使用 JupyterLab 进行数据科学

Table of contents

Docker 和 JupyterLab 是两个强大的工具，可以增强您的数据科学工作流程。在本指南中，您将学习如何将它们结合使用，以创建和运行可复现的数据科学环境。本指南基于使用 JupyterLab 和 Docker 强化 AI/ML 开发。

在本指南中，您将学习如何：

在本地机器上运行带有 JupyterLab 的个人 Jupyter Server
自定义您的 JupyterLab 环境
与其他数据科学家共享您的 JupyterLab notebook 和环境

什么是 JupyterLab？

JupyterLab 是一款围绕计算笔记本文档概念构建的开源应用程序。它支持共享和执行代码、数据处理、可视化，并提供一系列用于创建图表的交互功能。

为什么将 Docker 和 JupyterLab 结合使用？

通过结合使用 Docker 和 JupyterLab，您可以受益于这两种工具的优势，例如：

容器化确保了所有部署中 JupyterLab 环境的一致性，消除了兼容性问题。
容器化的 JupyterLab 通过消除手动环境设置的需要，简化了共享和协作。
容器为 JupyterLab 提供了可扩展性，支持工作负载分发和高效的资源管理（例如通过 Kubernetes 等平台）。

先决条件

要学习本指南，您必须安装最新版本的 Docker Desktop。

运行并访问 JupyterLab 容器

在终端中，运行以下命令以启动您的 JupyterLab 容器。

$ docker run --rm -p 8889:8888 quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

以下是该命令的显著部分：

-p 8889:8888：将主机的 8889 端口映射到容器的 8888 端口。
start-notebook.py --NotebookApp.token='my-token'：设置访问令牌，而不是使用随机令牌。

更多详情，请参阅 Jupyter Server 选项和 docker run CLI 参考。

如果这是您第一次运行该镜像，Docker 将下载并运行它。下载镜像所需的时间取决于您的网络连接。

镜像下载并运行后，您可以访问该容器。要访问容器，请在 Web 浏览器中导航至 localhost:8889/lab?token=my-token。

要停止容器，请在终端中按 ctrl+c。

要访问系统上的现有笔记本，您可以使用绑定挂载。打开终端并切换到现有笔记本所在的目录。然后，根据您的操作系统运行以下命令。

$ docker run --rm -p 8889:8888 -v "$(pwd):/home/jovyan/work" quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

$ docker run --rm -p 8889:8888 -v "%cd%":/home/jovyan/work quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

$ docker run --rm -p 8889:8888 -v "$(pwd):/home/jovyan/work" quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

$ docker run --rm -p 8889:8888 -v "/$(pwd):/home/jovyan/work" quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

-v 选项告诉 Docker 将您当前的工作目录挂载到容器内的 /home/jovyan/work。默认情况下，Jupyter 镜像的根目录是 /home/jovyan，您只能访问或保存笔记本到容器中的该目录。

现在您可以访问 localhost:8889/lab?token=my-token 并打开绑定挂载目录中的笔记本。

要停止容器，请在终端中按 ctrl+c。

Docker 还有卷（volumes），这是持久化由 Docker 容器生成和使用的数据的首选机制。虽然绑定挂载依赖于主机的目录结构和操作系统，但卷完全由 Docker 管理。

保存和访问笔记本

当您移除容器时，该容器中的所有数据都会被删除。要将笔记本保存在容器外部，您可以使用卷。

使用卷运行 JupyterLab 容器

要使用卷启动容器，请打开终端并运行以下命令：

$ docker run --rm -p 8889:8888 -v jupyter-data:/home/jovyan/work quay.io/jupyter/base-notebook start-notebook.py --NotebookApp.token='my-token'

-v 选项告诉 Docker 创建一个名为 jupyter-data 的卷，并将其挂载到容器的 /home/jovyan/work 位置。

要访问容器，请在 Web 浏览器中导航至 localhost:8889/lab?token=my-token。笔记本现在可以保存到卷中，并且即使容器被删除也可以访问。

将笔记本保存到卷中

在这个例子中，您将使用 scikit-learn 中的 Iris 数据集示例。

打开 Web 浏览器并访问您的 JupyterLab 容器，地址为 localhost:8889/lab?token=my-token。
在启动器 (Launcher) 中，笔记本 (Notebook) 下方，选择 Python 3。
在笔记本中，指定以下内容以安装必要的包。
!pip install matplotlib scikit-learn
选择播放按钮以运行代码。

在笔记本中，指定以下代码。

from sklearn import datasets

iris = datasets.load_iris()
import matplotlib.pyplot as plt

_, ax = plt.subplots()
scatter = ax.scatter(iris.data[:, 0], iris.data[:, 1], c=iris.target)
ax.set(xlabel=iris.feature_names[0], ylabel=iris.feature_names[1])
_ = ax.legend(
   scatter.legend_elements()[0], iris.target_names, loc="lower right", title="Classes"
)

