ज्युपिटरचे LXD कक्षेत प्रक्षेपण

रूट विशेषाधिकारांसह चालवल्या जाणार्‍या कोडमध्ये त्रुटी आढळल्यास अंतर्निहित प्रणालीची चिंता न करता आणि सर्व काही फाडून टाकल्याशिवाय तुम्हाला लिनक्समध्ये कोड किंवा सिस्टम युटिलिटीजचा प्रयोग करावा लागला आहे का?

परंतु या वस्तुस्थितीबद्दल काय म्हणूया की तुम्हाला एका मशीनवर विविध मायक्रोसर्व्हिसेसचे संपूर्ण क्लस्टर तपासण्याची किंवा चालवण्याची आवश्यकता आहे? शंभर की हजार?

हायपरवाइजरद्वारे व्यवस्थापित केलेल्या व्हर्च्युअल मशीनसह, अशा समस्या सोडवल्या जाऊ शकतात आणि सोडवल्या जातील, परंतु कोणत्या किंमतीवर? उदाहरणार्थ, अल्पाइन लिनक्स वितरणावर आधारित LXD मधील कंटेनर फक्त वापरतो 7.60MB RAM, आणि स्टार्टअप नंतर रूट विभाजन कुठे व्यापते 9.5MB! तुला ते कसे आवडते, एलोन मस्क? मी चेक आउट करण्याची शिफारस करतो LXD च्या मूलभूत क्षमता - लिनक्समधील कंटेनर सिस्टम

LXD कंटेनर्स म्हणजे काय हे सर्वसाधारणपणे स्पष्ट झाल्यानंतर, आपण आणखी पुढे जाऊन विचार करूया की, जर असा एखादा हार्वेस्टर प्लॅटफॉर्म असेल तर जिथे तुम्ही होस्टसाठी सुरक्षितपणे कोड चालवू शकता, आलेख तयार करू शकता, डायनॅमिकली (परस्पररित्या) UI- विजेट्सला तुमच्या कोडसह लिंक करू शकता, ब्लॅकजॅक... फॉरमॅटिंगसह मजकूरासह कोडची पूर्तता करायची? काही प्रकारचे परस्परसंवादी ब्लॉग? व्वा... मला ते हवे आहे! पाहिजे! 🙂

मांजरीच्या खाली पहा जिथे आम्ही कंटेनरमध्ये लॉन्च करू jupyter प्रयोगशाळा - कालबाह्य ज्युपिटर नोटबुक ऐवजी पुढील पिढीचा वापरकर्ता इंटरफेस, आणि आम्ही पायथन मॉड्यूल देखील स्थापित करू जसे की सुन्न, पांड्या, मॅटप्लोटलिब, IPyWidgets जे तुम्हाला वर सूचीबद्ध केलेली प्रत्येक गोष्ट करण्याची परवानगी देईल आणि ते सर्व एका विशेष फाईलमध्ये सेव्ह करेल - एक IPython लॅपटॉप.

नॅव्हिगेशन

• ऑर्बिटल टेक-ऑफ योजना
• मूलभूत प्रणालीची स्थापना आणि कॉन्फिगरेशन
• मूलभूत सॉफ्टवेअर स्थापित करणे आणि सिस्टम सेट करणे
• JupyterLab स्थापित आणि कॉन्फिगर करत आहे
• होस्टसह डेटा सामायिक करणे
• नमस्कार, जग!
• पायथनच्या क्षमतांचा विस्तार करणे
• JupyterLab मध्ये चाचणी मॉड्यूल
• अजून काय?

ऑर्बिटल टेक-ऑफ योजना ^

वरील योजना अंमलात आणणे आपल्यासाठी सोपे करण्यासाठी थोडक्यात कृती योजनेची रूपरेषा देऊ:

• वितरण किटवर आधारित कंटेनर स्थापित आणि लॉन्च करूया अल्पाइन लिनक्स. आम्ही हे वितरण वापरणार आहोत कारण ते मिनिमलिझमचे उद्दिष्ट आहे आणि त्यात फक्त सर्वात आवश्यक सॉफ्टवेअर स्थापित करू, अनावश्यक काहीही नाही.
• कंटेनरमध्ये अतिरिक्त व्हर्च्युअल डिस्क जोडू आणि त्याला एक नाव देऊ - hostfs आणि रूट फाइल सिस्टमवर माउंट करा. या डिस्कमुळे कंटेनरमधील दिलेल्या निर्देशिकेतील होस्टवरील फाइल्स वापरणे शक्य होईल. अशा प्रकारे, आमचा डेटा कंटेनरपासून स्वतंत्र असेल. कंटेनर हटविल्यास, डेटा होस्टवर राहील. तसेच, ही योजना कंटेनर वितरणाची मानक नेटवर्क यंत्रणा न वापरता अनेक कंटेनर दरम्यान समान डेटा सामायिक करण्यासाठी उपयुक्त आहे.
• चला बॅश, सुडो, आवश्यक लायब्ररी स्थापित करू, सिस्टम वापरकर्ता जोडू आणि कॉन्फिगर करू
• पायथन, मॉड्यूल्स स्थापित करू आणि त्यांच्यासाठी बायनरी अवलंबित्व संकलित करू
• चला स्थापित आणि लॉन्च करूया jupyter प्रयोगशाळा, देखावा सानुकूलित करा, त्यासाठी विस्तार स्थापित करा.

