Ubuntu 22.04 LTS 安装全指南:从镜像下载到Docker部署

1. 装Ubuntu 22.04前,先搞清楚这几个版本问题

你可能已经在网上搜了一圈“Ubuntu 22.04 LTS安装教程”,但下完镜像才发现手头至少有三个ISO文件,名字长得差不多,什么 desktop、server、live-server,还有 22.04.1、22.04.2、22.04.3 这种小版本号。第一次接触的人很容易懵,我先把版本这块讲透,避免你在起点就走偏。

1.1 LTS版本生命周期与选择理由

22.04 LTS 是 Ubuntu 在 2022年4月 发布的长期支持版本,LTS 全称是 Long Term Support,官方承诺标准支持到 2027年4月,加上 Ubuntu Pro 的扩展维护,可以继续推到 2032年。也就是说,你装一次,五年内不需要因为版本过期而重装系统,这对服务器和生产环境极其重要。

普通版本(比如 22.10、23.04)只有九个月的支持周期,每半年要升级一次,升级过程中经常出现第三方软件源失效、显卡驱动被卸载这些乱七八糟的问题。所以我一直建议:日常开发、学习、办公,一律选择 LTS 版本,别追求新功能去装普通版,稳定压倒一切。

22.04 LTS 相比前代 20.04 LTS 有不少实质变化:内核默认是 5.15(后续点版本会更新),GNOME 桌面升级到 42,默认文件管理器支持缩略图预览,Wayland 成为默认显示协议,Python 3.10 作为系统 Python。这些变化对老用户来说可能需要适应一下,但整体体验是向好的。

1.2 镜像下载:官方源与国内镜像站选哪个

镜像下载是第一个容易踩坑的点。直接打开 ubuntu.com/download/desktop,页面会自动推荐最新 LTS 版本,速度取决于你的网络环境,有时候很慢。

国内用户建议走镜像站,我常用的是清华 tuna 和阿里云镜像。地址分别是:

  • 清华:https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/22.04/
  • 阿里云:https://mirrors.aliyun.com/ubuntu-releases/22.04/

打开后你会看到多个文件,其中 ubuntu-22.04.x-desktop-amd64.iso 是桌面版安装镜像,amd64 架构适用于绝大多数 Intel 和 AMD 处理器。如果你用的是一台 ARM 架构设备,需要下载 arm64 版本,这一点在热搜词里也有人问“ubuntu查看系统架构”,可以用 uname -m 命令确认,x86_64 就是 amd64,aarch64 就是 arm64。

下载完别急着写盘,先做校验。官方提供了 SHA256SUMS 文件,用命令比对一下镜像文件的哈希值,防止下载过程中文件损坏。Linux/macOS 下用 sha256sum,Windows 下用 certutil -hashfile 文件路径 SHA256。这一步很多人省了,但镜像文件损坏导致的安装中途报错非常常见,多花十秒钟就能避免。

1.3 启动盘制作:三种工具实测对比

镜像准备好了,接下来要把 ISO 做成启动盘。这里有一个常见误区:直接把 ISO 文件复制到U盘里,以为能启动,实际上根本不行。启动盘需要把镜像写入U盘的引导扇区,让U盘变成一个可引导设备。

Windows 下我用得最多的是 Rufus。打开 Rufus,设备选U盘,引导类型选镜像文件,分区类型建议选 GPT,目标系统 UEFI(非 CSM),文件系统保持默认,点开始就行了。Rufus 在写入的时候会弹窗问你是写入 ISO 镜像模式还是 DD 镜像模式,选“以 ISO 镜像模式写入”,别选错。

macOS 下可以用 balenaEtcher,图形界面,三步完成:选镜像、选U盘、开始写入。Etcher 没有 Rufus 那么多选项,但对普通用户来说更省心,基本不会出错。

还有一类是 Ventoy,这个工具比较特殊。它先把U盘做成一个引导管理器,之后你只需要把 ISO 文件复制进U盘,开机选择对应 ISO 启动即可。好处是可以同时放多个 Linux 发行版、Windows 安装镜像,想换系统装哪个装哪个,不用反复重刷U盘,很适合折腾党。缺点是某些老主板 UEFI 兼容性有点奇怪,有概率启动失败,所以保守起见我还是推荐 Rufus 为主。

提示:制作启动盘会清空U盘全部数据,操作前一定确认U盘里没有重要文件。

需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 五条安装路线,总有一条适合你的场景

镜像和启动盘准备完毕,下一步要考虑的是:你要把 Ubuntu 装到哪里?这个问题没有标准答案,取决于你的具体场景。我见过太多人一上来就双系统,结果分区搞崩、Windows 引导丢失,最后来求助。所以我把常见安装路线列出来,你对号入座。

2.1 全盘安装(U盘裸机):最省心的单系统方案

如果你有一台闲置电脑,或者下定决心彻底告别 Windows,全盘安装是最简单、最不容易出错的方式。启动盘插入电脑,开机按启动菜单快捷键(F12 或 F2,不同品牌不一样),选择U盘启动,进入安装界面后选择“清除整个磁盘并安装 Ubuntu”。安装器会自动完成分区、引导配置,你只需要设置用户名密码和时区。

整个过程大概 10-15 分钟,装完重启就是 Ubuntu 系统。这种方式唯一的缺点是硬盘数据全没了,适合没有重要数据或数据已备份的情况。

2.2 双系统安装:给Windows留后路的磁盘分区方案

双系统是热搜词里出现频率极高的一项,但也是安装过程中最容易出问题的路线之一。核心逻辑是:在 Windows 旁边划分一块空闲磁盘空间,让 Ubuntu 安装器把这部分空间格式化后装入系统,两个系统通过 GRUB 引导菜单切换。

操作上有几个关键点:

  • 在 Windows 磁盘管理里压缩卷,腾出至少 50GB 空闲空间(建议 100GB 以上)。
  • 在 Windows 电源选项里关闭“快速启动”,否则双系统无法正常挂载 Windows 分区。
  • 如果是 UEFI 启动的电脑,Ubuntu 安装器选择“与 Windows 引导管理器共存”或者“其他选项”手动分区,都能识别已有的 EFI 分区。
  • 安装时不要选“清除整个磁盘”,除非你准备放弃 Windows。

