0.3 安装必要的软件

与在Docker中使用不同，另一种选择是直接在主机操作系统上安装依赖项。为此，我们概括了一个工具栈，可以作为示例的基础。您必须安装以下组件：

  1. CMake
  2. 编译器
  3. 自动化构建工具
  4. Python

我们还会详细介绍，如何安装所需的某些依赖项。

0.3.1 获取CMake

本书要使用的CMake最低需要为3.5。只有少数示例，演示了3.5版之后引入的新功能。每个示例都有提示，指出示例代码在哪里可用，以及所需的CMake的最低版本。提示信息如下:

NOTE:这个示例的代码可以在 https://github.com/dev-cafe/cmake-cookbook/tree/v1.0/chapter-03/recipe10 中找到，其中包括一个C示例。该示例在CMake 3.5版(或更高版本)中是有效的，并且已经在GNU/Linux、macOS和Windows上进行了测试。

有些(如果不是大多数)示例仍然适用于较低版本的CMake。但是，我们没有测试过这个。我们认为CMake 3.5是大多数系统和发行版的默认软件，而且升级CMake也没什么难度。

CMake可以以多种方式安装。下载并提取由Kitware维护的二进制发行版，可以在所有平台上运行，下载页面位于 https://cmake.org/download/ 。

大多数GNU/Linux发行版都在包管理器中提供了CMake。然而，在一些发行版中，版本可能比较旧，因此下载由Kitware提供的二进制文件当然是首选。下面的命令将从CMake打包的版本中下载并安装在$HOME/Deps/CMake(根据您的偏好调整此路径)下的CMake 3.5.2：

  1. $ cmake_version="3.5.2"
  2. $ target_path=$HOME/Deps/cmake/${cmake_version}
  3. $ cmake_url="https://cmake.org/files/v${cmake_version%.*}/cmake-${cmake_version}-Linux-x86_64.tar.gz"
  4. $ mkdir -p "${target_path}"
  5. $ curl -Ls "${cmake_url}" | tar -xz -C "${target_path}" --strip-components=1
  6. $ export PATH=$HOME/Deps/cmake/${cmake_version}/bin${PATH:+:$PATH}
  7. $ cmake --version

macOS获取最新版本的CMake：

  1. $ brew upgrade cmake

Windows上，可以使用Visual Studio 2017，它提供了CMake支持。Visual Studio 2017的安装记录在第13章，可选生成器和交叉编译，示例技巧1，使用Visual Studio 2017构建CMake项目。

或者，可以从 https://www.msys2.org 下载MSYS2安装程序，按照其中给出的说明更新包列表，然后使用包管理器pacman安装CMake。下面的代码正在构建64位版本：

  1. $ pacman -S mingw64/mingw-w64-x86_64-cmake

对于32位版本，请使用以下代码(为了简单起见，我们以后只会提到64位版本)：

  1. $ pacman -S mingw64/mingw-w64-i686-cmake

MSYS2的另一个特性是在Windows上提供了一个终端，比较像Unix操作系统上的终端，提供可用的开发环境。

0.3.2 编译器

我们将需要C++、C和Fortran的编译器。编译器的版本需要比较新，因为我们需要在大多数示例中支持最新的语言标准。CMake为来自商业和非商业供应商的许多编译器，提供了非常好的支持。为了让示例始终能够跨平台，并尽可能独立于操作系统，我们使用了开源编译器:

  • GNU/Linux上，GNU编译器集合(GCC)是直接的选择。它是免费的，适用于所有发行版。例如，在Ubuntu上，可以安装以下编译器：

    1. $ sudo apt-get install g++ gcc gfortran

  • 在LLVM家族中，Clang也是C++和C编译器的一个很好的选择：

    1. $ sudo apt-get install clang clang++ gfortran

  • macOS上，XCode附带的LLVM编译器适用于C++和C。我们在macOS测试中使用了GCC的Fortran编译器。GCC编译器必须使用包管理器单独安装：

