服务器管理直播课（二）
在上一节的直播课上，我们介绍了服务器的基础支持，并介绍了如何登录使用。如果你手头上没有服务器可以练习linux服务器配置与管理，那么可以使用我昨晚当场买的一个腾讯云服务器的账号，相关信息如下。目前已经到期失效。
而今晚三个小时的直播课，主要囊括了如下内容
在上演示如何部署R语言环境，包括
posit的已经编译了一些R的安装
系统已经装了R，我额外编译的R如何让大家都能用到
如何配置
的配置和使用
管理员如何配置
用户如何配置自己的环境
的使用
远程访问服务器
的 搭建
的R环境
上的R部署
这一次，我们以从posit上下载预编译的R: [1]
比如说 20.04的安装方法如下
sudo apt-get update
sudo apt-get install gdebi-core
export R_VERSION=4.3.1
curl -O https://cdn.rstudio.com/r/ubuntu-2004/pkgs/r-${R_VERSION}_1_amd64.deb
sudo gdebi r-${R_VERSION}_1_amd64.deb
#验证
/opt/R/${R_VERSION}/bin/R --version
但是此时安装的R并不能使用，因为他不在环境变量PATH中，为了让所有人能够使用，也为了方便切换版本，我们通过软连接的方式，将安装的R链接到/usr/local/bin下
export R_VERSION=4.3.1
sudo ln -s /opt/R/${R_VERSION}/bin/R /usr/local/bin/R
sudo ln -s /opt/R/${R_VERSION}/bin/Rscript /usr/local/bin/Rscript
接下来配置 , 还是为例。
wget https://download2.rstudio.org/server/focal/amd64/rstudio-server-2023.06.1-524-amd64.deb
sudo gdebi rstudio-server-2023.06.1-524-amd64.deb
由于将R放在了/usr/local/bin下，因此 可以直接访问到这个R，也就不需要修改配置文件/etc//.conf
当然环境配置到此还不够，我们下一步还需要安装很多R包，为了简化这一过程，我将我自己常用的R包汇总到了一个文件中，见[2]
你需要在服务器下载我的-r-.r或者新建一个文件，粘贴上述内容，即可。然后运行如下命令
export R_VERSION=4.3.1
sudo /opt/R/${R_VERSION}/bin/Rscript common-r-package.r
这样子服务器就会运行这个安装脚本。
如果是普通用户，那就是去掉这个sudo，会安装到自己的家目录下
export R_VERSION=4.3.1
/opt/R/${R_VERSION}/bin/Rscript common-r-package.r
管理员配置
目标是在服务器上配置一个，支持多个用户登录使用。建议在 20.04以上哦
以root权限配置全局的作为入口
首先，我们安装和
sudo apt install python3 python3-pip
然后，需要手动安装npm
wget https://nodejs.org/dist/v18.17.0/node-v18.17.0-linux-x64.tar.xz
tar xf node-v18.17.0-linux-x64.tar.xz
sudo mkdir -p /opt/node
sudo mv node-v18.17.0-linux-x64 /opt/node/18.17.0
sudo ln -s /opt/node/18.17.0/bin/* /usr/local/bin
安装-http-proxy
sudo npm install -g configurable-http-proxy --registry=http://registry.npmmirror.com
sudo ln -s /opt/node/18.17.0/bin/configurable-http-proxy /usr/local/bin
最后配置
# 安装jupyterhub
sudo python3 -m pip install jupyterhub -i https://pypi.mirrors.ustc.edu.cn/simple/
hub是一个中心，具体需要调用和，因此建议安装
# 安装jupter lab 和 notebook
sudo python3 -m pip install notebook -i https://pypi.mirrors.ustc.edu.cn/simple/
sudo python3 -m pip install jupyterlab -i https://pypi.mirrors.ustc.edu.cn/simple/
测试下安装状态
jupyterhub -h
configurable-http-proxy -h
的启动有两种
1、基于命令行参数
sudo jupyterhub --ip 0.0.0.0 --port 8989
2、基于配置文件
第一步，生成配置文件
jupyterhub --generate-config
第二步，修改配置文件，主要就是ip和端口
# 设置访问方式
c.JupyterHub.bind_url = 'http://0.0.0.0:8989'
第三步，启动
sudo jupyterhub -f jupyterhub_config.py
为了方便使用，我们还需要将变成系统服务
第一步，编辑文件
sudo vim /etc/systemd/system/jupyterhub.service
内容如下
[Unit]
Description=Jupyterhub service
After=syslog.target network.target
[Service]
ExecStart=/usr/local/bin/jupyterhub -f /etc/jupyterhub/config.py
[Install]
WantedBy=multi-user.target
还需要复制之前的配置文件
sudo mkdir -p /etc/jupyterhub
sudo cp jupyterhub_config.py /etc/jupyterhub/config.py
第三步，启动服务
sudo systemctl daemon-reload
# 启动服务
sudo service jupyterhub start
# 看状态
sudo systemctl status jupyterhub.service