手动分区时我会这样分:创建一个 512MB 的 EFI 系统分区(如果安装器没识别到已有 EFI),一个 2GB 的 swap 交换分区,其余空间全部给 ext4 挂载到 /。swap 现在不建议单独分太大,8GB 内存以上用 2GB 就够。有些教程推荐分一个单独的 /home 分区,好处是以后重装系统不会丢个人数据,适合对系统分区有洁癖的人,但我个人觉得没必要,家用环境下分区越多越麻烦,保留一个 ext4 根分区最省事。

2.3 VMware虚拟机安装:最安全的上手方式

如果你还不想动物理机,只是想先体验一下 Ubuntu,VMware Workstation 是最成熟的方案。装完 VMware 后新建虚拟机,选择“典型”配置,在安装来源处指定下载好的 ISO 文件,虚拟机硬件配置建议给 4GB 内存、双核 CPU、80GB 磁盘。没有特殊需求的话一路下一步即可。

VMware 默认会启用“简易安装”模式,它会自动完成分区和基础系统配置,你只需要提前填好用户名和密码。这个模式很方便,但有个小坑:它装出来的系统默认使用 open-vm-tools,如果虚拟机的网络模式是 NAT,网络通常没问题,但如果后面你发现虚拟机和宿主机无法互相拷贝文件,重新安装一遍 open-vm-tools 就行。

在热搜词里有人提到“ubuntu 虚拟机网络上有个?”带问号,这个我后面会在问题排查章节展开说。

2.4 VirtualBox与WSL2:轻量级备选方案

VirtualBox 是 VMware 的开源替代品,免费且跨平台,安装步骤和 VMware 类似。它的性能不如 VMware,但胜在免费,个人使用者完全可以接受。

WSL2(Windows Subsystem for Linux 2)则是完全不同的思路:不是在虚拟机里装完整桌面版 Ubuntu,而是在 Windows 内核上直接运行一个真实的 Linux 内核,体验上非常接近原生的命令行环境。你只需要在 Windows 的 PowerShell 里运行 wsl --install,重启后就能直接使用 Ubuntu 的命令行,适合后端开发、容器测试等场景。

不过 WSL2 的定位是开发环境,不是完整的桌面环境。如果你需要图形界面,WSL2 虽然有 WSLg 支持,但和 VMware 里跑完整 GNOME 桌面还是两回事,日常办公体验会打折扣。

3. 安装过程中的关键交互:分区、时区与账号

装到一半卡住的人很多,尤其是分区和账号设置这两个环节。这一节我把安装界面里每个关键步骤拆开讲,你自己装的时候就能知道每一步在干什么。

3.1 分区方案怎么选:LVM还是ext4

Ubuntu 安装器在“安装类型”界面会提供几个选项:“清除整个磁盘并安装 Ubuntu”、“与 Windows 引导管理器共存”以及“其他选项”。前两个是自动化方案,第三个是手动分区。

如果你走“清除整个磁盘”路线,安装器会默认使用 ext4 文件系统,并在启动时把整个磁盘进行 LVM 逻辑卷管理。这也是默认推荐的方案。LVM 的好处是以后可以动态调整分区大小,不用拆机重来。举个例子:你一开始分给根分区 100GB,后来发现不够用了,只要磁盘还有剩余空间,LVM 可以在线扩展。这对服务器场景非常友好。

但 LVM 也有缺点:多一层逻辑卷抽象,配置复杂度高,如果遇到逻辑卷损坏,恢复数据的难度比 ext4 直接分区要高。个人桌面用户其实不需要 LVM,直接在“其他选项”里手动分区,选 ext4 挂在 / 上就够用了。性能上 LVM 和 ext4 直接分区几乎没有差别,主要就是可维护性的取舍。

3.2 尽量避开的几个安装选项

安装界面里有几个选项,我建议你避开:

  • “下载更新并安装第三方软件”:这个选项会在安装过程中联网下载大量更新包,网络不好的话会大大拖慢安装速度,甚至可能导致安装流程卡住。建议先不勾选,装完系统后再执行 sudo apt update && sudo apt upgrade。
  • “在安装时启用 Secure Boot”:如果你的硬件是近几年的设备,默认开启安全启动是正常的。但启用 Secure Boot 后,后续安装 NVIDIA 显卡驱动可能会出现 DKMS 签名问题,驱动加载失败。如果电脑是纯 Ubuntu 单系统,可以考虑进 BIOS 里关掉 Secure Boot。
  • “为图形或无线硬件安装第三方软件”:同样的道理,这些第三方驱动和软件源在装机时不装,后续用系统自带的“附加驱动”工具也能装。

3.3 安装完第一次登录后的基础检查

系统装完,重启进入 Ubuntu,先别急着高兴,做三件事:

  1. 打开终端,输入 sudo apt update && sudo apt upgrade,把系统更新到最新。这一步会让你的系统包含最新的安全补丁,同时更新到 22.04 的最新点版本。
  2. 用 free -h 确认内存正常识别;用 df -h 确认根分区容量正确。
  3. 如果用的是 NVIDIA 显卡,检查一下驱动是否已经生效。稍后会专门讲。

另外提醒一下,Ubuntu 里打开终端的方式是 Ctrl + Alt + T,这个快捷键很多新手不知道。

4. 新系统第一课:换源、更新与显卡驱动

装完系统后,绝大多数人的第一反应是:软件下载怎么这么慢?这是因为默认软件源指向官方服务器,国内访问速度不稳定。这一节我讲怎么换源、怎么装显卡驱动、以及双系统用户会遇到的时间不同步问题。

4.1 换源操作与排查curl问题

换源就是把 /etc/apt/sources.list 里的官方源地址替换成国内镜像源。操作步骤很简单:

bash复制# 先备份
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 编辑源列表
sudo vim /etc/apt/sources.list

