阿里云打造Jupyterlab数据科学环境

简介: 本篇博客主要解决阿里云服务器上Jupyterlab配置方面的一些问题,关于安装教程详情见之前的这篇博客。 [Windows的Linux子系统搭建数据科学环境](http://gisersqdai.

本篇博客主要解决阿里云服务器上Jupyterlab配置方面的一些问题,关于安装教程详情见之前的这篇博客。

Windows的Linux子系统搭建数据科学环境

1 安装完无法启动Jupyterlab

首先声明,我在Anaconda3安装过程中已经设置了将安装相关的Python,ipython,Jupyter等添加到环境变量。但是一开始安装完,直接在命令行里敲入Jupyter lab仍旧提示找不到命令。

造成这个问题的可能原因是仍然需要将安装路径设置到环境变量里,也有可能是没有更新环境变量(因为我没有先更新环境变量测试,所以现在不确定解决方式,但是可以两个都做,应该能解决)。

设置环境变量与更新环境变量。。~/anaconda2/bin指Anaconda安装的位置,对应到我的jupyterlab就是Anaconda3的bin文件夹。后面那句命令行即为更新环境变量。

echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

2 解决第一个问题以后出现OSError

在解决第一个问题以后,运行jupyter lab,报错为"OSError: [Errno 99] Cannot assign requested address"。谷歌搜索问题解决方式即在jupyter lab后面加上--ip=0.0.0.0 --port=8888,即命令如下。

jupyter lab --ip=0.0.0.0 --port=8888

3 允许root账户登录

由于阿里云服务器一直是root账户登录,因此还需后面加上--allow-root,即命令如下。

jupyter lab --ip=0.0.0.0 --port=8888 --allow-root

当然阿里云上还需要在安全组上开放8888端口(如果你把port端口换成非8888,即使用更换后的数字)。

4 Jupyter lab配置文件生成

每次赋值token码是比较麻烦的,这里采用生成配置文件修改密码的方式来操作。首先,敲入如下命令行。

jupyter lab --generate-config

然后用vim编辑打开配置文件。可以看到如下关于密码设置的注释。

接着先进入Python3或ipython的命令行。

from notebook.auth import password
password()

接着会让你设置密码,设置完密码以后会出现一串字符。将这段字符进行复制,然后打开前面生成的配置文件。找到以下几个地方做修改。

c.NotebookApp.ip = '0.0.0.0'
c.NotebookApp.port = 8888
c.NotebookApp.allow_root = True
c.NotebookApp.open_browser = False
c.NotebookApp.password = '' #填入刚刚复制的字符

这样后续只需要用jupyter lab即可启动Jupyter lab,然后将阿里云服务器的ip地址加上‘:8888/lab’,即可登录,当然阿里云服务器还需要设置8888端口安全组开放。这样就可以愉快地使用Jupyter lab做编程了。骨灰级matplotlib hello world测试。

参考链接:

1.ubuntu16.04下anaconda3的安装和配置,jupyter notebook的简单使用

2.OSError: Errno 99 Cannot assign requested address

3.Jupyter Lab 简单配置

相关实践学习
2分钟自动化部署人生模拟器
本场景将带你借助云效流水线Flow实现人生模拟器小游戏的自动化部署
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
7月前
|
数据可视化 iOS开发 Docker
命令行上的数据科学第二版:七、探索数据
命令行上的数据科学第二版:七、探索数据
72 0
|
4月前
|
JavaScript 数据挖掘 Python
conda+jupyter玩转数据科学环境搭建
conda+jupyter玩转数据科学环境搭建
|
4月前
|
机器学习/深度学习 数据可视化 数据挖掘
Jupyter Notebook: 数据科学的最佳实践
【8月更文第29天】Jupyter Notebook 是一个交互式的计算环境,非常适合进行数据分析、可视化和机器学习任务。它不仅支持多种编程语言(如 Python、R 和 Julia),还能将文本、代码、图表和多媒体元素融合在一起,非常适合编写可重复使用的分析报告。
334 1
|
7月前
|
Unix Shell Linux
命令行上的数据科学第二版 二、开始
命令行上的数据科学第二版 二、开始
57 0
|
7月前
|
分布式计算 Ubuntu Unix
命令行上的数据科学第二版 一、简介
命令行上的数据科学第二版 一、简介
44 0
|
7月前
|
分布式计算 自然语言处理 Shell
命令行上的数据科学第二版:十、多语言数据科学
命令行上的数据科学第二版:十、多语言数据科学
49 0
|
Ubuntu Linux 开发工具
面向数据科学的Anaconda3安装教程
面向数据科学的Anaconda3安装教程
209 0
面向数据科学的Anaconda3安装教程
|
机器学习/深度学习 自然语言处理 算法
数据科学 | Python数据科学常用库
数据科学 | Python数据科学常用库
151 0
数据科学 | Python数据科学常用库
|
Ubuntu Linux Windows
WSL数据科学环境使用小记
之前在笔记本和阿里云上搭载了WSL数据科学环境,关于环境搭建的博文日志如下。本文记录一下使用过程中遇到的几个小问题。
1127 0