JupyterLab 服务端部署实战6 步实现远程访问与多人实时协作【免费下载链接】jupyterlabJupyterLab computational environment.项目地址: https://gitcode.com/gh_mirrors/ju/jupyterlabJupyterLab 是一个基于浏览器的交互式计算环境把代码、文档、图表和终端放进同一个网页工作区。这篇文章不讲内部机制只走一条落地路径先在服务器把 JupyterLab 最小化启动再打通远程 JupyterLab 访问、收紧安全配置、管好内核资源最后开启 JupyterLab 多人协作 notebook 编辑并给出容器化走向生产的做法。适合会基础命令行、想给团队搭一套服务端实例的你。先把 JupyterLab 在服务器上跑起来在远程服务器上跑 JupyterLab本质上和在你自己电脑上没有区别装好包敲一条命令浏览器里就能打开界面。唯一的不同是真正的计算发生在服务器侧——每个打开的 Notebook 背后都挂着一个独立的内核Kernel进程可以把它理解为一个专门替你执行代码的 Python 进程。你写的代码经浏览器发给服务器服务器转给内核内核算完再把结果传回来。在服务器上用虚拟环境装一个干净的 JupyterLabpython -m venv jlab-env source jlab-env/bin/activate pip install jupyterlab jupyter lab第一条命令建环境并激活第二条安装第三条启动。启动成功后终端会打印一串http://127.0.0.1:8888/lab?token...形式的地址这个 token 就是你的门票后面安全加固还会用到它。首次打开你会看到左侧的文件浏览器和中间的 Launcher启动器可以从这里新建 Notebook、控制台或终端。能走到这一步说明服务端已经立住了接下来解决人在另一台电脑的问题。从别的机器也能打开远程访问配置默认情况下 JupyterLab 只监听127.0.0.1也就是只接受服务器本机连接。想从别的机器访问有两种思路让服务露出去绑定0.0.0.0或者把连接引进来SSH 隧道。方案适用场景优点注意点SSH 隧道有服务器 SSH 权限的个人/小团队不开放新端口天然走加密通道每次连之前要先建隧道绑定 0.0.0.0 token/密码内网团队、云主机同 VPC配置最简单必须同时配好认证建议再套 HTTPS 或内网隔离反向代理Nginx 等 HTTPS对外提供服务的生产环境可统一证书、域名与鉴权需要正确转发 WebSocket如果你习惯 SSH 隧道服务器侧什么都不用改只需保持默认配置在本地执行jupyter lab --ip0.0.0.0 --port8888 --no-browser # 服务器上若选择直连方案 ssh -N -L 8888:localhost:8888 useryour-server # 本地机器建立隧道建立隧道后本地浏览器打开http://localhost:8888/lab?token...就等于直连服务器上的实例。这条隧道只转发 8888 一个端口服务器本身不需要对外开放任何新端口是最稳妥的起步方式。提示如果你的工作目录在别处可以用--root-dir/data/workspace指定服务根目录避免团队成员直接看到服务器全盘文件。别让陌生人进来安全加固一旦服务绑定了非本机地址谁能进门就成了必须回答的问题。JupyterLab 的认证手段是叠加的token、密码、HTTPS 可以同时用层层收紧。固定 token 或设置密码。默认每次启动生成随机 token重启就失效。团队长期使用时建议生成一个固定的强随机 token或者用jupyter server password生成密码哈希写进配置~/.jupyter/jupyter_lab_config.py由jupyter lab --generate-config生成。无论哪种都不要把弱密码写进会被提交到版本库的文件里。上 HTTPS。直连公网时明文 HTTP 意味着 token 和代码内容都在裸奔。给启动命令或配置加上证书即可jupyter lab --certfile/etc/ssl/certs/jupyter.crt \ --keyfile/etc/ssl/private/jupyter.key如果前面还有 Nginx 之类的反向代理证书放在代理层终结JupyterLab 本身可以只在内网走 HTTP。收紧访问面。能用内网就不走公网c.ServerApp.allow_origin只在确有需要时配置具体域名。对多用户场景更推荐在 JupyterHub 后面挂单用户 JupyterLab 实例让每人一个隔离环境 统一登录变成默认行为而不是靠共享一个 token 糊弄过去。给计算资源装上刹车内核与资源管理回到前面提到的内核Notebook 多开、代码跑飞服务器内存就是被一个个内核进程吃掉的。管住资源重点就两件事——看得清、收得回。看得清。JupyterLab 自带资源用量显示Status Area 里可以开启 CPU/内存占用也能在状态栏看到当前内核状态。出问题时先定位是哪个 notebook 的内核在烧资源比盲目重启服务器有效得多。