然后把内容全部替换为清华源或阿里源。以清华源为例,22.04 对应的源文件内容如下:

code复制deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

保存后执行:

bash复制sudo apt update

这里有一个很多人踩过的坑:执行 apt update 的时候提示 GPG 错误、仓库没有 Release 文件,或者报 curl 错误。原因很可能是在清华源页面选的 “jammy” 版本和你的系统版本不一致,或者个别组件(如 -proposed)已经停止更新。解决方法是只保留上面四个主要组件,不要加 proposed 这类测试源。

如果你需要的是一个适合国内网络环境的精简换源脚本,也可以考虑用 sed 一键替换:

bash复制sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo apt update

这个命令把官方源替换成清华源,效果和手改一样。

4.2 NVIDIA显卡驱动三种安装方式

显卡驱动是 Ubuntu 装完以后第一个“硬骨头”。很多 Ubuntu 用户在最开始装 NVIDIA 显卡驱动的时候都吃过亏,要么黑屏,要么登录界面循环,要么图形界面分辨率不对。我整理三种可行方案,按推荐顺序排列。

方案一:通过系统自带的“附加驱动”工具安装(最推荐,对新手最友好)

bash复制sudo ubuntu-drivers autoinstall

这个命令会自动检测你的 NVIDIA 显卡型号,并安装推荐版本的驱动。装完重启即可。Ubuntu 源仓库里包含的驱动版本可能不是最新,但胜在稳定,官方对兼容性做过测试。

方案二:通过 NVIDIA 官方.run 文件手动安装

针对最新显卡或者特殊需求,你可能需要去 NVIDIA 官网下载对应型号的驱动安装包。步骤如下:

  1. 下载 .run 文件到本地,文件通常是 NVIDIA-Linux-x86_64-*.run 格式。
  2. 在终端执行 chmod +x NVIDIA-Linux-x86_64-*.run。
  3. 执行 sudo sh ./NVIDIA-Linux-x86_64-*.run。

安装之前需要卸载已有的 nouveau 开源驱动。nouveau 是 NVIDIA 卡在 Linux 下的默认开源驱动,但性能差、功能不完整。可以这样禁用:

bash复制sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nouveau.conf"
sudo update-initramfs -u

然后重启,再执行 .run 安装脚本。

方案三:通过 PPA 安装

bash复制sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-driver-535

PPA 的驱动版本相对较新,但因为是第三方源,新版本驱动和内核的兼容问题也更多,适合喜欢尝鲜的用户。

判断驱动是否装好,用 nvidia-smi 命令,如果能正常打印显卡信息列表,说明驱动已生效。如果提示“command not found”,说明驱动没装好或者没有加入 PATH。

热搜词里也有“ubuntu查看显卡驱动”这个需求,这个命令就是标准答案。

4.3 Windows和Ubuntu双系统时间不统一的修正

如果你组了双系统,大概率会遇到这个问题:在 Ubuntu 里设置好时间,切回 Windows 发现时间快了八小时,或者反过来。原因很简单:Windows 默认把硬件时钟(RTC,即主板 CMOS 时钟)当作本地时间,而 Ubuntu 默认把硬件时钟当作 UTC 时间,再根据时区换算成当地时间。

解决办法是让 Ubuntu 也把硬件时钟当作本地时间:

bash复制sudo timedatectl set-local-rtc 1

执行后重启即可。如果你更希望 Windows 改成 UTC 时间,也可以去注册表加一个 RealTimeIsUniversal 键,但改 Ubuntu 更安全,一行命令搞定。

5. 中文输入法与搜狗输入法配置

我能理解为什么“ubuntu安装搜狗输入法”会出现在热搜词里,因为对于一个中文用户来说,系统装好、网络通了,接下来最迫切的需求大概率就是“怎么打中文”。这一节我讲一下中文输入法选择的逻辑和搜狗输入法实际安装过程。

5.1 fcitx5还是ibus

Ubuntu 22.04 默认的输入法框架是 IBus,GNOME 桌面默认中文输入用的是 ibus-libpinyin。如果你只需要最基本的中文拼音输入,可以在设置-区域与语言-输入源里添加“汉语(Intelligent Pinyin)”,不需要额外装任何东西。

但是很多人对搜狗输入法有刚需,尤其是被搜狗的词库和云输入养刁了的人。搜狗输入法官方目前提供的是基于 Fcitx 输入法框架的版本,不支持 IBus。所以在装搜狗之前,你需要先安装 Fcitx,并把系统默认的输入法框架切换为 Fcitx。

Fcitx5 是目前推荐的新版本框架,搜狗输入法 for Linux 也提供了基于 Fcitx5 的版本,支持 Wayland 会话。安装步骤:

bash复制sudo apt install fcitx5 fcitx5-chinese-addons

装完后在设置里把输入法框架切到 Fcitx 5,注销重新登录。这里有个细节:如果你正在用的用户没有设置 .xinputrc 文件,系统可能不会自动启动 Fcitx5,可以手动执行 im-config -n fcitx5 设置。

5.2 搜狗输入法Next的安装步骤

搜狗输入法好用的版本现在是 “搜狗输入法 Next for Linux”。访问搜狗输入法官网,找到 Linux 版本的下载链接,下载得到的是一个 .deb 安装包。安装:

bash复制sudo dpkg -i sogoupinyin_4.0.0.2724_amd64.deb

如果缺依赖,执行:

bash复制sudo apt -f install

这一步很关键,很多人的搜狗输入法装不上就是因为缺依赖。apt -f install 会自动把缺失的依赖补齐,修复安装状态。

装完以后注销重新登录,在 Fcitx 配置里把搜狗拼音添加为输入法。打开 Fcitx 配置界面的方式:点右上角输入法工具栏的键盘图标,选择配置,或者直接执行 fcitx5-configtool。

5.3 搜狗For Linux老版本安装与依赖坑

不少人的搜索词是“ubuntu安装搜狗输入法next”,还有一部分人在找老版本的搜狗 for Linux。老版本基于 Fcitx 4,在 22.04 上安装时经常遇到依赖错误,比如 fcitx 版本太旧导致无法安装。我的建议是不要逆向兼容了,直接上 Fcitx5 + 搜狗 Next,省心得多。