选择播放按钮以运行代码。您应该会看到 Iris 数据集的散点图。
在顶部菜单中，选择 文件 (File)，然后选择 保存笔记本 (Save Notebook)。
在 work 目录中指定一个名称以将笔记本保存到卷中。例如，work/mynotebook.ipynb。
选择 重命名 (Rename) 以保存笔记本。

笔记本现在已保存在卷中。

在终端中，按 ctrl+ c 停止容器。

现在，只要您使用该卷运行 Jupyter 容器，就可以访问已保存的笔记本。

当您运行新容器时，如果再次运行数据绘图代码，它将需要运行 !pip install matplotlib scikit-learn 并下载包。您可以通过创建自己的镜像（其中包含已安装的包）来避免每次运行新容器时都重新安装包。

自定义您的 JupyterLab 环境

您可以创建自己的 JupyterLab 环境，并使用 Docker 将其构建为镜像。通过构建自己的镜像，您可以使用所需的包和工具自定义您的 JupyterLab 环境，并确保它在不同部署中保持一致且可复现。构建自己的镜像还可以更轻松地与他人共享您的 JupyterLab 环境，或将其用作进一步开发的基础。

在 Dockerfile 中定义您的环境

在之前的将笔记本保存到卷中的 Iris 数据集示例中，您每次运行新容器时都必须安装依赖项 matplotlib 和 scikit-learn。虽然这个小示例中的依赖项下载和安装很快，但随着依赖项列表的增长，这可能会成为一个问题。可能还有其他您始终希望在环境中使用的工具、包或文件。

在这种情况下，您可以将依赖项作为镜像环境的一部分进行安装。这样，每次运行容器时，依赖项都将始终安装。

您可以在 Dockerfile 中定义您的环境。Dockerfile 是一个文本文件，它指示 Docker 如何创建您的 JupyterLab 环境的镜像。镜像包含运行 JupyterLab 时所需和期望的一切内容，例如文件、包和工具。

在您选择的目录中，创建一个名为 Dockerfile 的新文本文件。在 IDE 或文本编辑器中打开 Dockerfile，然后添加以下内容。

# syntax=docker/dockerfile:1

FROM quay.io/jupyter/base-notebook
RUN pip install --no-cache-dir matplotlib scikit-learn

此 Dockerfile 使用 quay.io/jupyter/base-notebook 镜像作为基础，然后运行 pip 来安装依赖项。有关 Dockerfile 中指令的更多详情，请参阅 Dockerfile 参考。

在继续之前，请将您的更改保存到 Dockerfile。

将您的环境构建到镜像中

在拥有定义环境的 Dockerfile 后，您可以使用 docker build 基于您的 Dockerfile 构建镜像。

打开终端，切换到 Dockerfile 所在的目录，然后运行以下命令。

$ docker build -t my-jupyter-image .

该命令根据您的 Dockerfile 和上下文构建 Docker 镜像。-t 选项指定镜像的名称和标签，在本例中为 my-jupyter-image。. 表示当前目录是上下文，这意味着该目录中的文件可以在镜像创建过程中使用。

您可以通过在 Docker Desktop 中查看 Images 视图，或在终端中运行 docker image ls 命令来验证镜像是否已构建。您应该会看到一个名为 my-jupyter-image 的镜像。

将镜像作为容器运行

要将镜像作为容器运行，您可以使用 docker run 命令。在 docker run 命令中，您将指定自己的镜像名称。

$ docker run --rm -p 8889:8888 my-jupyter-image start-notebook.py --NotebookApp.token='my-token'

要访问容器，请在 Web 浏览器中导航至 localhost:8889/lab?token=my-token。

您现在可以在笔记本中使用这些包，而无需在笔记本中安装它们。

在启动器 (Launcher) 中，笔记本 (Notebook) 下方，选择 Python 3。

在笔记本中，指定以下代码。

from sklearn import datasets

iris = datasets.load_iris()
import matplotlib.pyplot as plt

_, ax = plt.subplots()
scatter = ax.scatter(iris.data[:, 0], iris.data[:, 1], c=iris.target)
ax.set(xlabel=iris.feature_names[0], ylabel=iris.feature_names[1])
_ = ax.legend(
   scatter.legend_elements()[0], iris.target_names, loc="lower right", title="Classes"
)

选择播放按钮以运行代码。您应该会看到 Iris 数据集的散点图。

在终端中，按 ctrl+ c 停止容器。

使用 Compose 运行您的容器

Docker Compose 是一个用于定义和运行多容器应用程序的工具。在本例中，该应用程序不是多容器应用程序，但 Docker Compose 可以通过在一个文件中定义所有 docker run 选项来使其更易于运行。