参考：[3]
用户管理自己的
我们需要掌握的一个知识点：会去$HOME/.local/share// 查找记录的。
因此，在任何 [4] 环境，无论是系统级、用户级、venv[5] 还是 Conda[6] 环境，我们都可以通过手动添加到 [7] 的 列表。以conda为例（关于conda，一定要去阅读我的[8]）
以conda为例，我们可以为conda默认环境添加
pip install ipykernel -i https://pypi.mirrors.ustc.edu.cn/simple/
python -m ipykernel install --user --name="base" --display-name="base"
# Installed kernelspec base in /home/用户名/.local/share/jupyter/kernels/base
也可以新建一个.10的环境
conda create -n python3.10 python=3.10 ipython ipykernel
为其增加
python -m ipykernel install --user --name="python310" --display-name="Python 3.10"
# Installed kernelspec python310 in /home/用户名/.local/share/jupyter/kernels/python310
之后，我们就可以在服务器看到这些内容（我配置了不少内容，包括R，还有一个单细胞课程用到的)
如果你需要安装特定的酷库，一种是在的中选择好，然后执行下面的命令
import sys
sys.executable
# 下面必须在jupyter中运行，例如palantir
!{sys.executable} -m pip install palantir
当然，我更推荐推荐启动对应conda环境， 安装你的库。
conda activate python310
pip install palantir
插件
创建一般指的就是的插件，因为就是一个book而已。
的插件功能通过pip的方式进行安装，例如补全功能（注意pip得是对应的环境下的pip，在中的pip可能是全局pip）
pip install -U jupyterlab-lsp -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install -U "python-lsp-server[all]" -i https://pypi.mirrors.ustc.edu.cn/simple/
部分拓展需要用 (≥18)，因此需要额外安装你一个node。
git clone https://gitee.com/mirrors/nvm.git
cd nvm
# 启动nvm
. ./nvm.sh
# 安装node=18
nvm install 18
安装的node要添加到环境变量PATH中。
目前的语言模型比较火热，上有一个对应的插件，叫做 AI。他的安装也非常的简便。
首先启动，我的一个环境
conda activate python3.10
安装插件
pip install jupyter_ai
然后打开
%load_ext jupyter_ai_magics
案例
%%ai chatgpt
Please generate the Python code to solve the 2D Laplace equation in cartesian coordinates.
Solve the equation on the square domain X=(0,1) and y=(0,1) with vanishing boundary conditions.
Plot the solutionu using Matplotlib.
Please also provide ean explanation.
此时会报错
原因，还没有给token，你需要一个官方的token
%env OPENAI_API_KEY = OPENAI官方的token
但是依旧可能出现问题，因为服务器没有穿越能力
这个时候，你可以考虑使用代理线路（进行从另一个地方转发请求，如果担心被盗用，这个连接也提供了自建的方案）
%env OPENAI_API_BASE = https://api.openai-proxy.com/v1
感谢：[9]
环境搭建
是微软推出的一个代码编辑器，本身只有一个代码编辑功能，但是由于他强大的插件()，因此，让他具备了无限可能。
我们先从[10]下载。
然后，我们需要现状第一个插件，，他就可以让我们访问远程服务器，这就可以让我们部分把给淘汰掉了。
之后，我们需要连接到服务器上，如下图所示linux服务器配置与管理，第一次连接会比较慢，因为会在服务器上安装一个.-。
选择一个SSH的配置文件，用于添加我的服务器
同时，右下角还出现了一个提示，点开
可以修改一下配置信息
重启下，就有对应的信息，就可以右击，进行登录。
连接之后，我们需要去安装一些对应的插件，来配置我们的数据分析环境，主要就是R, 。注意这些插件安装完之后，强烈建议重启一下，让配置生效。
首先，我们来安装中R的插件
然后，我们还需要在我们想要配置的版本的R语言中安装R包，.("")
当然还不够，我们还需要设置好，中R插件需要调用R的版本。
左下角有一个齿轮图标，是用来做配置修改的。
点开之后，有三个事情要注意
首先，我们需要切换到远程SSH（下图的标记2），然后搜索R.rterm（下图的标记1）。然后修改其中R的路径，选择你需要的版本（下图的标记3）
这样子配置后，你新建一个以 .r结尾的文件，就可以实现类似于的插件。
通过在代码中，用ctrl+enter，就可以在下方的中执行代码。如果遇到下图的警告，就自己安装一个。
另外一个插件就是
当我们安装好插件之后，只要新建一个以.ipynb结尾的文件，就是一个 。
会检测我们配置的一些
如果你需要让你的能运行R代码，就需要安装一个R包，参考，代码如下。
.('')
::() # to the in the R
@/text- # for ’s
最后说明一点，如果要选择R的内核，要点 哦！
最后，还记得一开始给的服务器登录方式吗？你可以用这个体验下，-和了。
PS:如果你是单细胞课程的学员，果子老师给你的用户名和密码也可以在这里使用。
参考资料
[1]
[2]
[3]
[4]
:
[5]
venv:
[6]
Conda:
[7]
:
[8]
[9]
[10]
限时特惠:本站持续每日更新海量各大内部创业课程，一年会员仅需要98元，全站资源免费下载
点击查看详情
站长微信:Jiucxh
