在docker中构建Jupyter

这篇博客详细介绍了如何在Docker环境中构建Jupyter Notebook。首先,需要一个支持Docker 18.03.1-ce的环境。参照官方教程,从官网下载Anaconda并基于Python镜像构建。接着,在Docker中安装Anaconda,遇到的问题如OSError: [Errno 99] Cannot assign requested address,可以参考相关教程解决。最后,通过修改配置,可以在主机上访问Jupyter Notebook。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在docker中构建Jupyter

安装环境

任何运行有Docker version 18.03.1-ce 或与之兼容的环境

参考链接

构建过程

从官网下载Anaconda

anaconda是一整套数据分析工具,其中也包含了jupyter。也是jupyter官方推荐的安装方式

mkdir jupyter
cd jupyter
wget https://repo.anaconda.com/archive/Anaconda3-5.1.0-Linux-x86_64.sh
在docker中安装anaconda

可以直接基于python镜像构建,dockerhub中的python最新版本是3.6。


                
### 启动和配置Docker中的Jupyter Notebook #### 安装与启动Docker服务 为了确保Docker服务正常运行,在Linux环境下需启用并启动Docker服务。这可以通过下面的命令完成: ```bash sudo systemctl enable docker sudo systemctl start docker ``` 上述操作会设置Docker随系统启动自动开启,并立即启动该服务[^1]。 #### 配置Jupyter Notebook环境 对于希望在已有Docker环境中安装Jupyter Notebook的情况,默认假设已进入Docker容器内部,此时可通过Python包管理工具`pip`来安装Jupyter Notebook: ```bash pip install jupyter notebook # 或者使用 pip3 如果默认版本不是 Python 3 pip3 install jupyter notebook ``` 考虑到网络状况可能导致下载速度较慢,建议更换国内源以加速安装过程[^3]。 #### 获取预构建Jupyter镜像 为了避免手动安装依赖项以及简化部署流程,推荐直接拉取官方维护好的Jupyter Docker镜像。例如,选择功能较为全面的数据科学专用镜像`jupyter/datascience-notebook`: ```bash docker pull jupyter/datascience-notebook ``` 此镜像是基于基础notebook镜像构建而成,包含了大量常用数据处理库和支持多种编程语言的能力[^4]。 #### 运行带有Jupyter的服务容器 一旦获取所需镜像之后,便可以创建一个新的容器实例并将主机端口映射至容器内的对应服务端口上。这里指定将宿主机8888端口转发给容器里的相同编号端口用于提供Web界面访问: ```bash sudo docker run -d -p 8888:8888 jupyter/base-notebook ``` 这条指令会在后台模式(`-d`)下启动一个新容器,使得外部能够通过浏览器连接到正在监听于8888端口上的Jupyter Notebook应用[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值