问题标签 [jupyterhub]

我正在为 JupyterHub 使用 DockerSpawner（图片：jupyter/minimal-notebook）。我以所有权限将名为“xyz”的文件夹安装为 /home/jovyan/xyz。我想在 Docker 中禁用对 /home/jovyan 的写访问，因为我不能保证将来可以访问存储在 Docker 中的数据，只能在主机文件夹中访问。

我尝试在 /home/jovyan 上设置 read_only_volumes，但随后无法挂载 /home/jovyan/xyz

请问有什么想法吗？谢谢

我正在尝试在 Ubuntu 16.04 上本地运行 jupyterhub；但是，我似乎无法在终端上运行 jupyterhub 命令，并且收到命令未找到错误。我通过运行以下命令安装了 jupyterhub：

以上所有包都安装成功。我的PATH变量 in/etc/environment已设置如下：

我正在为课堂上的学生使用 Jupyterhub(docker spawner) 构建一个 tensorflow 环境，但我遇到了这个问题。

默认情况下，TensorFlow 将几乎所有 GPU 的所有 GPU 内存（受 CUDA_VISIBLE_DEVICES 限制）映射到进程可见。这样做是为了通过减少内存碎片更有效地使用设备上相对宝贵的 GPU 内存资源。（来自https://www.tensorflow.org/tutorials/using_gpu）

如果班上有人用gpu使用python程序，那么gpu内存几乎会耗尽。根据这种情况，我需要手动添加一些限制代码。喜欢：

但这不是一个很好的解决方案。每次生成新代码时，我都应该添加此代码。

如果 jupyterhub 可以添加一些配置来避免这种情况或其他很好的解决方案？请让我知道，谢谢！

我试图配置 jupyterhub 代理来路由内容，my-host-ip/notebook但我无法找出解决方案。

我正在使用以下 Nginx 配置：

我正在尝试将 ipyparallel 与我安装在 conda env 中的自定义内核一起使用。我的工具是用 matplotlib 2.0.2 构建的。我在 Jupyter Hub 上运行，默认 Python3 内核指向 matplotlib 1.5.3。我可以通过这个例子从各自的引擎中看到 matplotlib 的版本：

返回

正如我所料，因为我在 Python 3 默认内核中运行。通过使用我想要的工具创建自定义内核、激活它并使用以下命令创建 kernelspec 文件，我构建了一个名为“cetb3”的自定义内核：

在cetb3环境下，可以运行python，导入matplotlib，看到版本是matplotlib 2.0.2。在同一个 cetb3 环境中，我还创建了一个测试配置文件：

在 Jupyter Hub 中，我可以将内核切换到 cetb3，导入 matplotlib 并查看它是 v2.0.2。但是，当我从 MJBtest 启动集群并尝试使用 cetb3 内核运行与上述相同的代码时，单元在“现在调用 map_sync”行之后挂起并且永远不会返回：

我认为我可能必须创建一个使用我的自定义内核的 ipython 配置文件，我尝试将我的配置文件的名称添加到 cetb3 kernelspec 文件：“--profile=MJBtest”但是当我这样做时，内核不会甚至开始。我不清楚是否必须将我的配置文件告诉我的内核，反之亦然（以及我如何做到这一点），或者是否有一些其他机制可以将我的自定义环境推送到我的 ipyparallel 引擎。

所以我在我们的超级计算机上与系统管理员合作，结果发现他们已经配置了一些定制的 ipython 配置文件，这些配置文件正在使用 ipengine 命令启动引擎集群。在 ipcluster_config.py 文件中，在 ipengine 命令之前，我可以通过将我的 conda env bin 路径添加到 PATH env 变量的开头来指定我的自定义环境，然后为我想要的 conda env 调用 source activate可用于每个引擎。

我正在运行我的 jupyter 集线器和单用户服务器。我正在使用 Jupyter 笔记本 REST API 来获取所有可用的笔记本。我正在使用http://127.0.0.1:8000/user/username/api/contents。有了这个，我可以在 mu UI 上看到所有可用的笔记本。

但是，当我尝试从我的 python 脚本中执行相同操作时，我收到 200 个响应代码，但无法提取任何内容，因为它重定向到我需要为我的用户输入用户名和密码的登录页面。我还尝试通过请求包传递这些凭据。像这样的东西

输出是：

我对 Jupyter 还很陌生。我错过了一些东西。在调用任何 API 之前，我还能如何对我的用户进行身份验证。

在 jupyerhub 文档中看到了这一点 - 请注意，API 令牌授权 JupyterHub REST API 请求。相同的令牌不授权访问由 JupyterHub 管理的笔记本服务器提供的 Jupyter Notebook REST API。使用不同的令牌来访问 Jupyter Notebook API。

所以这正是我正在寻找的。如何创建这个不同的令牌以便通过集线器访问 jupyter notebook API。

我按照以下链接在 AWS EMR 集群上设置 JupyterHub 的教程进行操作：https ://aws.amazon.com/blogs/big-data/running-jupyter-notebook-and-jupyterhub-on-amazon-emr/

我让集群启动并运行，但现在我的问题是如何进行压力/负载测试？（即模拟 100 个用户同时通过笔记本运行）。

在课堂环境中，我有大约 30 个用户 sshed 到我的集群中运行笔记本练习，但是当更多的人开始执行笔记本中的代码块时，速度大大放缓。发生的事情是一些 python 库的导入需要很长时间，一些练习停止工作或只是挂起。Cloudwatch 显示存在网络瓶颈。

基本上我要问的是我怎样才能去调试这样的东西？模拟多个用户进入 EMR 集群、打开 jupyter 笔记本并同时运行代码块的最佳方法是什么？

我有一个 Ubuntu 服务器在端口上运行 nginx443以提供一些静态内容，并在端口上8000为 Python 笔记本提供 Jupyterhub 0.8（jupyterhub 通过 pip 安装并作为服务运行（不使用 Docker）。

我想使用 nginx 的反向代理使 jupyterhub 可以作为子路径访问，例如example.com/jupyterhub.

在文档和其他一些讨论（例如这个）之后，我想出了以下 nginx 配置：

另外，我在jupyterhub_conf.py

当我访问时，https://example.com/jupyterhub我收到 502 错误。看着error.log我发现的 nginx

jupyterhub 的本地人curl给出

我已经设置了一个 JupyterHub 并为它配置了一个 pyspark 内核。当我打开一个 pyspark 笔记本（在用户名 Jeroen 下）时，添加了两个进程，一个 Python 进程和一个 Java 进程。Java 进程被分配了 12g 的虚拟内存（见图）。在 1B 数字范围内运行测试脚本时，它会增长到 22g。当我们在这个服务器上与多个用户一起工作时，这是否值得担心？如果是，我怎样才能防止 Java 分配这么多内存？

是否可以将 Jupyter 笔记本的副本保存在不同的目录中？

我的场景是这样的：我使用 docker spawner 设置了 jupyterhub 来为用户创建 jupyter 容器。我希望所有这些用户都能访问共享笔记本，其中包含特定类型工作的模板。此笔记本通过只读卷挂载/shared到/work. 然后，用户应该能够修改副本并将其保存到他们有权访问的父目录中。但是，“制作副本”功能似乎只想在同一目录中制作副本，这当然是只读的。有没有办法改变这个功能？

也欢迎替代解决方案！

（作为参考，这是使用r-notebook内核，但我怀疑这会有所不同）