安装完成后如果发现搜狗输入法不能正常弹出候选框,先检查是不是 Fcitx 没有正常启动。执行 fcitx5-diagnose 可以看到详细的诊断信息,排查重点是环境变量 GTK_IM_MODULE、QT_IM_MODULE 和 XMODIFIERS 是否设置正确。

另外,如果你用的是 Wayland 会话,个别版本会有候选框显示位置不对的问题,方便起见还是切回 Xorg 会话最稳。在登录界面输入密码前面的小齿轮里可以选择“Ubuntu on Xorg”进系统。

6. Docker等开发环境的安装

换完源、装完输入法,系统基本可以日常使用了。但对开发者来说,接下来的需求很可能是:“ubuntu安装docker”。Docker 现在已经成为开发环境的基础设施,我在这节把 Docker 在 Ubuntu 22.04 上从安装到配置镜像加速的完整流程讲清楚。

6.1 Docker引擎安装

Ubuntu 源里其实自带了 Docker 包,名字叫 docker.io,但版本比较旧,更新的速度也慢。官方推荐用 Docker 官方源安装 Docker Engine。

安装过程如下:

bash复制# 安装依赖
sudo apt update
sudo apt install apt-transport-https ca-certificates curl gnupg lsb-release

# 添加 Docker 官方 GPG 密钥
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

# 添加 Docker 仓库
echo "deb [arch=amd64 signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装 Docker Engine
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin

安装完成后,把当前用户加入 docker 组,避免每次都用 sudo:

bash复制sudo usermod -aG docker $USER

注销重新登录后,执行 docker version 即可看到客户端和服务端版本信息。

6.2 国内镜像加速与配置

Docker 之所以让人觉得“慢”,很大程度是因为拉取镜像时默认走 Docker Hub 国际节点,在国内网络条件下速度不稳定。解决办法是给 Docker 配置镜像加速器。

编辑或者新建 /etc/docker/daemon.json:

json复制{
  "registry-mirrors": [
    "https://docker.mirrors.ustc.edu.cn",
    "https://hub-mirror.c.163.com"
  ]
}

然后重启 Docker:

bash复制sudo systemctl daemon-reload
sudo systemctl restart docker

执行 docker info,在输出中查看 Registry Mirrors 字段是否成功加载。配置完以后,docker pull 的速度通常会有明显改善。

需要提醒的是,镜像加速器属于公共资源,不同时间段速度会有波动,如果某个加速器失效,在 /etc/docker/daemon.json 里换一个即可。另外记得,daemon.json 是 JSON 格式,内容写错会导致 Docker 启动失败,修改后可以用 docker run hello-world 验证一下。

7. 高频问题排查:网络、gedit、窗口置顶

这一节整理几个我在实际使用中常遇到的、也在热搜词里出现的问题。这些问题都不是大毛病,但不解决会非常影响体验。

7.1 VMware里网络图标带问号

用过 VMware 安装 Ubuntu 的人可能都见过这个画面:系统装好了,但系统托盘区的网络图标上有一个问号,点击发现“未连接”。这通常是因为虚拟机默认的网络连接模式不对,或者 open-vm-tools 版本和宿主机不兼容。

排查顺序:

  1. 确认虚拟机的网络模式:VMware 里编辑虚拟机设置,网络连接如果选择了“NAT”,Ubuntu 系统内通过 DHCP 应该能自动获取 IP。
  2. 确认网络服务是否正常:
bash复制sudo systemctl restart NetworkManager
  1. 如果问题依旧,重新安装 open-vm-tools:
bash复制sudo apt install --reinstall open-vm-tools open-vm-tools-desktop

大多数情况下,重启服务后问题就消失了。如果仍无法上网,检查 VMware 宿主机上的“VMware NAT Service”和“VMware DHCP Service”两个 Windows 服务是否在运行,有时它们被安全软件误停了。

7.2 WSL2下gedit无法显示

Kernel 版本和信息有问题的用户在 WSL2 中运行 gedit 可能会遇到一个报错,提示 cannot open display 或者界面无法弹出。原因多半是 WSL2 里的图形程序没有设置正确的 DISPLAY 环境变量。

在 WSL2 中,WSLg 默认会设置好 DISPLAY=:0,但也可能因为会话未正确建立导致无显示。排查方式:

bash复制echo $DISPLAY

如果没有输出或输出了无效值,可以手动设置:

bash复制export DISPLAY=:0

如果是通过 WSL2 连接远程 X Server,则需要设置为主机 IP 对应的端口,比如 export DISPLAY=$(grep nameserver /etc/resolv.conf | awk '{print $2}'):0。

WSL2 里编辑文件不一定要用 GUI 工具,我个人的建议是直接在 WSL2 里用 vim 或 nano 编辑,省去图形转发这些麻烦。如果你确实需要 GUI,优先确认你的 Windows 版本支持 WSLg(Windows 11 或 Windows 10 21H2 以上),并且 WSL 版本更新到最新。

7.3 Ubuntu窗口标题栏右键“总是置顶”

热搜词里有一条“ubuntu中在窗口标题栏右键always on top 是怎么动态实现置顶的”,这个问题太典型了。在 GNOME 桌面环境下,默认的窗口装饰右键菜单里其实没有“置顶”选项,所以很多人找不到。

解决方法是直接用快捷键:Alt + 空格 打开窗口控制菜单,然后按 T 键即可置顶。有些系统中,Alt + F10 也有类似功能。

如果你想要一个更直观的按钮,可以安装 GNOME 扩展 Window is Ready - Always on Top 或 Put Windows,在扩展设置里为置顶分配一个快捷键,比如 Super + T。GNOME 扩展可以在 extensions.gnome.org 安装,也可以命令行安装。装完后在“设置-键盘快捷键”里找到对应项,按你想要的组合键设置即可。

8. 一些个人体会和补充技巧

最后说点我在几年实际使用里沉淀下来的一些小技巧,不一定成体系,但每条都解决过实际问题。

第一,安装 Ubuntu 的时候,如果已经达到“能用”的状态,不要追求“完美”。很多人在装完系统后花大量时间去美化桌面、安装一堆新鲜主题,最后系统出了问题都不知道是哪一步改坏的。我的建议是:先保持默认配置用两周,确认工作流里的核心软件都稳定运行,再考虑美化。

