快速开始

本指南介绍如何使用 Linux 与 Docker Compose 部署平台、前端和仿真引擎；外部调度组件需要分别准备。

1. 准备环境

Git、Docker Engine，以及可用的 Docker daemon。
Docker Compose v2，或兼容的 docker-compose。
至少 8 GB 可用内存和足够的磁盘空间。
使用 GPU 组件时，需要 NVIDIA 驱动与 NVIDIA Container Toolkit。

平台本身以及 MA + PIBT 的测试、调优流程可以使用 CPU。CTDE-PPO 流水线训练需要 CUDA，平台能以 CPU 模式启动不代表全部算法都能在 CPU 上训练。批处理容器也有独立的 GPU 要求。

2. 准备同级仓库

mkdir skyengine-workspace
cd skyengine-workspace
git clone https://github.com/dayu-autostreamer/skyengine.git
git clone https://github.com/skyrimforest/SkyEngine-FJSP.git
git clone https://github.com/skyrimforest/SkyEngine-MAPF.git

从项目交付包或维护者提供的授权仓库获取 skyengine-DFJSPT，放到与 skyengine 同级的位置，保留准确的小写目录名：

skyengine-workspace/
├── skyengine/
├── skyengine-DFJSPT/
│   └── dfjsp_t_rl/__init__.py
├── SkyEngine-FJSP/
└── SkyEngine-MAPF/

安装前置条件

当前 install.sh 会先检查 skyengine-DFJSPT/dfjsp_t_rl/__init__.py。只克隆公开的 skyengine 仓库，还不能完成这套安装流程。如果没有交付包，请先联系维护者。

3. 构建算法镜像

在 skyengine-workspace 中执行：

cd SkyEngine-FJSP
docker compose build
cd ../SkyEngine-MAPF
docker compose build

模型权重、GPU 要求和镜像名称以各算法仓库说明为准。DFJSP-T 是挂载到后端的 Python 包，此步骤无需为它构建另一个算法镜像。

4. 安装与启动

从 SkyEngine-MAPF 目录返回平台目录：

cd ../skyengine
./install.sh
./start.sh

安装脚本检查环境，准备目录和 .env，更新数据集模板摘要，构建镜像，并在后端镜像内探测 CUDA。移动项目目录后，先重新执行 ./install.sh，更新宿主机路径，再启动。

访问地址以 start.sh 最后输出为准。默认宿主机端口被占用时，脚本会自动选择后续可用端口。

服务	默认地址
前端	`http://localhost:5180`
后端 API	`http://localhost:8233`
在线引擎	`http://localhost:8080`

5. 检查服务

docker compose -f docker-compose.yml ps
docker compose -f docker-compose.yml logs --tail 100 backend frontend
docker compose -p skyengine-online -f docker-compose-online.yaml logs --tail 100 engine

打开脚本输出的前端地址，选择容器化工厂开始一次运行，或在前端地址下访问 /training 进入算法实验工作台。

计算模式

在 .env 中设置 SKYENGINE_GPU_MODE：

值	行为
`auto`	容器探测成功时使用后端 CUDA，否则使用 CPU
`cuda`	必须具有 Docker 和后端 PyTorch 可访问的 NVIDIA GPU
`cpu`	不为后端请求 GPU

当前 PPO 使用所选的一张 GPU，输入多个卡号不会启用多卡训练。采样与验证使用 CPU 资源。

重建或重启后端会中断运行中的实验。修改依赖、Dockerfile 或 GPU 配置前，应先完成或停止相关任务。

停止平台

./stop.sh

脚本停止平台、在线引擎和批处理引擎的 Compose 项目，不删除镜像、数据集或日志。

常见问题

问题	检查方法
缺少 DFJSP-T 目录	检查同级目录名与 `dfjsp_t_rl/__init__.py`
`SKYENGINE_DOCKER_HOST_DIR not set`	在当前项目路径重新执行 `./install.sh`
访问地址与默认值不同	查看启动输出与 `.env` 中的端口配置
算法镜像不存在	构建外部算法仓库，并核对镜像标签
服务启动失败	依次检查前面的三条状态和日志命令
采样时报 OpenCV／libGL 错误	更新依赖，按项目的依赖锁文件重建后端镜像

接下来阅读运行与日志分析，或进入算法实验工作台。

1. 准备环境​

2. 准备同级仓库​

3. 构建算法镜像​

4. 安装与启动​

5. 检查服务​

计算模式​

停止平台​

常见问题​