    1. $ brew install gcc

  • Windows上，可以使用Visual Studio测试C++和C示例。或者，可以使用MSYS2安装程序，MSYS2环境中(对于64位版本)使用以下单个命令安装整个工具链，包括C++、C和Fortran编译器：

    1. $ pacman -S mingw64/mingw-w64-x86_64-toolchain

0.3.3 自动化构建工具

自动化构建工具为示例中的项目提供构建和链接的基础设施，最终会安装和使用什么，很大程度上取决于操作系统：

  • GNU/Linux上，GNU Make(很可能)在安装编译器时自动安装。
  • macOS上，XCode将提供GNU Make。
  • Windows上，Visual Studio提供了完整的基础设施。MSYS2环境中，GNU Make作为mingw64/mingw-w64-x86_64工具链包的一部分，进行安装。

为了获得最大的可移植性，我们尽可能使示例不受这些系统相关细节的影响。这种方法的优点是配置、构建和链接，是每个编译器的固有特性。

Ninja是一个不错的自动化构建工具，适用于GNU/Linux、macOS和Windows。Ninja注重速度，特别是增量重构。为GNU/Linux、macOS和Windows预先打包的二进制文件可以在GitHub库中找到，网址是 https://github.com/ninja-build/ninja/releases 。

Fortran项目中使用CMake和Ninja需要注意。使用CMake 3.7.2或更高版本是必要的，Kitware还有维护Ninja，相关包可以在 https://github.com/Kitware/ninja/releases 上找到。

在GNU/Linux上，可以使用以下一系列命令安装Ninja：

  1. $ mkdir -p ninja
  2. $ ninja_url="https://github.com/Kitware/ninja/releases/download/v1.8.2.g3bbbe.kitware.dyndep-1.jobserver-1/ninja-1.8.2.g3bbbe.kitware.dyndep-1.jobserver-1_x86_64-linux-gnu.tar.gz"
  3. $ curl -Ls ${ninja_url} | tar -xz -C ninja --strip-components=1
  4. $ export PATH=$HOME/Deps/ninja${PATH:+:$PATH}

Windows上，使用MSYS2环境(假设是64位版本)执行以下命令：

  1. $ pacman -S mingw64/mingw-w64-x86_64-ninja

NOTE:我们建议阅读这篇文章 http://www.aosabook.org/en/posa/ninja.html ，里面是对NInja编译器的历史和设计的选择，进行启发性的讨论。

0.3.4 Python

本书主要关于CMake，但是其中的一些方法，需要使用Python。因此，也需要对Python进行安装：解释器、头文件和库。Python 2.7的生命周期结束于2020年，因此我们将使用Python 3.5。

在Ubuntu 14.04 LTS上(这是Travis CI使用的环境，我们后面会讨论)，Python 3.5可以安装如下：

  1. sudo apt-get install python3.5-dev

Windows可使用MSYS2环境，Python安装方法如下(假设是64位版本):

  1. $ pacman -S mingw64/mingw-w64-x86_64-python3
  2. $ pacman -S mingw64/mingw-w64-x86_64-python3-pip
  3. $ python3 -m pip install pipenv

为了运行已经写好的测试机制，还需要一些特定的Python模块。可以使用包管理器在系统范围内安装这些包，也可以在隔离的环境中安装。建议采用后一种方法：

  • 可以在不影响系统环境的情况下，将安装包进行清理/安装。
  • 可以在没有管理员权限的情况下安装包。
  • 可以降低软件版本和依赖项冲突的风险。
  • 为了复现性，可以更好地控制包的依赖性。

为此，我们准备了一个Pipfile。结合pipfile.lock，可以使用Pipenv( http://pipenv.readthedocs )。创建一个独立的环境，并安装所有包。要为示例库创建此环境，可在库的顶层目录中运行以下命令：

  1. $ pip install --user pip pipenv --upgrade
  2. $ pipenv install --python python3.5