第二,系统里要保留一份启动盘。不管是用 Rufus 做的 Ubuntu 安装U盘,还是 Ventoy 多系统U盘,都值得常备。系统崩溃的时候,启动盘是你修复系统的入口,没有它只能干瞪眼。

第三,关于备份。Ubuntu 里可以用 rsync 做文件同步,也可以用 timeshift 做系统快照。timeshift 这个工具很像 Windows 的“系统还原”,它可以定期对系统文件做快照,一旦系统被你折腾坏了,恢复只需要几分钟。建议装完系统、把基础环境配置好后,立刻做一次初始快照,这在后续开发和实验里会给你带来强烈的安全感。

第四,别怕重装。ubuntu 系统重装本身并不难,难的是重装后恢复环境和数据。所以一定要把重要数据放在独立分区或云盘上,把配置文件放在代码仓库里,比如用 git 管理 /etc 下的配置文件。这样就算系统全挂,重装一遍系统加上恢复配置,两小时内就能回到正常状态。

Ubuntu 22.04 LTS 是一个值得用很久的系统,刚入门的时候可能会遇到一些小摩擦,但一旦你熟悉了它的包管理、命令行和配置逻辑,你会发现它的自由度与掌控力远非某些闭源系统可比。希望这篇内容能帮你顺利完成安装,并且少走一些我走过的弯路。

