JupyterLab (K8S)
O JupyterHub é um ambiente de desenvolvimento multiusuário baseado em iPython Notebooks que oferece acesso a recursos computacionais compartilhados em um servidor remoto, sem a necessidade de instalação e manutenção por parte dos usuários. Os únicos pré-requisitos para acessar o JupyterHub são: ter uma conta de usuário no LIneA (veja aqui como criar sua conta) e um navegador com acesso à Internet. Os chamados Jupyter Notebooks permitem combinar código interativo, resultados de execução, texto explicativo e recursos de multimídia em um só documento.
Como parte do LIneA Science Platform, o LIneA JupyterHub está integrado às demais ferramentas de visualização (Science Server) e acesso a dados (User Query). Desse modo, toda a análise de dados pode ser feita online dentro da plataforma, desde a leitura, visualização, processamento e análise de resultados, sem a necessidade de download dos dados.
Ao clicar no card "JupyterHub" dentro do LIneA Science Platform, você será direcionado para a página de login e em seguida para a página inicial do JupyterHub que mostrará o seu perfil de usuário. Clique no botão START para iniciar.
A instalação padrão do JupyterHub utiliza a nova interface JupyterLab e é baseada na imagem datascience-notebook, estendida com as bibliotecas Astropy e dblinea (a biblioteca que faz a conexão com o banco de dados). Isto significa que uma série de bibliotecas Python de grande popularidade como Numpy e Matplotlib estarão automaticamente disponíveis.
Apoio ao usuário¶
Tutoriais em Jupyter Notebooks¶
No repositório jupyterhub-tutorial você encontrará os tutoriais em formato notebook:
1-primeiros-passos.ipynb¶
Instruções gerais de uso da plataforma JupyterLab, dicas e atalhos na escrita de notebooks para diferentes tipos de células.
2-acesso-a-dados.ipynb¶
Instruções para uso da biblioteca dblinea para leitura de dados a partir do banco de dados diretamente de dentro de uma célula no notebook com exemplo de uso (construção de um diagrama cor-magnitude simples para uma amostra de estrelas).
3-conda-env.ipynb¶
Instruções para criação de ambientes no conda para gerenciamento de bibliotecas que sejam persistentes e sobrevivam a destruição e recriação dos containers para que os usuários possam retornar em uma nova sessão e encontrar o mesmo ambiente da sessão anterior (não disponível para usuários de perfil público bronze).
Para acessar os notebooks, basta abrir um Terminal no JupyterLab clicando no botão "+" na barra superior e em seguida no ícone "Terminal" da seção "Other" na aba "Launcher", e inserir o comando:
git clone https://github.com/linea-it/jupyterhub-tutorial.git
Solicitação de Recursos¶
Inicialmente cada servidor Jupyter Notebook possui um conjunto básico de recursos computacionais. Caso necessite de mais recursos, você pode solicitá-los entrando em contato com o nosso Service Desk e enviando as seguintes informações:
- Cores (CPU):
- Memória (RAM):
- Volume de dados (input):
- Volume de dados (output):
- Resumo do seu projeto de pesquisa:
- Breve justificativa para o uso dos recursos solicitados:
Os valores informados podem ser estimativas de uso ou aproximados.
Seu pedido será encaminhado para avaliação do Comitê Gestor, e retornaremos via e-mail. Caso sua solicitação seja aprovada e os recursos sejam adicionados à sua conta, você terá um prazo de 90 dias para utilizá-los. Por favor, atente-se à nossa política de uso.
Informações dos Servidores do ambiente K8S
Um servidor Jupyter Notebook K8S pode utilizar no máximo uma máquina. O nosso ambiente do Kubernetes (K8S) possui 14 máquinas, cada uma equipada com os seguintes recursos, com hyper-threading habilitado:
| CPU(s): | 24 |
|---|---|
| Thread(s) per core: | 2 |
| Core(s) per socket: | 6 |
| Socket(s): | 2 |
| Memória (RAM): | 94G |