创建 Compose 文件

要使用 Compose，您需要一个 compose.yaml 文件。在与 Dockerfile 相同的目录中，创建一个名为 compose.yaml 的新文件。

在 IDE 或文本编辑器中打开 compose.yaml 文件并添加以下内容。

services:
  jupyter:
    build:
      context: .
    ports:
      - 8889:8888
    volumes:
      - jupyter-data:/home/jovyan/work
    command: start-notebook.py --NotebookApp.token='my-token'

volumes:
  jupyter-data:
    name: jupyter-data

此 Compose 文件指定了您在 docker run 命令中使用的所有选项。有关 Compose 指令的更多详情，请参阅 Compose 文件参考。

在继续之前，请将您的更改保存到 compose.yaml 文件。

使用 Compose 运行您的容器

打开终端，切换到 compose.yaml 文件所在的目录，然后运行以下命令。

$ docker compose up --build

此命令构建您的镜像，并使用 compose.yaml 文件中指定的指令将其作为容器运行。--build 选项确保重新构建您的镜像，如果您对 Dockerfile 进行了更改，这是必要的。

要访问容器，请在 Web 浏览器中导航至 localhost:8889/lab?token=my-token。

在终端中，按 ctrl+ c 停止容器。

分享您的工作

通过共享您的镜像和笔记本，您可以创建一个可移植且可复制的研究环境，其他数据科学家可以轻松访问和使用。此过程不仅促进了协作，还确保您的工作保存在一个可以无兼容性问题运行的环境中。

要共享您的镜像和数据，您将使用 Docker Hub。Docker Hub 是一项基于云的注册服务，可让您共享和分发容器镜像。

共享您的镜像

注册或登录 Docker Hub。
重命名您的镜像，以便 Docker 知道要将其推送到哪个存储库。打开终端并运行以下 docker tag 命令。将 YOUR-USER-NAME 替换为您的 Docker ID。
$ docker tag my-jupyter-image YOUR-USER-NAME/my-jupyter-image
运行以下 docker push 命令将镜像推送到 Docker Hub。将 YOUR-USER-NAME 替换为您的 Docker ID。
$ docker push YOUR-USER-NAME/my-jupyter-image
验证您是否已将镜像推送到 Docker Hub。
1. 转到 Docker Hub。
2. 选择 My Hub > Repositories。
3. 查看您存储库的 Last pushed 时间。

其他用户现在可以使用 docker run 命令下载并运行您的镜像。他们需要将 YOUR-USER-NAME 替换为您的 Docker ID。

$ docker run --rm -p 8889:8888 YOUR-USER-NAME/my-jupyter-image start-notebook.py --NotebookApp.token='my-token'

共享您的卷

此示例使用 Docker Desktop 图形用户界面。或者，在命令行界面中，您可以备份卷，然后使用 ORAS CLI 推送它。

登录 Docker Desktop。
在 Docker 仪表板中，选择 Volumes。
通过选择名称选择 jupyter-data 卷。
选择 Exports 选项卡。
选择 Quick export。
对于 Location，选择 Registry。
在 Registry 下的文本框中，指定您的 Docker ID、卷的名称和标签。例如，YOUR-USERNAME/jupyter-data:latest。
选择 Save。
验证您是否已将卷导出到 Docker Hub。
1. 转到 Docker Hub。
2. 选择 My Hub > Repositories。
3. 查看您存储库的 Last pushed 时间。

其他用户现在可以下载并导入您的卷。要导入卷然后使用您的镜像运行它：

登录 Docker Desktop。
在 Docker 仪表板中，选择 Volumes。
选择 Create 以创建新卷。
指定新卷的名称。在此示例中，使用 jupyter-data-2。
选择 Create。
在卷列表中，通过选择名称选择 jupyter-data-2 卷。
选择 Import。
对于 Location，选择 Registry。
在 Registry 下的文本框中，指定与您导出卷到的存储库相同的名称。例如，YOUR-USERNAME/jupyter-data:latest。
选择 Import。
在终端中，运行 docker run 以使用导入的卷运行您的镜像。将 YOUR-USER-NAME 替换为您的 Docker ID。

$ docker run --rm -p 8889:8888 -v jupyter-data-2:/home/jovyan/work YOUR-USER-NAME/my-jupyter-image start-notebook.py --NotebookApp.token='my-token'

总结

在本指南中，您学习了如何利用 Docker 和 JupyterLab 来创建可复现的数据科学环境，从而促进数据科学项目的开发和共享。这包括运行个人 JupyterLab 服务器、使用必要的工具和包自定义环境，以及与其他数据科学家共享笔记本和环境。

Ask me about Docker

使用 JupyterLab 进行数据科学