以下我将Jupyter Notebook/Jupyter Lab统一简称为Jupyter。
为什么要用Docker？
使用Docker安装Jupyter有如下优势：
-
Jupyter的环境文件管理可以说是一团糟，到处都有文件，卸载又卸载不全，尤其是当我们想要搭建多个Jupyter环境的时候，更是不得不去配置Jupyter Hub，徒增学习成本。而使用Docker可以科学地管理这些文件，还能追踪修改。
-
在使用Jupyter的过程中我们往往需要安装一些额外的库，而这些库的安装往往需要sudo/root权限，这意味着我们不得不多次进入宿主机终端进行安装，或者冒着安全风险给予Jupyter Notebook sudo/root权限。而使用Docker可以在容器中授予sudo/root权限而不影响宿主机。
-
使用Docker，在进行Jupyter项目备份的时候只需要简单地commit即可，不需要到处找文件。
-
还有很多，基本上都是Docker相比直接装软件的优势。
怎么用？
首先你需要安装好Docker，不懂的请参考： Docker的安装配置 。
Jupyter官方提供了多个Jupyter,如图所示：
大家可以根据自己的需要选择，个人建议最低使用scipy-notebook而不是base-notebook或minimal-notebook，因为这两个notebook缺组件。Jupyter还提供了一些优质的非官方notebook，例如支持NVIDIA GPU加速的datascience-notebook。想要了解更多，请参考： Selecting an Image 。在本文中，我将以scipy-notebook为例介绍Jupyter的安装。
我们可以使用一键命令拉取并运行：
|
|
-
不建议加上
-it选项来进行交互，因为Jupyter可以使用Web终端进行相应配置。 -
-e GRANT_SUDO=yes和--user root说明允许Jupyter的Web终端使用sudo权限，在需要另外安装插件或者软件的时候必须使用，但是如果你的Jupyter是开放给公共使用的，那么建议删除以增加安全性。 -
-e JUPYTER_ENABLE_LAB=yes说明开启Jupyter Lab（在这里你就知道为什么我总是说Jupyter而不说后面的Notebook/Lab了），如果你需要体验Jupyter Lab的强大功能请打开，但是Jupyter Lab现阶段存在带宽占用很大（1M带宽要打开Jupyter Lab需要等待将近3分钟才能加载完）以及插件不完善的问题，如果不想使用可以关掉以节省资源。值得一提的是，无论是否启用Jupyter Lab，Jupyter Notebook都可以通过<目的地址>/tree来访问。 -
--mount source=jupyter-workspace,destination=/home/jovyan/的目的是让在Jupyter中创建的Notebook可以保留在数据卷中，未来可以通过/var/lib/docker/volumes/jupyter-workspace/_data访问，当然，“jupyter-workspace”可以改为任何你喜欢的名字。
Jupyter是用来跑程序的，不可避免会遇到程序Bug导致无限占用，此时如果没有相应的限制，那么很容易导致宿主机崩溃，因此我们可以使用如下命令来运行Jupyter（其他介绍同上）：
|
|
- 最大内存可以写500M, 1G, 500000K之类的，建议最小不小于128M。
-
CPU占用率 = 每周期可用CPU时间 ÷ CPU计算周期， 大于100%则意味着使用多个vCPU，例如如果我分配8个vCPU那么可以设置为
--cpu-period=1000 --cpu-quota=8000，这两项取值范围都是 1000, 1000000 。
如果需要使用HTTPS，可以再加上一点，如下：
|
|
需要在宿主机找个地方先放着KEY和CRT证书。
参考链接：