执行pipenv shell命令会进入一个命令行环境，其中包含特定版本的Python和可用的包。执行exit将退出当前环境。当然，还可以使用pipenv run在隔离的环境中直接执行命令。

或者，可以将库中的requirements.txt文件与Virtualenv( http://docs.pythonguide.org/en/latest/dev/virtualenvs/ )和pip结合使用，以达到相同的效果：

  1. $ virtualenv --python=python3.5 venv
  2. $ source venv/bin/activate
  3. $ pip install -r requirements.txt

可以使用deactivate命令退出虚拟环境。

另一种选择是使用Conda环境，我们建议安装Miniconda。将把最新的Miniconda安装到GNU/Linux的$HOME/Deps/conda目录(从 https://repo.continuum.io/miniconda/miniconda3-latestlinux-x86_64.sh 下载)或macOS(从 https://repo.continuum.io/miniconda/miniconda3-latestmacosx-x86_64.sh 下载)：

  1. $ curl -Ls https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh > miniconda.sh
  2. $ bash miniconda.sh -b -p "$HOME"/Deps/conda &> /dev/null
  3. $ touch "$HOME"/Deps/conda/conda-meta/pinned
  4. $ export PATH=$HOME/Deps/conda/bin${PATH:+:$PATH}
  5. $ conda config --set show_channel_urls True
  6. $ conda config --set changeps1 no
  7. $ conda update --all
  8. $ conda clean -tipy

Windows上，可以从 https://repo.continuum.io/miniconda/Miniconda3-latest-Windows-x86_64.exe 下载最新的Miniconda。该软件包可以使用PowerShell安装，如下:

  1. $basedir = $pwd.Path + "\"
  2. $filepath = $basedir + "Miniconda3-latest-Windows-x86_64.exe"
  3. $Anaconda_loc = "C:\Deps\conda"
  4. $args = "/InstallationType=JustMe /AddToPath=0 /RegisterPython=0 /S /D=$Anaconda_loc"
  5. Start-Process -FilePath $filepath -ArgumentList $args -Wait -Passthru
  6. $conda_path = $Anaconda_loc + "\Scripts\conda.exe"
  7. $args = "config --set show_channel_urls True"
  8. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru
  9. $args = "config --set changeps1 no"
  10. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru
  11. $args = "update --all"
  12. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru
  13. $args = "clean -tipy"
  14. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru

安装了Conda后, Python模块可以按如下方式安装:

  1. $ conda create -n cmake-cookbook python=3.5
  2. $ conda activate cmake-cookbook
  3. $ conda install --file requirements.txt

执行conda deactivate将退出conda的环境。

0.3.5 依赖软件

有些示例需要额外的依赖，这些软件将在这里介绍。

0.3.5.1 BLAS和LAPACK

大多数Linux发行版都为BLAS和LAPACK提供包。例如，在Ubuntu 14.04 LTS上，您可以运行以下命令：

  1. $ sudo apt-get install libatlas-dev liblapack-dev liblapacke-dev

macOS上，XCode附带的加速库可以满足我们的需要。

Windows使用MSYS2环境，可以按如下方式安装这些库(假设是64位版本)：

  1. $ pacman -S mingw64/mingw-w64-x86_64-openblas

或者，可以从GitHub ( https://github.com/referlapack/lapack )下载BLAS和LAPACK的参考实现，并从源代码编译库。商业供应商为平台提供安装程序，安装包中有BLAS和LAPACK相关的API。

0.3.5.2 消息传递接口(MPI)

MPI有许多商业和非商业实现。这里，安装免费的非商业实现就足够了。在Ubuntu 14.04 LTS上，我们推荐OpenMPI。可使用以下命令安装：

  1. $ sudo apt-get install openmpi-bin libopenmpi-dev

在macOS上，Homebrew发布了MPICH：

  1. $ brew install mpich

还可以从 https://www.open-mpi.org/software/ 上获取源代码，编译OpenMPI。对于Windows，Microsoft MPI可以通过 https://msdn.microsoft.com/en-us/library/bb524831(v=vs.85).aspx 下载安装。