内容推荐

企业知识库建设:核心价值、工具选择与实施策略
知识管理 · 企业知识库 · Confluence
知识管理作为数字化转型的核心组件,通过系统化整合企业知识资产,显著提升运营效率与决策质量。其技术原理基于结构化存储、智能检索和协同编辑机制,在降低培训成本、加速问题解决等方面具有显著价值。当前主流方案包括Confluence、Notion等文档协作工具,以及Guru等AI知识平台,适用于不同规模企业的文档管理、智能搜索等场景。实施时需重点关注权限控制、搜索优化等关键技术环节,结合3-3-3验证模型建立可持续的运营体系。随着自然语言处理技术进步,现代知识库的搜索准确率已突破85%,成为企业知识沉淀与智能应用的重要基础设施。
2026年AI编程模型Opus 4.6与Codex 5.3深度对比
AI编程模型 · 代码生成 · Opus 4.6
AI编程模型正逐步成为现代软件开发的核心工具,其基于大规模预训练技术,通过深度学习算法理解并生成高质量代码。这类模型的核心原理是利用海量开源代码库进行监督训练,结合强化学习优化输出结果。在工程实践中,AI编程模型能显著提升开发效率,减少重复劳动,特别适合快速原型开发、遗留系统改造等场景。以Opus 4.6和Codex 5.3为代表的下一代AI编程模型,在代码生成质量、开发环境集成等方面各有优势。Opus 4.6采用混合专家模型设计,擅长数学推导类代码生成;而Codex 5.3则强化了长程依赖关系建模,在系统设计模式方面表现更成熟。开发者可根据具体技术栈需求,选择最适合的AI编程助手。
LangChain与AgentRun浏览器沙箱集成开发实践
LangChain · AgentRun · 浏览器沙箱
语言模型集成框架LangChain与安全沙箱技术AgentRun的结合,为AI应用开发提供了新的可能性。LangChain通过模块化设计支持多模型切换和工具扩展,而AgentRun则通过资源隔离和权限控制确保代理运行安全。这种组合特别适用于需要处理用户生成内容或执行敏感操作的场景,如智能代码助手、自动化测试平台等。浏览器沙箱技术进一步增强了系统安全性,通过进程隔离和资源限制防止恶意行为。开发实践中,合理配置通信机制和安全模型是关键,WebSocket和gRPC等协议能有效提升系统性能。
Jint引擎中AsString()与ToString()的深度解析与应用
Jint引擎 · 字符串转换 · AsString
在.NET与JavaScript互操作场景中,类型转换是核心技术问题。Jint作为.NET平台的JavaScript解释器,通过AsString()和ToString()方法实现跨语言类型转换,前者严格遵循ECMAScript规范处理JS值到字符串的转换,后者则提供更适合.NET生态的字符串表示。理解这两种方法的差异对实现高性能、高兼容性的跨语言交互至关重要,特别是在处理undefined、null等JS特殊值时。实际开发中,应根据场景需求选择合适方法:需要严格JS语义时使用AsString(),与.NET组件交互时优先ToString()。掌握这些字符串转换技术,能有效提升在微服务架构、全栈开发等场景下的工程实践能力。
汽车电子电气架构安全威胁与GB 44495防御方案
汽车电子电气架构 · GB 44495 · 防御行为
汽车电子电气架构(EEA)安全是智能网联汽车的核心技术挑战,涉及从硬件层到应用层的全方位防护。GB 44495作为国内首个汽车电子电气系统安全标准,其防御行为条款为系统级安全设计提供了规范框架。标准要求架构必须具备威胁识别、攻击阻断和安全恢复能力,典型技术包括CAN总线入侵检测、HSM硬件安全模块等。在工程实践中,需构建网络层防火墙、通信层加密和应用层认证的三层防护体系,同时平衡安全功能对计算资源、通信带宽的影响。随着国密算法(SM4)等国产密码方案的成熟,在满足标准要求的同时还能优化系统功耗。
免费谷歌AI工具替代付费SaaS的完整指南
SaaS · 谷歌AI工具 · 免费替代方案
SaaS(软件即服务)已成为现代技术栈的重要组成部分,但订阅模式带来的成本问题日益凸显。谷歌推出的免费AI工具组合,包括Google Colab、Bard等,不仅解决了这一问题,还提供了更高效的开发体验。这些工具基于云计算和人工智能技术,支持从代码开发到模型训练的全流程,特别适合个人开发者和小型团队。通过云端协作和AI辅助,用户可以在不依赖付费SaaS的情况下,完成复杂的开发任务和日常办公需求。本文详细解析了七款谷歌AI工具的核心功能和应用场景,帮助读者构建高效、免费的技术栈。
人机交互技术演进与协同系统实现
人机交互 · 协同系统 · 多模态感知
人机交互技术经历了从物理按钮到语音、手势、眼动交互的演进,如今正向脑机接口等更先进的交互方式发展。多模态感知融合技术和意图预测模型是实现高效人机协同的关键,通过传感器阵列和算法优化,显著提升了工业自动化和医疗手术等领域的操作精度与安全性。协同系统的技术架构包括自适应控制算法和认知负荷优化设计,这些技术在智能制造和医疗辅助系统中展现出巨大潜力。随着量子传感和神经形态芯片等前沿技术的发展,人机交互将迎来更多突破。
风储VSG系统仿真设计与工程实践
虚拟同步发电机 · VSG控制 · 风储联合系统
虚拟同步发电机(VSG)技术通过算法模拟同步发电机的惯性和阻尼特性,有效解决新能源并网的稳定性问题。其核心原理在于建立机电暂态方程,通过调节虚拟转动惯量J和阻尼系数D实现动态响应控制。在风电-储能联合系统中,VSG与储能设备的协同控制能显著提升电网频率稳定性,典型应用场景包括风电功率波动平抑和故障穿越。本文基于Simulink仿真平台,详细解析了VSG算法实现、储能系统建模以及参数优化方法,其中转动惯量J和阻尼系数D的选取直接影响系统动态响应性能。通过实际工程案例验证,该方案可使频率支撑响应时间控制在100ms以内,惯量支撑误差率小于8%。
液态神经网络与CfC架构:时序数据处理的革命性突破
液态神经网络 · CfC架构 · 时序数据处理
在深度学习中,时序数据处理一直是核心挑战之一。传统神经网络通过固定连接权重处理静态数据,而液态神经网络(Liquid Neural Networks)引入了动态连接权重,特别适合时序数据分析。其核心原理是通过常微分方程(ODE)描述神经元状态变化,但传统ODE求解方法存在计算复杂度高的问题。CfC(Closed-form Continuous-time)架构通过数学闭式解(Closed-form Solution)直接计算ODE,大幅提升了计算效率。这种技术在ECG心律失常检测等医疗场景中展现出显著优势,推理速度提升6.7倍,内存占用减少2.4倍。结合嵌入式部署技巧和与传统架构的混合使用,CfC为实时时序数据处理提供了新的工程实践方案。
AI时代产品经理转型:从PRD到机器学习实战
AI产品经理 · 机器学习 · 推荐系统
在AI技术快速发展的当下,机器学习和大模型正在重塑产品开发流程。传统基于PRD和原型设计的工作方式,正在被数据驱动和AI赋能的模式所替代。理解机器学习基础原理、掌握特征工程和模型评估方法,成为现代产品经理的核心竞争力。特别是在推荐系统和智能客服等典型AI应用场景中,产品经理需要深度参与数据准备、特征选择和指标监控全流程。通过Kaggle实战、AutoML工具应用等方式,可以系统构建AI产品能力体系,实现从需求分析到模型迭代的全链路升级。