收得回。空闲内核不会自己消失。给服务器装一个清理策略空闲超过一定时间的内核自动关闭。以jupyter-server的 cull 机制为例在配置中写入c.ServerApp.cull_idle_timeout 1800 # 空闲 30 分钟回收内核 c.ServerApp.cull_interval 60 # 每 60 秒检查一次 c.ServerApp.cull_last_activity True # 按最后活动时间判定这样即使有人开完 notebook 忘了关半小时后资源也会自动归还。重活交给分布式框架。如果你的任务本身超出单核单机的能力比如处理 GB 级以上数据更合适的做法不是堆内核而是在 notebook 里接入 Dask 或 Spark 这类集群让计算发生在集群侧JupyterLab 只负责编排和查看结果。让团队同时改同一个 Notebook多人协作 单人环境搭好之后最常被问到的就是三个人能不能同时改同一个 notebook还互不覆盖JupyterLab 的实时协作由jupyter_collaboration扩展提供该--collaborative标志定义在 jupyterlab/labapp.py 中。安装并启用pip install jupyter_collaboration jupyter lab --collaborative注意--collaborative只是开关前提是扩展已安装多人加入还要求每个人都通过认证进入同一个服务端实例。启用后协作体验有几个关键点值得先讲清楚合并是自动的。编辑基于 CRDT一种为并发合并而生的数据结构两人同时改不同段落不会互相覆盖同一位置冲突时由算法合并而不是弹保存冲突窗口。内核可以是私有的也可以是共享的。每个人用自己的内核跑自己的代码互不干扰需要大家看同一份运行状态时再共享内核。入口是一个 URL。把 notebook 的分享地址发给同事即可对方打开就是同一个编辑现场。这套设计最初面向的场景——学生分组作业、科研团队临时结对改文件——在 design/real_time_collab.md 里有完整描述可以看看是否匹配你的团队用法。对长期固定团队更稳的组合仍是协作功能 Git 版本管理协作解决当场效率Git 解决历史可追溯。走向生产容器化与高可用 当 JupyterLab 从自己用变成团队依赖环境一致性和可恢复性就成了问题。容器化是最低成本的解法Python 版本、JupyterLab 版本、扩展列表全部固化进镜像重建环境不再靠记得当时装了啥。项目仓库的 docker/ 目录提供了基于micromamba的 Dockerfile 和启动脚本默认暴露 8888 端口可以直接参考改造。一个典型的生产化运行方式docker build -t jupyterlab:team -f docker/Dockerfile . docker run -d --name lab-server -p 8888:8888 \ --memory16g --cpus4 \ -v /data/notebooks:/home/app/work \ jupyterlab:team--memory和--cpus给容器本身装上了第一道刹车-v把 notebook 数据挂到宿主机目录镜像可以随时重建而数据不丢。规模再往上走架构就是三件事前面放负载均衡把流量分到多个实例中间用共享存储NFS 或对象存储同步保证文件一致关键状态比如认证会话放 Redis。多人协作场景下还有一条隐含要求WebSocket 长连接经过负载均衡时要开启会话保持或支持跨节点转发否则协作光标会闪断。收尾常见问题速查与下一步清单现象常见原因处理建议浏览器打不开页面ip 只绑了 127.0.0.1、防火墙挡了端口确认监听地址放行端口或改用 SSH 隧道执行到一半连接断开网络不稳或长任务期间无消息保活检查中间代理的超时设置服务器日志定位断点内存持续上涨不回落空闲内核未回收配置cull_idle_timeout养成关闭 notebook 习惯协作时看不到同事的光标未启用--collaborative或打开的不是同一实例确认扩展已装、开关已开、两人认证进入同一服务最后给一份落地清单按顺序推进即可在服务器虚拟环境中安装 JupyterLab 并验证启动用 SSH 隧道或绑定地址打通远程访问团队先用起来配置固定 token/密码公网环境加 HTTPS开启空闲内核回收与资源用量显示安装jupyter_collaboration并启用--collaborative邀请 2-3 人实测合并与共享内核把整套环境容器化数据目录外置完成第一版生产部署。更多入门细节可以翻 docs/source/getting_started/ 里的安装与启动文档遇到问题先从服务器日志和状态栏的内核状态查起通常十分钟内能定位到原因。【免费下载链接】jupyterlabJupyterLab computational environment.项目地址: https://gitcode.com/gh_mirrors/ju/jupyterlab创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考