0.3.5.3 线性代数模板库

一些示例需要线性代数模板库，版本为3.3或更高。如果包管理器不提供Eigen，可以使用在线打包源(http://eigen.tuxfamily.org )安装它。例如，在GNU/Linux和macOS上，可以将Eigen安装到$HOME/Deps/Eigen目录:

  1. $ eigen_version="3.3.4"
  2. $ mkdir -p eigen
  3. $ curl -Ls http://bitbucket.org/eigen/eigen/get/${eigen_version}.tar.gz | tar -xz -C eigen --strip-components=1
  4. $ cd eigen
  5. $ cmake -H. -Bbuild_eigen -
  6. DCMAKE_INSTALL_PREFIX="$HOME/Deps/eigen" &> /dev/null
  7. $ cmake --build build_eigen -- install &> /dev/null

0.3.5.4 Boost库

Boost库适用于各种操作系统，大多数Linux发行版都通过它们的包管理器提供该库的安装。例如，在Ubuntu 14.04 LTS上，Boost文件系统库、Boost Python库和Boost测试库可以通过以下命令安装：

  1. $ sudo apt-get install libboost-filesystem-dev libboost-python-dev libboost-test-dev

对于macOS, MacPorts和自制程序都为最新版本的Boost提供了安装包。我们在macOS上的测试设置安装Boost如下：

  1. $ brew cask uninstall --force oclint
  2. $ brew uninstall --force --ignore-dependencies boost
  3. $ brew install boost
  4. $ brew install boost-python3

Windows的二进制发行版也可以从Boost网站 http://www.boost.org 下载。或者，可以从 https://www.boost.org 下载源代码，并自己编译Boost库。

0.3.5.5 交叉编译器

在类Debian/Ubuntu系统上，可以使用以下命令安装交叉编译器：

  1. $ sudo apt-get install gcc-mingw-w64 g++-mingw-w64 gfortran-mingw-w64

在macOS上，使用Brew，可以安装以下交叉编译器：

  1. $ brew install mingw-w64

其他包管理器提供相应的包。使用打包的跨编译器的另一种方法，是使用M交叉环境( https://mxe.cc )，并从源代码对其进行构建。

0.3.5.6 ZeroMQ, pkg-config, UUID和Doxygen

Ubuntu 14.04 LTS上，这些包可以安装如下：

  1. $ sudo apt-get install pkg-config libzmq3-dev doxygen graphviz-dev uuid-dev

macOS上，我们建议使用Brew安装：

  1. $ brew install ossp-uuid pkg-config zeromq doxygen

pkg-config程序和UUID库只在类Unix系统上可用。Windows上使用MSYS2环境，可以按如下方式安装这些依赖项(假设是64位版本)：

  1. $ pacman -S mingw64/mingw-w64-x86_64-zeromq
  2. $ pacman -S mingw64/mingw-w64-x86_64-pkg-config
  3. $ pacman -S mingw64/mingw-w64-x86_64-doxygen
  4. $ pacman -S mingw64/mingw-w64-x86_64-graphviz

0.3.5.7 Conda的构建和部署

想要使用Conda打包的示例的话，需要Miniconda和Conda构建和部署工具。Miniconda的安装说明之前已经给出。要在GNU/Linux和macOS上安装Conda构建和部署工具，请运行以下命令:

  1. $ conda install --yes --quiet conda-build anaconda-client jinja2 setuptools
  2. $ conda clean -tipsy
  3. $ conda info -a

这些工具也可以安装在Windows上:

  1. $conda_path = "C:\Deps\conda\Scripts\conda.exe"
  2. $args = "install --yes --quiet conda-build anaconda-client jinja2 setuptools"
  3. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru
  4. $args = "clean -tipsy"
  5. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru
  6. $args = "info -a"
  7. Start-Process -FilePath "$conda_path" -ArgumentList $args -Wait -Passthru