या लेखात आम्ही कंटेनर लाँच करण्यापासून सुरुवात करू, आम्ही एलएक्सडी स्थापित आणि कॉन्फिगर करण्याचा विचार करणार नाही, आपण हे सर्व दुसर्या लेखात शोधू शकता - LXD ची मूलभूत वैशिष्ट्ये - लिनक्स कंटेनर सिस्टम.

मूलभूत प्रणालीची स्थापना आणि कॉन्फिगरेशन ^

आम्ही कमांडसह कंटेनर तयार करतो ज्यामध्ये आम्ही प्रतिमा निर्दिष्ट करतो - alpine3, कंटेनरसाठी ओळखकर्ता - jupyterlab आणि, आवश्यक असल्यास, कॉन्फिगरेशन प्रोफाइल:

lxc init alpine3 jupyterlab --profile=default --profile=hddroot

येथे मी कॉन्फिगरेशन प्रोफाइल वापरत आहे hddroot मध्ये रूट विभाजनासह कंटेनर तयार करण्यासाठी निर्दिष्ट करते स्टोरेज पूल भौतिक HDD डिस्कवर स्थित:

lxc profile show hddroot

config: {}
description: ""
devices:
  root:
    path: /
    pool: hddpool
    type: disk
name: hddroot
used_by: []

lxc storage show hddpool

config:
  size: 10GB
  source: /dev/loop1
  volatile.initial_source: /dev/loop1
description: ""
name: hddpool
driver: btrfs
used_by:
- /1.0/images/ebd565585223487526ddb3607f5156e875c15a89e21b61ef004132196da6a0a3
- /1.0/profiles/hddroot
status: Created
locations:
- none

हे मला HDD डिस्कवरील कंटेनरवर प्रयोग करण्याची संधी देते, SSD डिस्कचे संसाधने जतन करते, जे माझ्या सिस्टममध्ये देखील उपलब्ध आहे 🙂 ज्यासाठी मी एक स्वतंत्र कॉन्फिगरेशन प्रोफाइल तयार केले आहे. ssdroot.

कंटेनर तयार झाल्यानंतर तो राज्यात आहे STOPPED, म्हणून आम्हाला त्यात init प्रणाली चालवून ते सुरू करावे लागेल:

lxc start jupyterlab

की वापरून LXD मध्ये कंटेनरची सूची दाखवू -c जे सूचित करते जे cओलम्स डिस्प्ले:

lxc list -c ns4b
+------------+---------+-------------------+--------------+
|    NAME    |  STATE  |       IPV4        | STORAGE POOL |
+------------+---------+-------------------+--------------+
| jupyterlab | RUNNING | 10.0.5.198 (eth0) | hddpool      |
+------------+---------+-------------------+--------------+

कंटेनर तयार करताना, आम्ही कॉन्फिगरेशन प्रोफाइल वापरल्यामुळे, आयपी पत्ता यादृच्छिकपणे निवडला गेला default जे पूर्वी लेखात कॉन्फिगर केले होते LXD ची मूलभूत वैशिष्ट्ये - लिनक्स कंटेनर सिस्टम.

सध्याच्या कॉन्फिगरेशनमध्ये असलेल्या कॉन्फिगरेशन प्रोफाइल स्तरावर नव्हे तर कंटेनर स्तरावर नेटवर्क इंटरफेस तयार करून आम्ही हा IP पत्ता अधिक संस्मरणीय असा बदलू. तुम्हाला हे करण्याची गरज नाही, तुम्ही ते वगळू शकता.

