背景
小编在刚开始学习Python时，是在Python官网下载的原生版本，用的是自带的编码环境，后来了解到在数据分析、数据科学领域用Jupyter notebook比较好，于是直到现在也是一直在用Jupyter notebook，也偶尔用PyCharm做开发。在数据分析与处理中Jupyter notebook还是很方便，可以直接查看数据，可以写文档，可以画图 等很多优点，感觉Jupyter notebook 就是是为了数据分析、数据挖掘、机器学习而生的
如果用过Jupyter notebook，大家都知道，它是一个网页界面，服务端和客户端分离，每次启动都会在后台运行一个cmd/terminal窗口，可以理解为服务端，而使用的浏览器界面，可以理解为客户端。既然是服务端与客户端分开的，那么服务端就可以部署到服务器上，可以充分利用服务器的计算资源、存储资源，更甚者可以用GPU资源。其实在服务器部署Jupyter notebook，做机器学习的同学，应该对这个很熟悉，但是不一定亲手部署过
Jupyter notebook
浏览器-客户端
客户端
cmd-服务端
服务端
必要前提！！！
需要对Linux服务器要有所了解，如果在工作中压根就没使用过服务器，且不知道ssh，那小编劝你暂时先别看这篇文章，可以先去多学一些Python知识，后面随着知识的积累，慢慢的你就会接触到服务器
小编服务器环境
硬件：谷歌云虚拟机实例，1G内存，100G硬盘
系统：64位 Debian，Debian GNU/Linux 11
服务器部署流程
在服务器上安装Jupyter notebook，一共分为4步，最终实现在本地电脑来访问
因为Anaconda自带Jupyter notebook，并且可以创建虚拟环境，使用起来非常方便，所以强烈推荐使用Anaconda，可以让你少采坑
第1步：下载Anaconda
Anaconda 下载地址：https://www.anaconda.com/download#downloads
下载Anaconda
在服务器上直接下载（谷歌服务器下载很快）
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh
服务器下载
第2步：安装Anaconda
在服务器上直接安装Anaconda，在安装中一直点击回车或空格键，在许可条款、最后配置的地方输入 yes 即可
在安装时确保硬盘存储空间要足够，小编在安装是最开始只有10G硬盘资源，一直报错，后来扩大硬盘后解决了
安装完成后，命令行提示符前会有多了个 (base)，这个是Anaconda默认的基础虚假环境，小编下载的是截止发文章时最新版Anaconda，里面集成的是 Python 3.11.5
bash Anaconda3-2023.09-0-Linux-x86_64.sh
安装完成
第3步：对Jupyter notebook进行配置
- 生成配置文件，运行后会显示配置文件的存放位置
jupyter notebook --generate-config
生成配置文件
- 对配置文件进行修改
## The IP address the notebook server will listen on.
# Default: 'localhost'
# 设置可以访问的ip, 默认是localhost, 将其改为 '*'
c.NotebookApp.ip = '*'
## The directory to use for notebooks and kernels.
# Default: ''
# 默认打开目录
c.NotebookApp.notebook_dir = '/home/data123share66/python'
## Whether to open in a browser after starting.
# The specific browser used is platform dependent and
# determined by the python standard library `webbrowser`
# module, unless it is overridden using the --browser
# (NotebookApp.browser) configuration option.
# Default: True
# Jupyter notebook启动后是否打开浏览器, 设为 False 即可
c.NotebookApp.open_browser = False
## Hashed password to use for web authentication.
#
# To generate, type in a python/IPython shell:
#
# from notebook.auth import passwd; passwd()
#
# The string should be of the form type:salt:hashed-
# password.
# Default: ''
c.NotebookApp.password = 'argon2:$argon2id$v=19$m=10240,t=10,p=8$Ny6WDdoLBm88cUMyOqgNqg$s3WObP81eU51RT2j8D8DULPM1OAPOnzYfODW8olB0xw'
小编这里在生成密码是用的 datashare ，在输入时屏幕不会显示
生成密码
第4步：启动Jupyter notebook，并在本地电脑远程访问
- 1、服务器启动Jupyter notebook
jupyter notebook --ip=0.0.0.0 --port=9999
-
2、在本地电脑浏览器远程访问
在浏览器输入服务器的IP地址:9999，小编这里是34.81.173.39:9999，访问后，会出现如下页面
远程访问
然后输入密码datashare进行登录，成功登录后界面如下所示：
登录后界面
-
3、创建一个notebook，查看python版本
查看python版本
Jupyter 好用的扩展插件
-
1、安装jupyter_contrib_nbextensions
该插件会扩展jupyter的很多功能，如目录，自动补全等，在服务器终端依次运行如下命令
pip install jupyter_contrib_nbextensions
jupyter-contrib-nbextension install --user
打开jupyter会发现多了一个菜单栏 Nbextension
Nbextension
对Nbextension进行配置，勾选需要的功能
Nbextension配置
- 2、安装nb_conda
conda install nb_conda
安装完成后，需要在服务器重新启动一下Jupyter notebook，会发现多了一个菜单栏 Conda
nb_conda
在服务器创建一个虚拟环境 python312，然后刷新一下页面，就可以看到虚拟环境 python312
conda create -n python312 python=3.12
虚拟环境
多个Python版本kernel配置
虽然上面已经创建了虚拟环境，并显示出来了，但是在创建新的notebook时并显示python312，因为python312存在不同的虚拟环境里面，这个需要我们再进行配置
单个kernel
Jupyter Notebook允许用户在同一个notebook中使用多个不同的IPython内核
- 1、安装Jupyter Notebook和IPython内核
conda create -n python312 python=3.12 #上面安装过的可以忽略
conda activate python312
pip install jupyter
pip install ipykernel
pip install ipywidgets
- 2、安装新的kernel内核
conda activate python312 #切换虚拟环境
ipython kernel install --name "python312" --user
-
3、服务器端重新启动Jupyter notebook
建一个python312内核的notebook，查看当前内核的python解释器版本
切换为新内核
历史相关文章
以上是自己实践中遇到的一些问题，分享出来供大家参考学习，欢迎关注微信公众号：DataShare ，不定期分享干货
网友评论