📚 课程目录第3章测试环境搭建

3. 测试环境搭建：Python虚拟环境配置、依赖库安装

在开始供应链控制塔异常检测链路的测试验证之前，必须建立一个干净、可复现的Python运行环境。本章将指导你完成从虚拟环境创建到核心依赖库安装的全过程，确保所有测试用例在一致的软件栈上执行，避免因环境差异导致的误判。

3.1 环境准备清单

下表列出了搭建测试环境所需的软件组件及其推荐版本。请在实际操作前确认系统已安装Python 3.9+及pip包管理器。

组件	推荐版本	用途说明
Python	3.9 ~ 3.12	运行时基础解释器
pip	≥ 23.0	包依赖管理工具
venv	内置模块	创建隔离虚拟环境
pandas	≥ 2.0	时序数据清洗与特征工程
numpy	≥ 1.24	数值计算与矩阵运算
scikit-learn	≥ 1.3	异常检测模型训练与评估
matplotlib	≥ 3.7	检测结果可视化与报告生成
kafka-python	≥ 2.0	Kafka消息队列消费与生产

版本兼容性提示： 建议使用Python 3.10作为基准版本，该版本对上述所有库的二进制wheel支持最完整，可避免编译安装带来的额外耗时。

3.2 虚拟环境创建与激活

虚拟环境是Python项目隔离的最佳实践。以下步骤演示如何为异常检测链路测试创建专用环境。

创建项目目录：在合适位置新建文件夹 scm_ct_test，作为所有测试脚本和数据的根目录。
初始化虚拟环境：在终端中进入该目录，执行以下命令创建名为 .venv 的虚拟环境。

cd scm_ct_test
python -m venv .venv

激活虚拟环境：根据操作系统选择对应激活命令。

操作系统	激活命令
Windows (CMD)	`.venv\Scripts\activate.bat`
Windows (PowerShell)	`.venv\Scripts\Activate.ps1`
macOS / Linux	`source .venv/bin/activate`

激活成功后，终端提示符前会出现 (.venv) 前缀，表示当前已进入隔离环境。

常见错误： 如果Windows PowerShell提示执行策略限制，请先以管理员身份运行 Set-ExecutionPolicy RemoteSigned -Scope CurrentUser，然后重新激活。

3.3 依赖库批量安装

为便于团队协作和环境复现，建议将所有依赖写入 requirements.txt 文件，然后通过pip一次性安装。

创建依赖清单：在项目根目录新建 requirements.txt，写入以下内容。

pandas>=2.0, <3.0
numpy>=1.24, <2.0
scikit-learn>=1.3, <2.0
matplotlib>=3.7, <4.0
kafka-python>=2.0, <3.0

执行安装：确保虚拟环境已激活，运行以下命令。

pip install -r requirements.txt

验证安装结果：通过Python交互式解释器逐一导入各库，确认版本符合预期。

python -c "import pandas; print('pandas', pandas.__version__)"
python -c "import numpy; print('numpy', numpy.__version__)"
python -c "import sklearn; print('scikit-learn', sklearn.__version__)"
python -c "import matplotlib; print('matplotlib', matplotlib.__version__)"
python -c "import kafka; print('kafka-python', kafka.__version__)"

  离线环境安装方案： 若测试环境无法访问外网，可先在能联网的机器上执行 pip download -r requirements.txt -d ./offline_pkgs 下载所有wheel包，然后拷贝到离线环境执行 pip install --no-index --find-links ./offline_pkgs -r requirements.txt。

3.4 环境架构总览

下图展示了测试环境中各组件之间的逻辑关系与数据流向。虚拟环境作为隔离层，承载所有Python库；pandas和numpy负责数据预处理，scikit-learn执行异常检测算法，matplotlib生成可视化报告，kafka-python则连接消息中间件实现实时数据接入。

3.5 环境验证脚本

完成安装后，建议编写一个完整的验证脚本 check_env.py，一次性检查所有依赖是否就绪。该脚本也可作为CI/CD流水线中的前置检查步骤。

#!/usr/bin/env python
"""供应链控制塔测试环境验证脚本"""

import sys
import importlib

REQUIRED_PACKAGES = [
    ('pandas', '2.0.0'),
    ('numpy', '1.24.0'),
    ('sklearn', '1.3.0'),
    ('matplotlib', '3.7.0'),
    ('kafka', '2.0.0'),
]

def check_environment():
    print("=" * 50)
    print("测试环境依赖检查")
    print("=" * 50)
    print(f"Python版本: {sys.version.split()[0]}\n")

    all_ok = True
    for pkg_name, min_ver in REQUIRED_PACKAGES:
        try:
            mod = importlib.import_module(pkg_name)
            ver = getattr(mod, '__version__', 'unknown')
            status = "✓" if ver >= min_ver else "⚠"
            print(f"  {status} {pkg_name:20s} 版本 {ver:10s} (要求 ≥ {min_ver})")
            if ver < min_ver:
                all_ok = False
        except ImportError:
            print(f"  ✗ {pkg_name:20s} 未安装")
            all_ok = False

    print("\n" + "=" * 50)
    if all_ok:
        print("  环境验证通过，可以开始测试！")
    else:
        print("  环境存在缺失或版本过低，请修正后重试。")
    print("=" * 50)

if __name__ == "__main__":
    check_environment()

执行方式： 在激活的虚拟环境中运行 python check_env.py，脚本将输出每个库的安装状态和版本号，并用符号标记是否满足最低版本要求。

3.6 常见问题与排查

pip安装超时：使用国内镜像源加速，例如 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。
kafka-python与librdkafka冲突：kafka-python为纯Python实现，无需编译C扩展，若遇到冲突请确保未同时安装confluent-kafka。
matplotlib后端警告：在无GUI的服务器上运行时，在脚本开头添加 import matplotlib; matplotlib.use('Agg') 切换为非交互式后端。
虚拟环境路径包含中文或空格：某些库在编译时可能因路径编码问题失败，建议项目路径仅使用英文字母、数字和下划线。