नेटवर्क इंटरफेस तयार करणे eth0 ज्याला आम्ही स्विच (नेटवर्क ब्रिज) ला जोडतो lxdbr0 ज्यामध्ये आम्ही मागील लेखानुसार NAT सक्षम केले आहे आणि कंटेनरला आता इंटरनेटचा प्रवेश असेल आणि आम्ही इंटरफेसला एक स्थिर IP पत्ता देखील नियुक्त करतो - 10.0.5.5:

lxc config device add jupyterlab eth0 nic name=eth0 nictype=bridged parent=lxdbr0 ipv4.address=10.0.5.5

डिव्हाइस जोडल्यानंतर, कंटेनर रीबूट करणे आवश्यक आहे:

lxc restart jupyterlab

कंटेनरची स्थिती तपासत आहे:

lxc list -c ns4b
+------------+---------+------------------+--------------+
|    NAME    |  STATE  |       IPV4       | STORAGE POOL |
+------------+---------+------------------+--------------+
| jupyterlab | RUNNING | 10.0.5.5 (eth0)  | hddpool      |
+------------+---------+------------------+--------------+

मूलभूत सॉफ्टवेअर स्थापित करणे आणि सिस्टम सेट करणे ^

आमच्या कंटेनरचे व्यवस्थापन करण्यासाठी, तुम्हाला खालील सॉफ्टवेअर स्थापित करणे आवश्यक आहे:

पॅकेज
वर्णन

बाश
GNU बॉर्न पुन्हा शेल

bash-पूर्णता
बॅश शेलसाठी प्रोग्राम करण्यायोग्य पूर्णता

सुडो
काही वापरकर्त्यांना काही कमांड रूट म्हणून चालवण्याची क्षमता द्या

सावली
शॅडो फाइल्स आणि PAM साठी सपोर्ट असलेले पासवर्ड आणि अकाउंट मॅनेजमेंट टूल सूट

tzdata
टाइम झोन आणि डेलाइट सेव्हिंग टाइम डेटासाठी स्रोत

नॅनो
सुधारणांसह पिको संपादक क्लोन

याव्यतिरिक्त, तुम्ही खालील पॅकेजेस स्थापित करून सिस्टम मॅन-पेजेसमध्ये समर्थन स्थापित करू शकता - man man-pages mdocml-apropos less

lxc exec jupyterlab -- apk add bash bash-completion sudo shadow tzdata nano

आपण वापरलेल्या कमांड्स आणि की पाहू या:

• lxc - एलएक्सडी क्लायंटला कॉल करा
• exec - LXD क्लायंट पद्धत जी कंटेनरमध्ये कमांड चालवते
• jupyterlab - कंटेनर आयडी
• -- — एक विशेष की जी पुढील की चा की म्हणून अर्थ लावू नये असे निर्देशीत करते lxc आणि उरलेली स्ट्रिंग कंटेनरला द्या
• apk — अल्पाइन लिनक्स वितरण पॅकेज व्यवस्थापक
• add — एक पॅकेज मॅनेजर पद्धत जी कमांडनंतर निर्देशीत पॅकेजेस इंस्टॉल करते

पुढे, आम्ही सिस्टममध्ये एक टाइम झोन सेट करू Europe/Moscow:

lxc exec jupyterlab -- cp /usr/share/zoneinfo/Europe/Moscow /etc/localtime

टाइम झोन, पॅकेज स्थापित केल्यानंतर tzdata सिस्टममध्ये यापुढे आवश्यक नाही, ते जागा घेईल, म्हणून ते हटवू:

lxc exec jupyterlab -- apk del tzdata

टाइम झोन तपासत आहे:

lxc exec jupyterlab -- date

Wed Apr 15 10:49:56 MSK 2020

कंटेनरमध्ये नवीन वापरकर्त्यांसाठी बॅश सेट करण्यासाठी बराच वेळ घालवू नये म्हणून, पुढील चरणांमध्ये आम्ही होस्ट सिस्टममधून तयार स्केल फाइल्स कॉपी करू. हे तुम्हाला कंटेनरमध्ये परस्पररित्या बॅशला सुंदर बनविण्यास अनुमती देईल. माझी होस्ट सिस्टम मांजारो लिनक्स आहे आणि फायली कॉपी केल्या जात आहेत /etc/skel/.bash_profile, /etc/skel/.bashrc, /etc/skel/.dir_colors तत्त्वतः ते अल्पाइन लिनक्ससाठी योग्य आहेत आणि गंभीर समस्या निर्माण करत नाहीत, परंतु तुमच्याकडे वेगळे वितरण असू शकते आणि कंटेनरमध्ये बॅश चालवताना काही त्रुटी आहे की नाही हे तुम्हाला स्वतंत्रपणे शोधण्याची आवश्यकता आहे.

स्केल फाइल्स कंटेनरमध्ये कॉपी करा. की --create-dirs जर ते अस्तित्वात नसेल तर आवश्यक निर्देशिका तयार करेल:

lxc file push /etc/skel/.bash_profile jupyterlab/etc/skel/.bash_profile --create-dirs
lxc file push /etc/skel/.bashrc jupyterlab/etc/skel/.bashrc
lxc file push /etc/skel/.dir_colors jupyterlab/etc/skel/.dir_colors

आधीपासून अस्तित्वात असलेल्या रूट वापरकर्त्यासाठी, कंटेनरमध्ये नुकत्याच कॉपी केलेल्या स्केल फाइल्स होम डिरेक्टरीमध्ये कॉपी करा:

lxc exec jupyterlab -- cp /etc/skel/.bash_profile /root/.bash_profile
lxc exec jupyterlab -- cp /etc/skel/.bashrc /root/.bashrc
lxc exec jupyterlab -- cp /etc/skel/.dir_colors /root/.dir_colors

अल्पाइन लिनक्स वापरकर्त्यांसाठी सिस्टम शेल स्थापित करते /bin/sh, आम्ही ते सह बदलू root बॅश मधील वापरकर्ता:

lxc exec jupyterlab -- usermod --shell=/bin/bash root

की root वापरकर्ता पासवर्डरहित नव्हता, त्याला पासवर्ड सेट करणे आवश्यक आहे. खालील कमांड त्याच्यासाठी नवीन यादृच्छिक पासवर्ड तयार करेल आणि सेट करेल, जो तुम्हाला त्याच्या अंमलबजावणीनंतर कन्सोल स्क्रीनवर दिसेल:

lxc exec jupyterlab -- /bin/bash -c "PASSWD=$(head /dev/urandom | tr -dc A-Za-z0-9 | head -c 12); echo "root:$PASSWD" | chpasswd && echo "New Password: $PASSWD""

New Password: sFiXEvBswuWA

तसेच, एक नवीन सिस्टम वापरकर्ता तयार करूया - jupyter ज्यासाठी आपण नंतर कॉन्फिगर करू jupyter प्रयोगशाळा:

lxc exec jupyterlab -- useradd --create-home --shell=/bin/bash jupyter

चला त्यासाठी पासवर्ड तयार करू आणि सेट करू:

lxc exec jupyterlab -- /bin/bash -c "PASSWD=$(head /dev/urandom | tr -dc A-Za-z0-9 | head -c 12); echo "jupyter:$PASSWD" | chpasswd && echo "New Password: $PASSWD""

New Password: ZIcbzWrF8tki

पुढे, आपण दोन कमांड कार्यान्वित करू, पहिला सिस्टम गट तयार करेल sudo, आणि दुसरा त्यात वापरकर्ता जोडेल jupyter:

lxc exec jupyterlab -- groupadd --system sudo
lxc exec jupyterlab -- groupmems --group sudo --add jupyter

वापरकर्ता कोणत्या गटांचा आहे ते पाहू jupyter:

lxc exec jupyterlab -- id -Gn jupyter

jupyter sudo

सर्व काही ठीक आहे, चला पुढे जाऊया.

गटाचे सदस्य असलेल्या सर्व वापरकर्त्यांना परवानगी द्या sudo कमांड वापरा sudo. हे करण्यासाठी, खालील स्क्रिप्ट चालवा, कुठे sed कॉन्फिगरेशन फाइलमधील पॅरामीटर लाईन अनकमेंट करते /etc/sudoers:

lxc exec jupyterlab -- /bin/bash -c "sed --in-place -e '/^#[ t]*%sudo[ t]*ALL=(ALL)[ t]*ALL$/ s/^[# ]*//' /etc/sudoers"

JupyterLab स्थापित आणि कॉन्फिगर करत आहे ^

jupyter प्रयोगशाळा पायथन ऍप्लिकेशन आहे, म्हणून आपण प्रथम हा इंटरप्रिटर स्थापित केला पाहिजे. तसेच, jupyter प्रयोगशाळा आम्ही पायथन पॅकेज मॅनेजर वापरून स्थापित करू pip, आणि सिस्टम एक नाही, कारण ते सिस्टम रिपॉजिटरीमध्ये जुने असू शकते आणि म्हणून, आम्हाला खालील पॅकेजेस स्थापित करून स्वतःच्या अवलंबनाचे निराकरण करावे लागेल - python3 python3-dev gcc libc-dev zeromq-dev:

lxc exec jupyterlab -- apk add python3 python3-dev gcc libc-dev zeromq-dev

पायथन मॉड्यूल्स आणि पॅकेज मॅनेजर अपडेट करूया pip वर्तमान आवृत्तीसाठी:

lxc exec jupyterlab -- python3 -m pip install --upgrade pip setuptools wheel

स्थापित करा jupyter प्रयोगशाळा पॅकेज व्यवस्थापकाद्वारे pip:

lxc exec jupyterlab -- python3 -m pip install jupyterlab

मध्ये विस्तार झाल्यापासून jupyter प्रयोगशाळा प्रायोगिक आहेत आणि अधिकृतपणे jupyterlab पॅकेजसह पाठवले जात नाहीत, म्हणून आम्हाला ते स्वतः स्थापित आणि कॉन्फिगर करावे लागेल.

त्यासाठी NodeJS आणि पॅकेज मॅनेजर स्थापित करू - NPM, पासून jupyter प्रयोगशाळा ते त्याच्या विस्तारांसाठी वापरते:

lxc exec jupyterlab -- apk add nodejs npm

साठी विस्तार करण्यासाठी jupyter प्रयोगशाळा जे आम्ही स्थापित करू, ते वापरकर्ता निर्देशिकेत स्थापित केले जाणे आवश्यक आहे कारण अनुप्रयोग वापरकर्त्याकडून लॉन्च केला जाईल jupyter. समस्या अशी आहे की लाँच कमांडमध्ये कोणतेही पॅरामीटर नाही जे डिरेक्टरीमध्ये पास केले जाऊ शकते; ऍप्लिकेशन फक्त पर्यावरण व्हेरिएबल स्वीकारतो आणि म्हणून आम्ही ते परिभाषित केले पाहिजे. हे करण्यासाठी, आपण व्हेरिएबल एक्सपोर्ट कमांड लिहू JUPYTERLAB_DIR वापरकर्त्याच्या वातावरणात jupyter, दाखल करण्याचा .bashrcजे प्रत्येक वेळी वापरकर्ता लॉग इन करतेवेळी कार्यान्वित केले जाते:

lxc exec jupyterlab -- su -l jupyter -c "echo -e "nexport JUPYTERLAB_DIR=$HOME/.local/share/jupyter/lab" >> .bashrc"

पुढील कमांड एक विशेष विस्तार स्थापित करेल - मध्ये विस्तार व्यवस्थापक jupyter प्रयोगशाळा:

lxc exec jupyterlab -- su -l jupyter -c "export JUPYTERLAB_DIR=$HOME/.local/share/jupyter/lab; jupyter labextension install --no-build @jupyter-widgets/jupyterlab-manager"

आता सर्व काही पहिल्या प्रक्षेपणासाठी तयार आहे jupyter प्रयोगशाळा, परंतु तरीही आम्ही काही उपयुक्त विस्तार स्थापित करू शकतो:

• toc — सामग्री सारणी, लेख/नोटबुकमधील शीर्षकांची सूची तयार करते
• jupyterlab-horizon-theme - UI थीम
• jupyterlab_neon_theme - UI थीम
• jupyterlab-ubu-theme - आणखी एक लेखकाकडून थीम हा लेख :) परंतु या प्रकरणात, GitHub रेपॉजिटरीमधील स्थापना दर्शविली जाईल

म्हणून, हे विस्तार स्थापित करण्यासाठी क्रमाने खालील आदेश चालवा:

lxc exec jupyterlab -- su -l jupyter -c "export JUPYTERLAB_DIR=$HOME/.local/share/jupyter/lab; jupyter labextension install --no-build @jupyterlab/toc @mohirio/jupyterlab-horizon-theme @yeebc/jupyterlab_neon_theme"

lxc exec jupyterlab -- su -l jupyter -c "wget -c https://github.com/microcoder/jupyterlab-ubu-theme/archive/master.zip"

lxc exec jupyterlab -- su -l jupyter -c "unzip -q master.zip && rm master.zip"

lxc exec jupyterlab -- su -l jupyter -c "export JUPYTERLAB_DIR=$HOME/.local/share/jupyter/lab; jupyter labextension install --no-build jupyterlab-ubu-theme-master"

lxc exec jupyterlab -- su -l jupyter -c "rm -r jupyterlab-ubu-theme-master"

विस्तार स्थापित केल्यानंतर, आम्ही ते संकलित केले पाहिजे, कारण पूर्वी, स्थापनेदरम्यान, आम्ही की निर्दिष्ट केली होती --no-build वेळ वाचवण्यासाठी. आता आम्ही एकाच वेळी एकत्रितपणे संकलित करून लक्षणीय गती वाढवू:

lxc exec jupyterlab -- su -l jupyter -c "export JUPYTERLAB_DIR=$HOME/.local/share/jupyter/lab; jupyter lab build"

आता प्रथमच चालविण्यासाठी खालील दोन कमांड्स चालवा jupyter प्रयोगशाळा. एका कमांडने ते लाँच करणे शक्य होईल, परंतु या प्रकरणात, लाँच कमांड, जी तुमच्या मनात लक्षात ठेवणे कठीण आहे, कंटेनरमधील बॅशद्वारे लक्षात ठेवली जाईल, आणि होस्टवर नाही, जिथे आधीच पुरेशा कमांड्स आहेत. इतिहासात त्यांची नोंद करण्यासाठी :)

वापरकर्ता म्हणून कंटेनरवर लॉग इन करा jupyter:

lxc exec jupyterlab -- su -l jupyter

पुढे, चालवा jupyter प्रयोगशाळा सूचित केल्याप्रमाणे की आणि पॅरामीटर्ससह:

[jupyter@jupyterlab ~]$ jupyter lab --ip=0.0.0.0 --no-browser

तुमच्या वेब ब्राउझरमधील पत्त्यावर जा http://10.0.5.5:8888 आणि उघडलेल्या पृष्ठावर enter टोकन प्रवेश करा जो तुम्हाला कन्सोलमध्ये दिसेल. पृष्ठावर कॉपी आणि पेस्ट करा, नंतर क्लिक करा लॉगिन करा. लॉग इन केल्यानंतर, खालील आकृतीमध्ये दर्शविल्याप्रमाणे, डावीकडील विस्तार मेनूवर जा, जेथे तुम्हाला विस्तार व्यवस्थापक सक्रिय करताना, तृतीय पक्षांकडून विस्तार स्थापित करून सुरक्षितता जोखीम घेण्यास सांगितले जाईल ज्यासाठी कमांड JupyterLab विकास जबाबदार नाही:

तथापि, आम्ही संपूर्ण वेगळे करत आहोत jupyter प्रयोगशाळा आणि ते कंटेनरमध्ये ठेवा जेणेकरून NodeJS आवश्यक असलेले आणि वापरणारे तृतीय-पक्ष विस्तार किमान आपण कंटेनरमध्ये उघडलेल्या डिस्क व्यतिरिक्त इतर डिस्कवरील डेटा चोरू शकत नाहीत. मध्ये होस्टवरील आपल्या खाजगी दस्तऐवजांवर जा /home कंटेनरमधील प्रक्रिया यशस्वी होण्याची शक्यता नाही, आणि जर त्या झाल्या, तर आपल्याकडे होस्ट सिस्टमवरील फायलींवर विशेषाधिकार असणे आवश्यक आहे, कारण आम्ही कंटेनर मध्ये चालवतो विशेषाधिकार नसलेला मोड. या माहितीच्या आधारे, तुम्ही मध्ये विस्तार समाविष्ट करण्याच्या जोखमीचे मूल्यांकन करू शकता jupyter प्रयोगशाळा.

IPython नोटबुक तयार केले (पृष्ठे jupyter प्रयोगशाळा) आता वापरकर्त्याच्या होम डिरेक्टरीमध्ये तयार केले जाईल - /home/jupyter, परंतु आमची योजना होस्ट आणि कंटेनर दरम्यान डेटा (शेअर) विभाजित करण्याची आहे, म्हणून कन्सोलवर परत या आणि थांबा jupyter प्रयोगशाळा हॉटकी चालवून - CTRL+C आणि उत्तर देत आहे y विनंती अनुसार. नंतर वापरकर्त्याचे परस्परसंवादी सत्र समाप्त करा jupyter हॉटकी पूर्ण करत आहे CTRL+D.

होस्टसह डेटा सामायिक करणे ^

होस्टसह डेटा सामायिक करण्यासाठी, आपल्याला कंटेनरमध्ये एक डिव्हाइस तयार करणे आवश्यक आहे जे आपल्याला हे करण्याची परवानगी देते आणि हे करण्यासाठी, खालील कमांड चालवा जिथे आम्ही खालील की निर्दिष्ट करतो:

• lxc config device add — कमांड डिव्हाइस कॉन्फिगरेशन जोडते
• jupyter — कंटेनरचा आयडी ज्यामध्ये कॉन्फिगरेशन जोडले आहे
• hostfs - डिव्हाइस आयडी. तुम्ही कोणतेही नाव सेट करू शकता.
• disk - उपकरणाचा प्रकार दर्शविला आहे
• path — कंटेनरमधील मार्ग निर्दिष्ट करते ज्यावर LXD हे उपकरण माउंट करेल
• source — स्त्रोत निर्दिष्ट करा, होस्टवरील निर्देशिकेचा मार्ग जो तुम्ही कंटेनरसह सामायिक करू इच्छिता. तुमच्या आवडीनुसार मार्ग निर्दिष्ट करा

lxc config device add jupyterlab hostfs disk path=/mnt/hostfs source=/home/dv/projects/ipython-notebooks

कॅटलॉग साठी /home/dv/projects/ipython-notebooks परवानगी कंटेनर वापरकर्त्यासाठी सेट करणे आवश्यक आहे ज्यांच्याकडे सध्या समान UID आहे SubUID + UID, धडा पहा सुरक्षितता. कंटेनर विशेषाधिकार लेखात LXD ची मूलभूत वैशिष्ट्ये - लिनक्स कंटेनर सिस्टम.

होस्टवर परवानगी सेट करा, जिथे मालक कंटेनर वापरकर्ता असेल jupyter, आणि व्हेरिएबल $USER तुमचा होस्ट वापरकर्ता गट म्हणून निर्दिष्ट करेल:

sudo chown 1001000:$USER /home/dv/projects/ipython-notebooks

नमस्कार, जग! ^

जर तुमच्याकडे अजूनही कंटेनरमध्ये कन्सोल सत्र उघडले असेल तर jupyter प्रयोगशाळा, नंतर नवीन की सह रीस्टार्ट करा --notebook-dir मूल्य सेट करून /mnt/hostfs आम्ही मागील चरणात तयार केलेल्या उपकरणासाठी कंटेनरमधील लॅपटॉपच्या रूटचा मार्ग म्हणून:

jupyter lab --ip=0.0.0.0 --no-browser --notebook-dir=/mnt/hostfs

मग पृष्ठावर जा http://10.0.5.5:8888 आणि खालील चित्रात दाखवल्याप्रमाणे पृष्ठावरील बटणावर क्लिक करून तुमचा पहिला लॅपटॉप तयार करा:

त्यानंतर, पृष्ठावरील फील्डमध्ये, पायथन कोड प्रविष्ट करा जो क्लासिक प्रदर्शित करेल Hello World!. तुम्ही एंटर करणे पूर्ण केल्यावर, दाबा CTRL+ENTER किंवा JupyterLab ला हे करण्यासाठी शीर्षस्थानी टूलबारवरील "प्ले" बटण वापरा:

या टप्प्यावर, जवळजवळ सर्व काही वापरासाठी तयार आहे, परंतु आम्ही पायथनच्या मानक क्षमतांचा लक्षणीय विस्तार करू शकणारे अतिरिक्त पायथन मॉड्यूल (संपूर्ण ऍप्लिकेशन्स) स्थापित न केल्यास ते रूचणारे नाही. jupyter प्रयोगशाळाम्हणून, चला पुढे जाऊया :)

पुनश्च मनोरंजक गोष्ट जुनी अंमलबजावणी आहे ज्युपिटर कोड नावाखाली ज्युपिटर नोटबुक दूर गेलेले नाही आणि ते समांतर अस्तित्वात आहे jupyter प्रयोगशाळा. जुन्या आवृत्तीवर स्विच करण्यासाठी, पत्त्यामध्ये प्रत्यय जोडणाऱ्या दुव्याचे अनुसरण करा/tree, आणि नवीन आवृत्तीचे संक्रमण प्रत्यय सह चालते /lab, परंतु ते निर्दिष्ट करणे आवश्यक नाही:

• ज्युपिटर नोटबुक - http://10.0.5.5:8888/tree
• ज्युपिटर लॅब - http://10.0.5.5:8888/lab

पायथनच्या क्षमतांचा विस्तार करणे ^

या विभागात, आम्ही असे शक्तिशाली पायथन भाषा मॉड्यूल स्थापित करू सुन्न, पांड्या, मॅटप्लोटलिब, IPyWidgets ज्याचे परिणाम लॅपटॉपमध्ये एकत्रित केले जातात jupyter प्रयोगशाळा.

पॅकेज मॅनेजरद्वारे सूचीबद्ध पायथन मॉड्यूल्स स्थापित करण्यापूर्वी pip आम्ही प्रथम अल्पाइन लिनक्समधील सिस्टम अवलंबित्वांचे निराकरण केले पाहिजे:

• g++ — मॉड्युल्स संकलित करण्यासाठी आवश्यक आहे, कारण त्यापैकी काही भाषेमध्ये लागू केले आहेत C ++ आणि बायनरी मॉड्यूल्स म्हणून रनटाइमवर पायथनशी कनेक्ट करा
• freetype-dev - पायथन मॉड्यूलसाठी अवलंबित्व मॅटप्लोटलिब

अवलंबित्व स्थापित करणे:

lxc exec jupyterlab -- apk add g++ freetype-dev

एक समस्या आहे: अल्पाइन लिनक्स वितरणाच्या सध्याच्या स्थितीत, NumPy ची नवीन आवृत्ती संकलित करणे शक्य होणार नाही; एक संकलन त्रुटी दिसून येईल जी मी सोडवू शकलो नाही:

चूक: PEP 517 वापरणार्‍या आणि थेट इन्स्टॉल करता येणार नाही अशा numpy साठी चाके तयार करता आली नाहीत

म्हणून, आम्ही हे मॉड्यूल सिस्टम पॅकेज म्हणून स्थापित करू जे आधीपासून संकलित आवृत्तीचे वितरण करते, परंतु साइटवर सध्या उपलब्ध असलेल्यापेक्षा थोडे जुने आहे:

lxc exec jupyterlab -- apk add py3-numpy py3-numpy-dev

पुढे, पॅकेज मॅनेजरद्वारे पायथन मॉड्यूल्स स्थापित करा pip. कृपया धीर धरा कारण काही मॉड्यूल संकलित होतील आणि काही मिनिटे लागू शकतात. माझ्या मशीनवर, संकलनाला ~15 मिनिटे लागली:

lxc exec jupyterlab -- python3 -m pip install pandas ipywidgets matplotlib

स्थापना कॅशे साफ करणे:

lxc exec jupyterlab -- rm -rf /home/*/.cache/pip/*
lxc exec jupyterlab -- rm -rf /root/.cache/pip/*

JupyterLab मध्ये चाचणी मॉड्यूल ^

जर तुम्ही धावत असाल तर jupyter प्रयोगशाळा, ते रीस्टार्ट करा जेणेकरून नवीन स्थापित मॉड्यूल सक्रिय होतील. हे करण्यासाठी, कन्सोल सत्रात, क्लिक करा CTRL+C जिथे ते चालू आहे आणि प्रविष्ट करा y विनंती थांबवण्यासाठी आणि नंतर पुन्हा सुरू करा jupyter प्रयोगशाळा कीबोर्डवरील वरचा बाण दाबून पुन्हा पुन्हा कमांड प्रविष्ट करू नये Enter ते सुरू करण्यासाठी:

jupyter lab --ip=0.0.0.0 --no-browser --notebook-dir=/mnt/hostfs

पानावर जा http://10.0.5.5:8888/lab किंवा तुमच्या ब्राउझरमध्ये पृष्ठ रिफ्रेश करा आणि नंतर नवीन नोटबुक सेलमध्ये खालील कोड प्रविष्ट करा:

%matplotlib inline

from ipywidgets import interactive
import matplotlib.pyplot as plt
import numpy as np

def f(m, b):
    plt.figure(2)
    x = np.linspace(-10, 10, num=1000)
    plt.plot(x, m * x + b)
    plt.ylim(-5, 5)
    plt.show()

interactive_plot = interactive(f, m=(-2.0, 2.0), b=(-3, 3, 0.5))
output = interactive_plot.children[-1]
output.layout.height = '350px'
interactive_plot

तुम्हाला खालील चित्राप्रमाणे निकाल मिळायला हवा, कुठे IPyWidgets पृष्ठावर एक UI घटक व्युत्पन्न करतो जो स्त्रोत कोडसह परस्पर संवाद साधतो आणि सुद्धा मॅटप्लोटलिब कोडचा परिणाम चित्राच्या स्वरूपात फंक्शन आलेख म्हणून दाखवतो:

अनेक उदाहरणे IPyWidgets आपण ते ट्यूटोरियलमध्ये शोधू शकता येथे

अजून काय? ^

तुम्ही थांबलात आणि लेखाच्या अगदी शेवटी पोहोचलात तर छान. लेखाच्या शेवटी इन्स्टॉल होईल अशी रेडीमेड स्क्रिप्ट मी मुद्दाम पोस्ट केली नाही jupyter प्रयोगशाळा कामगारांना प्रोत्साहन देण्यासाठी "एका क्लिक" मध्ये :) परंतु तुम्ही ते स्वतः करू शकता, कारण तुम्हाला आधीच माहित आहे की, एकाच बॅश स्क्रिप्टमध्ये कमांड कसे गोळा केले :)

तुम्ही देखील करू शकता:

• कंटेनरसाठी IP पत्त्याऐवजी नेटवर्कचे नाव एका साध्या भाषेत लिहून सेट करा /etc/hosts आणि ब्राउझरमध्ये पत्ता टाइप करा http://jupyter.local:8888
• कंटेनरच्या संसाधन मर्यादेसह खेळा, यासाठी धडा वाचा मूलभूत LXD क्षमता किंवा LXD विकसक साइटवर अधिक माहिती मिळवा.
• थीम बदला:

आणि बरेच काही आपण करू शकता! इतकंच. मी तुम्हाला यश इच्छितो!

अपडेट: 15.04.2020/18/30 XNUMX:XNUMX - “हॅलो, वर्ल्ड!” या अध्यायातील चुका सुधारल्या.
अपडेट: 16.04.2020/10/00 XNUMX:XNUMX — एक्स्टेंशन मॅनेजर अ‍ॅक्टिव्हेशनच्या वर्णनातील मजकूर दुरुस्त केला आणि जोडला jupyter प्रयोगशाळा
अपडेट: 16.04.2020/10/40 XNUMX:XNUMX — मजकूरात आढळलेल्या चुका दुरुस्त केल्या आहेत आणि "मूलभूत सॉफ्टवेअर स्थापित करणे आणि सिस्टम सेट करणे" या धड्यासाठी थोडेसे बदलले आहे.

स्त्रोत: www.habr.com