Jupyter Notebook是用於科學數據分析的利器，JupyterHub可以在服務器環境下為多個用戶托管Jupyter運行環境。本文將詳細介紹如何使用Rancher安裝JupyterHub來為數據科學和機器學習開發創建可擴展的工作區。
本文來自 Rancher Labs
人工智能（AI）和機器學習（ML）正在成為技術領域的關鍵差異化因素。從本質上講，人工智能和機器學習都是計算量巨大的工作負載，它們需要一流的分布式計算環境才能夠蓬勃發展。因此，AI和ML為Kubernetes提供了一個完美的用例，他們能夠最大化展現Kubernetes可以運行大量工作負載的特點。
什么是JupyterHub？
Jupyter Notebook是用於科學數據分析的利器，JupyterHub可以在服務器環境下為多個用戶托管Jupyter運行環境。JupyterHub是一個多用戶數據探索工具，通常是數據科學和機器學習研究與開發的關鍵工具。它為工程師、科學家、研究人員和學生提供了雲或數據中心的計算能力，同時仍然像本地開發環境一樣易於使用。本質上，JupyterHub使用戶可以訪問計算環境和資源，而不會給他們增加安裝和維護任務的負擔。用戶可以在工作區中使用共享資源，系統管理員會對其進行有效管理。
在AI/ML工作負載中使用Kubernetes
Kubernetes非常擅長讓我們利用大型分布式計算環境。因為其聲明式設計和基於發現的服務器尋址方法，所以將計算資源應用於工作負載很容易。通常在AI/ML工作負載中，工程師或研究人員需要分配更多的資源。而Kubernetes讓在物理基礎架構之間遷移工作負載更加可行。在本文中，我們將展示如何使用Rancher安裝JupyterHub。
使用Rancher安裝JupyterHub
首先，假設我們在Rancher環境中擁有現代化的Kubernetes部署。在本文發布時，Kubernetes的穩定版本是1.16。對於JupyterHub來說，其中一個前期准備是持久化存儲，所以你將需要思考如何在這個集群中提供它。出於演示的目的，我們可以使用Rancher Catalog中包含的實驗性NFS提供程序來提供持久化存儲。點開App Catalog並選擇【啟動】。然后搜索NFS提供程序。保留默認設置，然后單擊屏幕底部的【啟動】。如果你已經有持久化存儲的解決方案，也可以直接使用它。
導航到Rancher App Catalog
搜索NFS提供程序
啟動NFS提供程序
現在我們已經有了存儲提供程序並且定義了默認存儲類，我們可以繼續部署應用程序組件。我們將使用Helm3來完成這一操作。查看helm官方文檔（https://helm.sh/docs/intro/install/ ），在你的電腦上安裝helm3客戶端。另外，你也可以使用Rancher Catalog來部署helm chart，而無需任何其他工具。需要確保將repo添加到Rancher catalog中。
在我們使用helm之前，我們需要為應用程序創建一個命名空間。在Rancher UI中，進入集群並選擇頂端菜單欄的【項目/命名空間】。你可以為JupyterHub創建一個新的命名空間。例如，我們將命名空間稱為“jhub“。請注意此名稱，因為我們將之后會使用。
創建一個命名空間
接下來，我們可以為將要使用的JupyterHub Chart添加Helm repo。如果使用的是Rancher catalog，你需要在UI上完成此操作而不是Helm CLI：
helm repo add jupyterhub https://jupyterhub.github.io/helm-chart/
helm repo update
然后，讓我們創建一個config文件，其中包含了我們要與此chart一起使用的設置。我們將該文件命名為config.yaml：
proxy:
secretToken: "<secret token>"
ingress:
enabled: true
hosts:
- <host name>
讓我們替換幾個項目，使它們是唯一的。用以下輸出替換secretToken：
openssl rand -hex 32
並替換為你打算用來訪問JyupiterHub UI的可解析DNS名稱。
有了配置文件之后，就可以安裝chart了。我們將引用該配置文件，因此請確保該文件存在你當前的工作目錄中：
RELEASE=jhub
NAMESPACE=jhub
helm upgrade --install $RELEASE jupyterhub/jupyterhub --namespace $NAMESPACE --version=0.8.2 --values config.yaml
Helm現在應該部署所需的組件。這將需要一些時間，但是最終你應該能夠通過之前設置的主機名訪問UI。你也可以通過轉到Rancher UI中的“工作負載“選項卡來檢查狀態。當我們嘗試在瀏覽器中設置的主機名時，它將顯示以下登錄界面：
主機名登錄界面
在撰寫本文時，有一個issue是Kubernetes 1.16中的更改導致Jyupiter Hub的代碼在嘗試與Kuberentes API交互時中斷。如果要立即修復，我們可以運行以下patch命令：
kubectl patch deploy -n $NAMESPACE hub --type json --patch '[{"op": "replace", "path": "/spec/template/spec/containers/0/command", "value": ["bash", "-c", "\nmkdir -p ~/hotfix\ncp -r /usr/local/lib/python3.6/dist-packages/kubespawner ~/hotfix\nls -R ~/hotfix\npatch ~/hotfix/kubespawner/spawner.py << EOT\n72c72\n< key=lambda x: x.last_timestamp,\n---\n> key=lambda x: x.last_timestamp and x.last_timestamp.timestamp() or 0.,\nEOT\n\nPYTHONPATH=$HOME/hotfix jupyterhub --config /srv/jupyterhub_config.py --upgrade-db\n"]}]'
你現在已經在Rancher上部署了可以正常工作的JupyterHub環境。默認情況下，JupyterHub使用PAM身份驗證。因此，可以使用系統上的任何有效Linux用戶登錄。登錄后，我們應該能夠創建新的notebook：
Jupyter登錄界面
創建新的notebook
另外，你可以查看其他你可能想配置的身份驗證選項。例如，你可以使用Github身份驗證來允許用戶登錄並且創建基於他們Github ID的notebook。你選擇好一個身份驗證的工具之后，需要按照說明更新我們之前創建的config.yml文件，然后重新運行helm upgrade命令。
總 結
在本文中，我們展示了如何使用Rancher安裝JupyterHub來為數據科學和機器學習開發創建可擴展的工作區。如果你想要安裝功能齊全的JupyterHub安裝，你可能還需要考慮其他因素。本文只是向你展示了如何快速搭建一個基礎功能的JupyterHub，希望能幫助你快速開啟AI旅程！