-
在Ubuntu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RStudio
-
-
jupyterhub的配置和使用
-
管理员如何配置jupyterhub
-
用户如何配置自己的jupyter环境
-
Ubuntu上的R部署
这一次，我们以从posit上下载预编译的R: https://docs.posit.co/resources/install-r/[1]
比如说Ubuntu 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/${R_VERSION}/bin/Rscript /usr/local/bin/Rscript
接下来配置RStudio server, 还是Ubuntu为例。
wget https://download2.rstudio.org/server/focal/amd64/rstudio-server-2023.06.1-524-amd64.deb
sudo gdebi rstudio-server-2023.06.1-524-amd64.deb
由于将R放在了/usr/local/bin下，因此RStudio server可以直接访问到这个R，也就不需要修改配置文件/etc/rstudio/rserver.conf
当然环境配置到此还不够，我们下一步还需要安装很多R包，为了简化这一过程，我将我自己常用的R包汇总到了一个文件中，见https://github.com/xuzhougeng/server-management-for-bioinformatics/blob/main/scripts/common-r-package.r[2]
你需要在服务器下载我的common-r-package.r或者新建一个文件，粘贴上述内容，即可。然后运行如下命令
export R_VERSION=4.3.1
sudo /opt/R/${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/${R_VERSION}/bin/Rscript common-r-package.rJupyterHub
管理员配置Jupterhub
目标是在服务器上配置一个JupyterHub，支持多个用户登录使用。建议在Ubuntu 20.04以上哦
以root权限配置全局的JupyterHub作为入口
首先，我们安装python3和python
sudo apt install python3 python3-pip
然后，需要手动安装npm
wget https://nodejs.org/dist/v18.17.0/node-v18.17.0-linux-x64.tar.xz
tar xf node-v18.17.0-linux-x64.tar.xz
sudo mkdir -p /opt/node
sudo mv node-v18.17.0-linux-x64 /opt/node/18.17.0
sudo ln -s /opt/node/18.17.0/bin/* /usr/local/bin
安装configurable-http-proxy
sudo npm install -g configurable-http-proxy --registry=http://registry.npmmirror.com
sudo ln -s /opt/node/18.17.0/bin/configurable-http-proxy /usr/local/bin
最后配置jupyterhub
# 安装jupyterhub
sudo python3 -m pip install jupyterhub -i https://pypi.mirrors.ustc.edu.cn/simple/
hub是一个中心，具体需要调用jupterlab和notebook，因此建议安装
# 安装jupter lab 和 notebook
sudo python3 -m pip install notebook -i https://pypi.mirrors.ustc.edu.cn/simple/
sudo python3 -m pip install jupyterlab -i https://pypi.mirrors.ustc.edu.cn/simple/
测试下安装状态
jupyterhub -h
configurable-http-proxy -h
Jupyterhub的启动有两种
1、基于命令行参数
sudo jupyterhub --ip 0.0.0.0 --port 8989
2、基于配置文件
第一步，生成配置文件
jupyterhub --generate-config
第二步，修改配置文件，主要就是ip和端口
# 设置访问方式
c.JupyterHub.bind_url = 'http://0.0.0.0:8989'
第三步，启动
sudo jupyterhub -f jupyterhub_config.py
为了方便使用，我们还需要将jupyterhub变成系统服务
第一步，编辑文件
sudo vim /etc/systemd/system/jupyterhub.service
内容如下
[Unit]
Description=Jupyterhub service
After=syslog.target network.target
[Service]
ExecStart=/usr/local/bin/jupyterhub -f /etc/jupyterhub/config.py
[Install]
WantedBy=multi-user.target
还需要复制之前的配置文件
sudo mkdir -p /etc/jupyterhub
sudo cp jupyterhub_config.py /etc/jupyterhub/config.py
第三步，启动服务
sudo systemctl daemon-reload
# 启动服务
sudo service jupyterhub start
# 看状态
sudo systemctl status jupyterhub.service
参考：https://github.com/jupyterhub/jupyterhub[3]
用户管理自己的Jupyter
我们需要掌握的一个知识点：jupyterhub会去$HOME/.local/share/jupyter/kernels 查找记录的kernels。
因此，在任何 Python[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ipykernel手动添加到 Jupyter[7] 的 Kernels 列表。以conda为例（关于conda，一定要去阅读我的https://github.com/xuzhougeng/server-management-for-bioinformatics/blob/main/conda-for-software-management.md[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python3.10的环境
conda create -n python3.10 python=3.10 ipython ipykernel
为其增加kernel
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palantir)
如果你需要安装特定的python酷库，一种是在jupyter的notebook中选择好kernel，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jupyterlab的插件，因为notebook就是一个book而已。
jupyterhub的插件功能通过pip的方式进行安装，例如python补全功能（注意pip得是对应的环境下的pip，在notebook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nodejs (≥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，jupyterhub上有一个对应的插件，叫做jupyterhub 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jupyterhub
%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OPENAI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：https://www.openai-proxy.com/[9]