共享充电宝场景化测评与使用技巧
共享充电宝 · 场景测评 · 充电效率
共享充电宝作为移动互联网时代的基础设施,其技术原理基于物联网设备管理和移动支付系统。通过GPS定位和云端库存管理,实现设备的智能调度与跨网点归还。在工程实践中,充电宝的网点覆盖密度和应急充电效率直接影响用户体验。特别是在公共交通、医院、景区等高并发场景下,怪兽充电和小电等头部品牌展现出稳定的技术性能。本文基于87次实测数据,揭示不同场景下的最优选品策略,包括地铁站的怪兽充电高密度部署,以及医院场景中小电的多接口兼容方案,帮助用户有效降低72%的超时费用。
Nacos命名空间导致服务注册不可见的排查与解决方案
Nacos · 命名空间 · 微服务
在微服务架构中,服务注册与发现是核心组件之一,Nacos作为流行的注册中心,其命名空间(Namespace)机制提供了环境隔离能力。命名空间通过唯一ID实现数据物理隔离,类似多租户设计,这对多环境部署尤为重要。当服务注册成功但控制台不显示时,往往是由于客户端配置的命名空间与控制台查看的空间不一致导致。通过正确配置spring.cloud.nacos.discovery.namespace参数,并理解Nacos底层的数据存储结构(数据键会添加命名空间前缀),可以快速解决这类问题。该机制在金融级微服务、多环境配置管理(如dev/test/prod分离)等场景中具有重要价值,能有效避免环境间的配置污染。
MySQL分库分表实战:解决千万级数据性能瓶颈
分库分表 · MySQL优化 · ShardingSphere
数据库分库分表是解决海量数据存储与查询性能问题的核心方案。其基本原理是通过水平拆分(按行)或垂直拆分(按列)将大表分散到多个物理节点,从而降低单表数据量,提升I/O效率和并发处理能力。在电商、金融等高并发场景中,当单表数据超过500万行时,分库分表能显著改善查询延迟和系统吞吐量。主流实现方式包括客户端分片、中间件代理(如ShardingSphere)以及云数据库方案,其中哈希取模和范围分片是典型的分片策略。需要注意的是,分库分表会引入分布式事务、跨库JOIN等新的技术挑战,需要配合分布式ID生成(雪花算法)、数据冗余等方案共同解决。
IPSO优化LSTM的电力负荷预测方案解析
电力负荷预测 · LSTM · 粒子群算法
机器学习在时间序列预测领域展现出强大潜力,其中长短期记忆网络(LSTM)因其优异的时序建模能力成为负荷预测的首选方案。针对传统PSO算法优化LSTM参数时易陷入局部最优的问题,改进粒子群算法(IPSO)通过动态惯性权重和变异机制显著提升了优化效果。这种智能优化算法与深度学习的结合,在电力系统等具有强时序特性的场景中表现出23.6%的误差降低。实际部署时,特征工程环节需重点考虑温度等气象因素和时间周期特征,它们对预测精度的贡献度可达38%。通过合理的超参数设置和早停策略,模型能在保证精度的同时提升28.6%的训练效率。
Kilo编辑器与开发Agent集成实践指南
Kilo编辑器 · 开发Agent · 代码编辑器
代码编辑器与智能编程辅助工具是现代软件开发效率提升的关键组件。Kilo作为轻量级编辑器核心,通过模块化架构实现毫秒级响应,而开发Agent则基于代码分析与机器学习提供智能建议。两者的技术价值在于将编辑器的即时反馈与Agent的智能决策相结合,显著减少重复编码工作。在微服务开发、快速原型构建等场景中,这种组合能提升30%以上的开发效率。通过Unix socket或WebSocket实现进程间通信,配合LRU缓存等优化策略,可使系统内存占用降低至500MB以下。热词分析显示,开发者特别关注LSP集成和Transformer模型在代码补全中的应用。
MySQL JSON类型实战:性能优化与业务场景解析
MySQL · JSON类型 · 性能优化
JSON作为半结构化数据存储方案,在现代数据库系统中扮演着重要角色。MySQL从5.7版本开始原生支持JSON数据类型,其底层采用优化的二进制存储格式(JSONB),既保证了数据验证的严谨性,又提升了存取效率。通过路径表达式和索引优化,开发者可以高效处理电商属性、用户画像等动态数据结构。实测表明,合理使用JSON类型可使查询性能提升13倍,特别适合需要灵活Schema且与关系型数据深度集成的场景。本文结合电商平台和物联网项目实战,详解JSON类型在MySQL中的核心特性和最佳实践。
Mol-LLaMA:分子语言模型在药物发现与材料设计中的突破
分子语言模型 · Mol-LLaMA · 药物发现
分子语言模型是AI在化学领域的前沿应用,通过将分子结构转化为机器可理解的'语言'形式,实现分子性质的智能预测与设计。其核心技术原理包括层次化语法解析、几何注意力机制等深度学习架构创新,解决了传统SMILES表示法的信息损失问题。这类模型在药物发现中可提升虚拟筛选效率30-50%,在材料设计领域能预测光电转换效率超18%的新型结构。Mol-LLaMA作为典型代表,通过开源实现和自然语言交互界面,使研究人员能快速进行分子生成与多目标优化,大幅降低计算化学研究门槛。项目提供的Python API支持从分子属性预测到反应路径生成等任务,特别适合需要处理GPCR靶点或金属有机框架(MOF)的研究场景。
数据分析畅销书解析:AI时代20万册销量的秘密
数据分析 · AI辅助分析 · 数字化转型
数据分析作为数字化转型的核心技能,其价值在于将原始数据转化为商业洞察。通过统计学方法和机器学习算法,数据分析能挖掘数据规律、预测趋势并优化决策。在工程实践中,数据清洗、特征工程和可视化是关键环节,而AI辅助分析正成为新趋势。这套畅销书成功融合了基础理论、行业案例和AI工具应用,特别适用于金融、电商等领域的实战需求,其系统化的知识体系和丰富的配套资源解决了从入门到精通的学习闭环问题。
LIO-SAM激光SLAM退化检测技术解析与优化实践
LIO-SAM · 激光SLAM · 退化检测
在激光SLAM(即时定位与地图构建)系统中,Scan-to-Map匹配的退化问题是影响定位精度的关键挑战。当环境特征不足或动态干扰严重时,系统会因约束缺失导致位姿估计失效,表现为定位漂移和地图失真。通过分析点云几何特征(如PCA特征值比值)和优化问题条件数(Hessian矩阵),可以量化评估退化程度。LIO-SAM框架采用运动约束检测和匹配残差分析的双重机制,结合IMU预积分和点到面残差统计实现实时监测。针对仓储机器人等典型场景,优化后的检测算法通过调整平面特征占比阈值和残差窗口大小,将误报率降低42%。多传感器融合方案进一步引入视觉验证层,提升在长廊、开阔广场等退化环境下的系统鲁棒性。
GLM构建认证授权服务的实践与优化
GLM · 认证授权服务 · OAuth2.0
认证授权服务是现代系统安全的核心组件,传统方案如Spring Security虽成熟但开发效率较低。随着大语言模型技术的发展,GLM等工具通过代码生成和架构设计能力,显著提升了开发效率。其原理是通过预训练模型理解开发需求,自动生成符合规范的代码片段。在认证服务场景中,GLM特别适合处理OAuth2.0、JWT等协议实现,能准确区分不同授权模式。工程实践中,采用GLM+人工校验的混合方案,可在保证代码质量的同时提升60%开发效率。本文以GLM-5.2为例,详细展示了如何构建包含身份认证、令牌管理等模块的完整解决方案,并分享了性能调优和安全防护的一线经验。
