Rerun 开发环境完整指南：5 个检查点，从源码编译到多语言 SDK 全部跑通

Rerun 开发环境完整指南：5 个检查点，从源码编译到多语言 SDK 全部跑通

【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun

在 Linux、macOS 和 Windows 上，按下面 5 个检查点依次推进，你就能完成 Rerun 的开发环境搭建：源码编译出 Viewer 并看到 3D 点云，Python / Rust / C++ 三套 SDK 全部可用。每个检查点都有明确的"完成标志"，卡住了直接跳到文末速查表。

检查点 1：工具链就位——Rust 1.96.0 与 Pixi 0.71.3

Rerun 用 pixi 统一管理开发依赖，任务定义全部集中在仓库根目录的 pixi.toml 中。你只需要装好两样东西：Rust 工具链（仓库锁定版本1.96.0，见rust-toolchain）和Pixi 0.71.3（pixi.toml中requires-pixi声明的最低版本，scripts/check_env.py 会精确校验这两个版本）。

三个平台走同一条流程，只有安装方式不同：

# 1. 安装 Rust（rustup 官网脚本） curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh -s -- -y # 2. 锁定仓库要求的版本 rustup install 1.96.0 && rustup default 1.96.0 # 3. 安装 Pixi 并升到校验版本 curl -fsSL https://pixi.sh/install.sh | bash pixi self-update --version 0.71.3

macOS 用户可用 Homebrew 替代包管理器安装 git 系工具；Windows 用户改用图形安装器，并在 VS 开发者命令行中执行后续编译命令。

git clone https://gitcode.com/GitHub_Trending/re/rerun cd rerun pixi run check-env

check-env会依次打印 pixi / cargo / rustc 三项版本是否匹配，看到三行... is correct即通过。

完成标志：pixi run check-env三项全部输出 "is correct"。

检查点 2：源码编译 Viewer，第一次看到 3D 点云

环境就绪后，第一条真正的编译命令是：

pixi run rerun

这个任务等价于cargo run --package rerun-cli --no-default-features --features release_no_web_viewer，产物落在target/debug/rerun。首次编译依赖量大、耗时较长，终端滚完最后一行Finished后 Viewer 窗口会弹出。想验证渲染链路，直接打开仓库自带的示例数据：

pixi run rerun examples/assets/example.rrd

发布模式用pixi run rerun-release（产物在target/release/rerun）；如果要在 Viewer 里看性能剖析数据，可以加 Tracy 遥测：pixi run rerun-perf。

完成标志：Viewer 窗口弹出，加载example.rrd后能旋转查看场景内容。

检查点 3：三套 SDK 各自打通一个最小示例

Viewer 跑起来只是起点，接下来按语言逐个验证 SDK 链路。

Python SDK：maturin 构建 + 点云示例

pixi run py-build # 调试模式，装进平行的 uv 环境 pixi run py-build-release # 发布模式

py-build通过 maturin 把 rerun_py/ 的 Rust 绑定编译进独立的 uv 虚拟环境（构建细节见 rerun_py/README.md）。随后跑官方最小示例 examples/python/minimal/minimal.py：

pixi run uv run examples/python/minimal/minimal.py

脚本用 numpy 生成一个 10×10×10 的彩色立方体点云并以rr.init(..., spawn=True)拉起 Viewer，窗口里出现彩色点阵即成功。

Rust SDK：直接 cargo run

示例 crate 在 examples/rust/minimal/src/main.rs，核心就三步：RecordingStreamBuilder::new(...).spawn()创建录制流并拉起 Viewer，grid()生成坐标与颜色网格，rec.log("my_points", ...)写入点云。运行：

cargo run -p minimal

终端无报错且 Viewer 弹出同样的彩色点云，Rust 链路即通。

C++ SDK：独立的 cpp 环境

C++ 绑定不能混入默认 pixi 环境（会导致 Linux 上客户端编译失败，见pixi.toml中cpp环境注释），所有cpp-*任务都要带-e cpp：

pixi run -e cpp cpp-build-all # CMake + Ninja 配置并构建 pixi run -e cpp cpp-test # 构建并运行测试二进制

配置步骤是cmake -G Ninja -B build/debug -DCMAKE_EXPORT_COMPILE_COMMANDS=ON，CMake 工程入口见 rerun_cpp/CMakeLists.txt。测试通过会看到[ PASSED ]汇总。

完成标志：Python / Rust / C++ 三个示例都在 Viewer 中渲染出了彩色点云，且 C++ 测试全部通过。

检查点 4：编译提速与调试配置

大仓全量编译动辄几十分钟，两个官方认可的加速手段值得先试：

# 1. sccache 缓存（跨项目通用） export RUSTC_WRAPPER=sccache export SCCACHE_CACHE_SIZE="256G" # 2. Cranelift 快速编译后端（仓库自带任务，需 nightly + cranelift 组件） rustup component add rustc-codegen-cranelift-preview --toolchain nightly pixi run rerun-fast

rerun-fast用 Cranelift 后端 +dev-fastprofile 编译，产物在target/dev-fast/viewer，迭代 UI 代码时比常规 debug 构建快得多；正式验证仍建议回到pixi run rerun。

调试侧的配置很轻：VS Code 安装rust-analyzer和CodeLLDB两个插件即可，.vscode/launch.json里给target/debug/rerun加一个 lldb 启动配置、给minimal示例加一个 cargo 构建配置，两个条目各 5 行左右，参照仓库现有配置即可。C++ 侧cpp-prepare已经导出compile_commands.json，clangd 会自动拾取。

任务层面，记住三条最常用的：

pixi task list # 查看所有可用任务 pixi run lint # 代码检查（含 Rust/C++/Python 各语言） pixi run fmt # 全语言格式化

完成标志：第二次增量编译明显变快；断点可以打进re_viewer或minimal示例代码。

检查点 5：常见卡点速查

若速查表没覆盖你的报错，先用pixi task list找对应任务，再结合 CONTRIBUTING.md 里的 CI 流程定位。

完成标志：你遇到的报错都能在上表或对应任务文档里找到出处。

下一步

• 架构总览与 crate 依赖图：ARCHITECTURE.md
• 更多可运行示例（含 mcap、Lerobot、ROS 等）：examples/
• 贡献前必读与 PR 规范：CONTRIBUTING.md
• 代码风格约定：CODE_STYLE.md

【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun