搭建基於 Anaconda 管理的多用戶 JupyterHub 平台

搭建基於 Anaconda 管理的多用戶 JupyterHub 平台

---

情況：計算工作站放在實驗室，多個同學需要接入使用，且需要各自獨立的環境，並使用 Jupyter notebook 平台以方便協作。

---

步驟

1. 安裝 Anaconda

由於是多人環境，應調用 root 權限在安裝過程中指定安裝到 /opt/anaconda/ 路徑下，這樣所有用戶均可讀，但無法直接在 base 環境下安裝模塊。

為了讓每個用戶都能訪問到 conda，需要逐個在用戶的 .bashrc 文件中加入 export PATH='/opt/anaconda:$PATH'。

2. 安裝 JupyterHub

JupyterHub 是 Jupyter notebook 的多用戶版本，每個用戶可以通過自己的系統用戶名和密碼登錄到個人獨立的 Jupyter notebook 中，這樣不同人的代碼和數據都保存於其自己的用戶目錄下，同時用戶的資源消耗和管理也更清晰簡單，非常適合單機多用戶的需求。

在 Anaconda 的 base 環境下安裝 JupyterHub，注意 base 環境只有 root 可寫。

(base)$ sudo conda install JupyterHub

在 base 環境下啟用 JupyterHub 時亦需要通過 root，否則將會啟用單用戶模式，導致其他用戶無法登陸。

(base)$ sudo jupyterhub

3. 安裝 JupyterHub 調用 Anaconda 環境依賴

通過 conda create 創建的環境並不會默認顯示在 JupyterHub 的 kernel 選項中，需要安裝依賴。

(base)$ sudo conda install nb_conda_kernels

4. 用戶使用

1. 每個用戶開始使用時，需要先建立自己的個人環境，注意由於是建立個人環境，因此該環境會寫入 ~/.conda下，故不再需要 root 權限，且每個用戶都可以隨意安裝需要的 python 模塊

$ conda create --name crew

2. 建立好后，進入個人環境並安裝 JupyterHub kernel

(base)$ source activate crew # 激活個人環境，注意下一行環境標識符發生變化
(crew)$ conda install ipykernel

3. 安裝所需的模塊，這樣模塊會被安裝到用戶的個人環境下，不會對 base 環境或其他用戶的環境造成影響，且一個用戶可以創建多個相互獨立的環境

(crew)$ pip install numpy # or use conda install numpy

4. 訪問 JupyterHub，此時可以在頁面中選擇所創建的個人環境的 kernel

---

實際嘗試

• 由於可能每個同學都需要使用 tensorflow 或 keras 等深度學習模塊，因此我在 base 環境中預先安裝好了這些模塊，這樣在進行深度學習時不需要費勁地重新安裝模塊。
• 如果同學需要安裝自己的模塊，則可以直接從 base 環境新建一個個人環境，個人環境會繼承 base 環境已有的模塊

$ conda create -n crew

• 如果同學不需要繼承 base 環境，而是想新建一個空白的新環境，也可以用 conda 做到

$ conda create -n crew python=3.6