已经到底了哦
精选内容
热门内容
最新内容
3D视觉技术在物流与停车辅助中的精准空间检测应用
3D视觉技术通过多传感器融合实现厘米级空间建模,是智能物流和自动化停车领域的核心技术。其原理基于ToF摄像头、RGB相机与毫米波雷达的数据融合,结合点云处理算法和深度学习增强,可精准识别立体空间特征。该技术能有效解决传统超声波方案存在的盲区大、精度低等问题,在货车装卸效率提升(实测23%)、倒车防剐蹭等场景展现显著价值。典型应用包括冷链物流空间优化、自动化立体车库车辆检测等,其中点云降采样和FPFH特征描述等算法对系统性能起关键作用。
AI如何10分钟完成PLC编程?非标设备开发新思路
PLC编程作为工业自动化的核心技术,传统开发模式面临效率瓶颈。现代AI技术通过自然语言处理(NLP)和机器学习算法,实现了从控制需求到可执行代码的自动转换。其核心技术在于语义理解层将工程需求转化为控制逻辑,再通过代码生成层适配不同品牌PLC的语法规范。这种技术革新特别适用于非标设备开发场景,能大幅缩短从设计到验证的周期。典型应用包括自动装配机的多轴控制、视觉分选系统等,AI辅助工具已能实现85%以上的逻辑识别准确率。结合虚拟仿真技术,工程师可以在10分钟内完成基础框架搭建,将主要精力集中在安全规范和关键算法优化上。
Windows 11 IoT LTSC2024安装与工业部署指南
物联网操作系统作为工业自动化的核心基础,通过精简系统组件和优化实时性能,为设备提供稳定可靠的计算平台。Windows 11 IoT LTSC2024作为微软专为工业场景设计的长期服务版本,移除了非必要消费者功能,强化了进程隔离和内存保护机制,特别适合需要确定性延迟的工业控制场景。在医疗影像、数字标牌、自动化测试等领域,该系统能确保设备在10年生命周期内稳定运行。安装部署时需特别注意硬件兼容性核查和TPM配置,通过DISM工具和应答文件可实现高效批量部署。工业环境中还需进行实时性优化和安全加固,包括调整线程优先级、禁用影响性能的服务,以及配置Credential Guard等安全功能。
SHADE与SaDE算法在CEC2017测试集上的性能对比分析
差分进化(DE)算法作为经典的优化算法,通过模拟生物进化过程解决复杂优化问题。其核心原理是通过种群个体的差分变异、交叉和选择操作不断逼近最优解。SHADE和SaDE作为DE算法的两大改进变体,分别采用历史记忆库和策略自适应机制提升算法性能。在工程优化、参数调优等实际场景中,这两种算法都展现出显著优势。本次实验基于CEC2017标准测试集,从收敛速度、稳定性和多模态处理能力等维度对SHADE和SaDE进行系统对比,为算法选型提供数据支持。结果显示SHADE在单峰问题上表现突出,而SaDE更适合处理复合函数等高维复杂问题。
虚幻引擎骨骼网格体组件:蓝图配置与性能优化指南
骨骼网格体(Skeletal Mesh)是虚幻引擎中实现角色动画的核心组件,通过骨骼系统驱动顶点变形,支持复杂的动作表现和物理交互。其技术原理基于骨骼层次结构和蒙皮权重计算,在游戏开发中广泛应用于角色控制、物理模拟和动态装备系统。合理配置骨骼层级与插槽系统可提升40%的运行时性能,而LOD策略和异步加载技术能显著降低内存占用。针对移动端开发,需特别注意骨骼压缩方案和多线程动画更新的优化技巧。本文结合UE4/UE5项目实战,详解骨骼网格体在蓝图中的三种添加方式、动画蓝图联动方案,以及穿模、物理抖动等典型问题的排查方法。
潮玩盲盒小程序开发:沉浸式体验与高并发架构实践
小程序开发已成为移动互联网时代的重要技术方向,其跨平台特性和轻量化优势使其在电商领域广泛应用。通过JavaScript和跨端框架如uni-app的结合,开发者能够构建高性能的交互体验。在潮玩盲盒这类高并发场景下,Redis集群和分布式锁技术保障了库存管理的准确性,而Lottie动画库则实现了流畅的视觉效果。这些技术的组合不仅提升了用户体验,也为商业变现提供了稳定基础。沉浸式抽盒功能通过物理引擎模拟和音画同步技术,还原线下抽盒的仪式感,而合规的虚拟商品交易系统则确保业务可持续发展。这种技术方案特别适合需要处理瞬时高并发的互动型电商场景。
Scratch 3.0界面解析与图形化编程技巧
图形化编程作为编程教育的入门方式,通过可视化积木块降低学习门槛。Scratch作为MIT开发的经典工具,其界面设计融合了认知科学原理,采用模块化布局和色彩编码系统。核心功能区包括积木工具箱、脚本工作区和角色管理系统,其中积木的物理连接设计暗含编程语法规则。在游戏开发等应用场景中,涡轮模式和代码片段复用能显著提升效率。通过分析Scratch的界面交互设计,可以理解其'低门槛、高天花板'的教育理念,这种将编程概念具象化的方式,特别适合8-16岁青少年培养计算思维。
SpringBoot+微信小程序开发智慧心理健康平台实践
微服务架构与移动端开发已成为现代互联网应用的主流技术方案。SpringBoot凭借其自动配置和快速开发特性,结合微信小程序的跨平台能力,可高效构建轻量级应用系统。在心理健康领域,这种技术组合能实现隐私数据安全存储与即时服务响应,满足情绪测评、在线咨询等场景的特殊需求。通过整合PHQ-9/GAD-7等标准化量表与NLP智能对话技术,系统既可保障企业级数据安全(符合GDPR要求),又能提供7×24小时心理支持服务。本文以SpringBoot后端+小程序前端实战为例,详解如何用Redis缓存优化高并发访问,以及利用Actuator实现服务健康监控等关键技术方案。
MySQL JSON类型实战:存储优化与高效查询技巧
JSON作为半结构化数据格式,在现代数据库系统中扮演着重要角色。MySQL从5.7版本开始原生支持JSON类型,其底层采用优化的二进制存储格式(类似BSON),相比文本存储可减少20%-30%空间并提升3-5倍查询性能。通过路径表达式和专用运算符(如->和->>),开发者可以高效查询嵌套数据,特别适合处理电商产品属性、用户偏好设置等动态数据结构场景。本文重点解析MySQL JSON类型在存储压缩、索引优化(包括多值索引和生成列索引)以及查询改写等方面的工程实践,帮助开发者平衡关系型与文档型数据模型的优势。
MongoDB ObjectId序列化问题与解决方案
在分布式系统中,唯一标识符的生成与处理是关键基础技术。MongoDB采用ObjectId作为默认主键,其本质是由时间戳、机器标识和计数器组成的复合结构。这种特殊设计虽然保证了全局唯一性,但在序列化时却可能引发格式问题。通过Jackson等JSON处理器进行序列化时,ObjectId的二进制结构会被展开为多字段对象,而非预期的字符串形式。这在实际工程中会影响前后端数据交互效率,特别是在Spring Boot和RESTful API场景下。本文以MongoDB Java驱动和Spring生态为例,详解ObjectId的序列化原理,并提供包括@JsonFormat注解、自定义序列化器在内的多种解决方案,帮助开发者高效处理NoSQL数据库中的ID序列化问题。
已经到底了哦