
which pip
python -V
pip -V

如果 python 与 pip 指向不同环境，基本就要重来一遍。

坑 2：安装包编译失败

如果你安装某些库报错（比如找不到头文件、缺 gcc），那就说明基础依赖没装齐。

你可以优先确认是否安装了 build-essential 与相关 lib，例如上文已经给了较全的列表。

坑 3：权限问题（sudo 和用户环境搞混）

不要在虚拟环境里随便 sudo pip install。建议全部在当前用户环境中安装。

如果你用了 sudo 安装过，环境可能被污染。通常重新建一个环境更省时间。

坑 4：时区/时间同步导致日志怪异

这不是 Python 本身的问题，但在云服务器上你可能会遇到时间显示与预期不一致。可以检查：

date
timedatectl || true

如果需要严格对齐业务时区，再做额外配置。

坑 5：端口开放了但连不上

如果你要跑 Web 服务，记得同时检查：

• 应用监听的地址（0.0.0.0 而不是 127.0.0.1）
• 防火墙规则是否允许入站端口
• 云实例是否有网络标签对应规则

GCP个人账号 一个常见错误：应用只监听本机回环地址，于是你怎么开防火墙都没用。

第十步：部署到“你以后也用得上的状态”

假设你已经成功安装 Python 环境，那么下一步就是让环境稳定、可维护。建议你至少做到：

• 固定环境（requirements.txt 或 environment.yml）
• 记录安装步骤（你自己的笔记就是未来的救命稻草）
• 不要把环境装得太散（尽量每个项目独立环境）

如果你使用 Miniconda，把你的环境命名规范一点，比如：

conda create -n myproj-py310 python=3.10 -y

这样以后你不会在服务器上迷路，像找不到床的宿醉后你自己。

结语：你现在拥有的是“能跑的 Python”，不是“装过的 Python”

很多教程到“装完 Python”就结束了，但在云服务器上真正重要的是：它能否重复、能否跑你的代码、能否让你下次回来不用重装。

本文从 GCP 创建实例开始，讲到 SSH 登录、系统依赖安装、Miniconda/venv 环境构建、pip 镜像配置、验证脚本与常见坑位。照着做，你就能在国际 GCP 的服务器上搭起一套可靠的 Python 环境。

最后送你一句“工程师式安慰话”：环境这东西，第一次搭起来可能麻烦，但只要你把步骤变成习惯，后面就会越来越顺。顺便说一句，如果你愿意把你选择的系统（Ubuntu 版本）、Python 版本（3.9/3.10/3.11）和你要跑的任务（爬虫/训练/接口服务）告诉我，我也可以帮你把依赖清单与部署方式再优化一轮。