2. 环境搭建与工具链准备：Python 3.10+、PyCharm、Loguru、Pandas、Matplotlib、Flask 等依赖安装与配置

本章节将系统性地搭建《Online状态切换与Log分析的联合调试工程案例》所需的完整开发与调试环境。一个稳定、版本对齐的工具链是后续联合调试的基础，避免因环境差异导致的“在我机器上能跑”问题。我们将从 Python 解释器、集成开发环境、核心日志库、数据分析栈到轻量级 Web 框架，逐一完成安装与验证。

2.1 技术栈全景与版本对齐

本课程涉及的核心组件及其在调试链路中的角色如下表所示。所有组件均基于 Python 3.10+ 生态，确保类型注解、模式匹配等新特性可用。

2.2 Python 环境与虚拟环境配置

推荐使用 pyenv 管理多版本 Python，使用 venv 创建项目级隔离环境。以下是标准操作流程：

1. 安装 Python 3.11（以 3.11 为例，稳定且兼容所有依赖）：

# macOS / Linux (使用 pyenv)
pyenv install 3.11.7
pyenv global 3.11.7

# Windows (直接使用 Python 官网安装包，勾选 "Add Python to PATH")
python --version  # 应输出 Python 3.11.7

2. 创建项目虚拟环境：

mkdir online_debug_project
cd online_debug_project
python -m venv .venv
source .venv/bin/activate   # macOS/Linux
# .venv\Scripts\activate    # Windows

3. 验证虚拟环境：

which python   # 应指向项目目录下的 .venv/bin/python
pip --version  # 确保 pip 来自虚拟环境

2.3 依赖安装与版本锁定

使用 pip 一次性安装所有核心依赖。建议使用 requirements.txt 锁定版本，确保团队或 CI 环境一致。

pip install loguru==0.7.2 pandas==2.1.4 matplotlib==3.8.2 flask==3.0.0

# 可选但推荐：用于调试和性能分析
pip install ipython pytest memory_profiler

安装完成后，生成锁定文件：

pip freeze > requirements.txt

验证安装是否成功：

python -c "import loguru; import pandas; import matplotlib; import flask; print('All dependencies loaded successfully.')"

下表列出各库的核心功能模块，后续章节将直接引用：

2.4 PyCharm 项目配置与调试器集成

PyCharm 的调试器是本课程进行“断点联合调试”的核心工具。配置步骤如下：

1. 打开项目：File → Open → 选择 online_debug_project 目录。
2. 配置 Python 解释器：Settings → Project → Python Interpreter → 选择 Existing environment → 指向 .venv/bin/python。
3. 设置日志控制台颜色：安装 Loguru Log Viewer 插件（Marketplace 搜索），使 Loguru 的 <level> 标签在控制台高亮显示。
4. 验证调试器：创建一个测试脚本 test_env.py，写入以下代码并设置断点：

# test_env.py
from loguru import logger

logger.debug("This is a debug message")
logger.info("Environment is ready")
x = 42
y = [1, 2, 3]
print(x + y[0])

右键 → Debug ‘test_env’，确认断点命中时变量 x、y 在 Variables 面板可见。

2.5 工具链架构与数据流

下图展示了本课程工具链的协作关系：Loguru 采集日志并写入文件/控制台；Pandas 读取日志文件进行清洗与状态分析；Matplotlib 将分析结果可视化为时序图；Flask 提供 REST API 对外暴露状态查询接口；PyCharm 调试器可附加到 Flask 进程，实现 Web 请求级别的断点调试。

2.6 环境验证脚本

完成上述步骤后，运行以下综合验证脚本，确认所有组件可正常协作：

# verify_env.py
import sys
import loguru
import pandas as pd
import matplotlib
import flask

print(f"Python version: {sys.version}")
print(f"Loguru version: {loguru.__version__}")
print(f"Pandas version: {pd.__version__}")
print(f"Matplotlib version: {matplotlib.__version__}")
print(f"Flask version: {flask.__version__}")

# 验证 Loguru 结构化输出
from loguru import logger
logger.add("test_loguru.log", format="{time}|{level}|{message}", rotation="10 KB")
logger.info("Environment verification passed.")

# 验证 Pandas 时间序列
dates = pd.date_range("2024-01-01", periods=5, freq="h")
df = pd.DataFrame({"timestamp": dates, "status": [1, 0, 1, 1, 0]})
print(df.resample("2h", on="timestamp").mean())

# 验证 Matplotlib 后端
matplotlib.use("Agg")
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(dates, [1, 0, 1, 1, 0])
fig.savefig("test_plot.png")
print("Matplotlib plot saved successfully.")

# 验证 Flask 应用启动
from flask import Flask
app = Flask(__name__)
print("Flask app object created.")

print("\n✓ All components verified. Environment is ready for Online Status Debugging.")

执行命令：

python verify_env.py

预期输出应包含各库版本号，并在当前目录生成 test_loguru.log 和 test_plot.png 文件。如果出现 ImportError 或版本不匹配，请检查虚拟环境是否激活，或重新执行 pip install -r requirements.txt。