在Linux服务器上部署Jupyter notebook

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

浏览器-客户端

cmd-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

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

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

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

• 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

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
  
  然后输入密码 datashare 进行登录，成功登录后界面如下所示：
  

• 3、创建一个notebook，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

对Nbextension进行配置，勾选需要的功能

• 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

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

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

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
  

历史相关文章

• Linux （Centos 7）中 Anaconda环境管理，安装不同的版本Python包
• Python常用语句汇总
• 数据分析师常用的 Linux 命令总结

---

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