[转]应用系统迁移ARM环境经验总结（非Docker环境部署）

文章来自同事大神昆神的文章，也算是经验总结。授权转载收藏记录一下。

 

目前政府侧国产化之风渐浓，已经有多个政府场地开始采购国产品牌服务器，其中一些国产品牌服务器CPU是ARM架构，和常用的X86架构指令集不能直接兼容，导致X86上编译的程序无法在ARM上运行，因此涉及到适配工作。

现在公司常用的应用开发语言有Java、Python、Go、PHP等，其中以Java的适配最为简单。因Java字节码是平台无关的，只要安装了对应架构的JVM，Java字节码可以直接跨平台运行，无需重新编译。目前，OpenJDK从11起，已经提供了ARM版本的OpenJDK，因此迁移只需要更换对应的JDK即可，绝大部分jar包可以直接拷贝移植（极少部分依赖平台编译动态库的除外）。

Go语言开发的应用系统也较为方便，因Go语言支持跨平台交叉编译，只要在环境内安装有ARM平台的编译工具链以及依赖库，可以直接在X86环境完成ARM应用程序的编译，并拷贝到ARM环境运行（根据网上文档查阅，未实操）。

Python的移植比较繁琐，如果使用的是比较常用的第三方库还好，若是使用了较为冷门的第三方库，过程会很长，非常考验耐心（PHP类似，但PHP一般的依赖都比较通用，容易满足）。以下特别针对Python的移植做出介绍：

 

政府的服务器一般都在内网环境，不提供外网的访问，因此安装过程一般在离线环境，需要下载好依赖的Python包。Python的运行环境目前看Anaconda是一个很好的选择，Anaconda已经提供了ARM版本的安装包，如果应用程序依赖的包在Anaconda内

（列表参见：https://docs.anaconda.com/anaconda/packages/pkg-docs/） ，根据Python版本和架构方式点击对应的链接）直接可以找到，那么基本上直接安装Anaconda就可以了，一键完成。

如果依赖包在Anaconda中默认没有提供，那么还有几种选择：

1、在Anaconda网站上搜索（如搜索numpy：https://anaconda.org/search?q=numpy）。这个方法一般可以解决80%以上的依赖包需求，也提供了多个架构集的实现，参加下图：

 

　　

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.向系统供应商索要rpm包。一般情况下，系统供应商会为常用的依赖库提供预先编译好的安装包，如华为银河麒麟系统提供的安装包列表：

http://update.cs2c.com.cn:8080/NS/V10/V10SP1/os/adv/lic/base/aarch64/Packages/ ，除了系统依赖外，也包含部分常用的python依赖包。

3.通过pip下载二进制包。命令如下：

pip download <包名> -d <下载到的目录> --only-binary=:all: --no-deps --platform linux_aarch64 --python-version 39 --implementation cp -i https://mirror.baidu.com/pypi/simple
--only-binary=:all: 表示下载二进制文件
--no-deps 表示不下载依赖包
--platform linux_aarch64 表示下载aarch64包，linux有时用manylinux代替，platform为any或者noarch表示此包可以跨平台使用，也能在aarch64环境安装
--python-version 39 表示下载的python版本是3.9，3.7写为37，3.8写为38即可
--implementation cp 表示下载cpython包，这个一般不需要加
-i 表示指定从哪个源上下载，国内一般使用百度源，下载很快
更多的命令选项参考：
https://pip.pypa.io/en/stable/cli/pip_download/

命令成功执行后在-d指定的目录中能找到下载的whl文件，使用pip可以直接安装：pip install <whl文件>

4. 通过pip下载源码包。命令格式基本等同下载二进制包，将--no-binary=:all:替换--only-binary=:all:即可。下载成功后得到一个压缩包，解压缩后如果里面有setup.py则执行python setup.py build和python setup.py install即可。

5.如果通过以上方式都找不到合适的依赖包，那么就在搜索引擎上查找下，或者在pypi网站上搜索。比如查找torch的安装包时发现在https://pypi.org/project/torch/#files有manylinux2014_aarch64版本的包，可以支持aarch64环境的安装。

另外kmtea网站也提供了aarch64版本的安装包：https://torch.kmtea.eu/

 

Python依赖包的查询：

可以下载安装pipdeptree这个工具，安装后在命令行执行：pipdeptree -p <包名> 即可，例如，想查看fastNLP这个包有哪些依赖，执行 pipdeptree -p fastNLP：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

即可根据依赖包的名称和版本情况，进行查找安装。

Python从不同来源的包可能会出现安装无异常，但是运行时会有异常的情况（包括报错和非报错异常，无法得到正确结果），这个时候要仔细排查问题，找到相关的包进行替换（如在安装torch包时，出现过来自Anaconda和kmtea的包无法正确计算全连接参数值的问题，换了pypi网站的包就好了），对于线上使用要做好回归测试工作。

ARM服务的适配比较需要耐心，要根据错误提示灵活采用不同手段进行解决，过程可能比较曲折，祝适配顺利！