WSL2 Ubuntu conda安装RapidsAI报repodata失败及依赖冲突

• 硬版本限制：RapidsAI 22.06 官方要求系统glibc版本≥2.31，Ubuntu18.04默认glibc版本为2.27，直接不满足底层依赖要求；就算升级到Ubuntu20.04，如果未执行全量系统升级，残留的旧版libgcc关联文件也会触发nccl、cudatoolkit等底层包校验失败。
• 依赖冲突：将RapidsAI、pycaret、tensorflow、graphistry放在单条conda命令中安装时，各包维护的依赖版本范围无公共交集：RapidsAI 22.06绑定pyarrow≤8.0、pandas≤1.4.x、numpy<1.23，而同期pycaret、tensorflow要求的pyarrow≥9.0、pandas≥1.5、numpy≥1.23，conda默认求解器无法找到同时满足所有约束的版本组合，必然抛出UnsatisfiableError。
• 求解器性能问题：默认conda SAT求解器在依赖规模大、存在冲突时会直接超时，抛出Solving environment: failed with repodata from current_repodata.json的假报错，和repodata源本身是否正常无关。
• 硬件限制：当前GPU显存仅4GB，RapidsAI全量组件最低显存要求为8GB，就算强制安装完成，运行时也会频繁触发显存溢出。

1. 重置WSL2环境清除旧配置残留
   在Windows终端执行以下命令注销旧的WSL发行版，重新安装干净的Ubuntu20.04：

wsl --unregister Ubuntu-20.04
wsl --install -d Ubuntu-20.04

进入新安装的Ubuntu20.04系统后，执行全量系统升级，将glibc升级到符合要求的版本：

sudo apt update && sudo apt full-upgrade -y
sudo apt install build-essential libglib2.0-0 -y
# 验证glibc版本，确认输出版本≥2.31
ldd --version

2. 配置conda环境替换默认求解器
   安装最新版Miniconda后执行以下配置，解决求解卡顿、假repodata报错问题：

conda config --set channel_priority strict
conda config --add channels conda-forge
conda config --add channels nvidia
conda config --add channels rapidsai
# 安装libmamba求解器替换默认SAT求解器，求解速度提升10倍以上
conda install -n base conda-libmamba-solver -y
conda config --set solver libmamba

3. 分层安装依赖，避免全局版本冲突
   不要在单条命令中安装所有包，按依赖优先级逐层安装，遇到版本冲突时单独指定兼容版本：

# 创建虚拟环境
conda create -n rapids python=3.9 -y
conda activate rapids
# 第一步安装Rapids最小化组件，适配4GB显存，指定cudatoolkit=11.5匹配22.06版本要求
conda install rapids=22.06 python=3.9 cudatoolkit=11.5 cudf cuml -y
# 安装jupyterlab
conda install jupyterlab -y
# 安装剩余依赖，CPU版tensorflow可避免CUDA版本冲突，适配4GB显存硬件条件
pip install dash graphistry tensorflow-cpu pycaret==2.3.10

4. 安装验证
   进入Python交互环境执行以下代码，确认Rapids核心组件可正常导入：

import cudf
import cuml
print(cudf.__version__) # 正常输出22.06即为安装成功

注：4GB显存仅支持100万行以内小规模数据集的Rapids运算，大规模任务触发显存溢出属于硬件限制，无软件层面的解决方案。

• 更换cudatoolkit版本、降级conda：未解决glibc版本硬限制、多包依赖版本无交集的核心问题，无法绕过冲突
• 升级Ubuntu20.04但未执行full-upgrade：系统残留的旧版libgcc文件会持续触发底层依赖校验失败
• 源码编译RapidsAI：编译过程同样会校验glibc版本，2.27版本下编译到nccl、libcudf阶段就会报错退出，和二进制安装的报错逻辑一致

内容的提问来源于stack exchange，提问作者abhipraja