4. 开发环境搭建

Cyber RT 是 Apollo 自动驾驶平台的核心中间件，负责节点通信、调度、服务发现与数据融合。要真正进入 Cyber RT 的工程实践，第一步不是写代码，而是把一套可复现、可调试、可编译的开发环境搭起来。本章围绕“源码获取 → 容器化环境 → Bazel 构建 → 编译运行 → 调试准备”这条主线，给出可落地的操作路径与常见问题排查方法。

一、核心原理：为什么 Apollo 选择 Docker + Bazel

Apollo 的依赖体系非常庞大：Protobuf、gRPC、Fast RTPS、OpenCV、PCL、CUDA、Eigen、Boost 等版本互相耦合，直接安装在宿主机上极易出现“版本地狱”。Docker 提供隔离的根文件系统，把 Ubuntu 版本、编译器版本、第三方库版本全部锁定在镜像里；Bazel 则负责增量编译、依赖图管理和跨语言构建。两者结合，使“同一份源码在不同机器上编译出相同结果”成为可能。

Cyber RT 的构建目标通常以 //cyber/... 形式组织，Bazel 会解析 BUILD 文件中的 cc_library、cc_binary、proto_library 等规则，生成依赖 DAG，再按拓扑顺序编译。理解这一点，就能明白为什么“改一个头文件会触发大量重编译”，也能理解缓存目录 ~/.cache/bazel 的重要性。

二、方法流程：从零到可编译的五步操作

1. 获取源码：从 Apollo 官方仓库克隆，并切换到与 Cyber RT 匹配的分支。建议使用 --depth=1 减少下载量。
2. 启动 Docker 容器：使用 Apollo 提供的 apolloauto/apollo 镜像，挂载源码目录，并映射显示与调试端口。
3. 配置 Bazel：确认 WORKSPACE 存在，检查 .bazelrc 中的编译选项与缓存路径。
4. 编译 Cyber RT：执行 bazel build //cyber/...，观察依赖解析与编译输出。
5. 运行与调试：启动示例节点，使用 cyber_monitor、cyber_visualizer 和 GDB 进行验证。

# 1. 获取源码
git clone --depth=1 -b master https://github.com/ApolloAuto/apollo.git
cd apollo

# 2. 启动 Docker 容器
docker run -it --name apollo_dev \
  -v $(pwd):/apollo \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=$DISPLAY \
  apolloauto/apollo:dev-latest bash

# 3. 进入容器后配置 Bazel
cd /apollo
bazel version

# 4. 编译 Cyber RT
bazel build //cyber/... --jobs=4

# 5. 运行示例
bazel run //cyber/examples:talker
bazel run //cyber/examples:listener

三、案例场景：编译一个 Cyber RT 最小节点

假设我们要在 cyber/examples 下新增一个最小发布者节点。首先编写 BUILD 文件，声明 cc_binary 并依赖 //cyber；然后编写 talker.cc，使用 cyber::Init、CreateWriter 和 Node 完成消息发布。编译命令如下：

bazel build //cyber/examples:talker
bazel run //cyber/examples:talker

如果编译成功但运行时报“channel not found”，通常是因为 CYBER_IP 或 CYBER_DOMAIN_ID 未设置，导致节点无法加入同一通信域。此时可在容器内执行：

export CYBER_IP=127.0.0.1
export CYBER_DOMAIN_ID=80
bazel run //cyber/examples:talker

四、误区与复盘：环境搭建中最容易踩的坑