Jupyter：笔记本 AI IDE
Jupyter Lab 是基于 IPython Notebook 的完整数据科学研发环境，可用于数据分析与可视化。
Pigsty 提供了 Docker Compose 模板，可以一键在容器中启动 Jupyter Lab 服务，并方便地访问 PostgreSQL 数据库。
快速开始
在 Pigsty 软件模板目录中提供了 Jupyter 的 Docker Compose 配置文件：
cd ~/pigsty/app/jupyter
修改默认密码，编辑 .env 文件中的 JUPYTER_TOKEN 参数（默认值为 pigsty）。
创建数据目录并启动服务：
make dir # 创建 /data/jupyter 目录并设置权限
make up # 使用 Docker Compose 启动服务
访问 Jupyter Lab：
- 默认地址： http://lab.pigsty
- 备用地址： http://10.10.10.10:8888
- 默认 Token：
pigsty
管理命令
Pigsty 提供了便捷的 Makefile 命令来管理 Jupyter 服务：
make up # 启动 Jupyter Lab 服务
make dir # 创建 /data/jupyter 数据目录
make log # 查看容器日志
make info # 显示服务信息
make stop # 停止服务
make clean # 停止并移除容器
make pull # 拉取最新镜像
make save # 保存 Docker 镜像到文件
make load # 从文件加载 Docker 镜像
访问 PostgreSQL 数据库
在 Jupyter Lab 中访问 PostgreSQL 数据库需要先安装驱动。
在 Jupyter Lab 的 Terminal 中执行：
pip install psycopg2-binary psycopg2
然后在 Notebook 中使用 psycopg2 驱动访问 PostgreSQL：
import psycopg2
# 连接到 PostgreSQL 数据库
conn = psycopg2.connect('postgres://dbuser_meta:DBUser.Meta@10.10.10.10:5432/meta')
# 执行查询
cursor = conn.cursor()
cursor.execute("SELECT date, new_cases FROM covid.country_history WHERE country_code = 'CN';")
data = cursor.fetchall()
# 处理数据
for row in data:
print(row)
你也可以使用其他 Python 数据分析库，如 Pandas、SQLAlchemy 等：
import pandas as pd
from sqlalchemy import create_engine
# 使用 SQLAlchemy 连接
engine = create_engine('postgresql://dbuser_meta:DBUser.Meta@10.10.10.10:5432/meta')
# 使用 Pandas 读取数据
df = pd.read_sql("SELECT * FROM covid.country_history WHERE country_code = 'CN'", engine)
print(df.head())
配置说明
Jupyter 服务的配置在 .env 文件中：
JUPYTER_TOKEN=pigsty # Jupyter Lab 访问 Token（密码）
如果需要修改端口或其他配置，可以编辑 docker-compose.yml 文件：
services:
jupyter:
image: jupyter/scipy-notebook:latest
ports:
- "8888:8888"
volumes:
- /data/jupyter:/home/jovyan/work
environment:
- JUPYTER_TOKEN=${JUPYTER_TOKEN}
安装额外的 Python 包
Jupyter 容器支持使用 pip 或 conda 安装 Python 包。
在 Jupyter Lab 的 Terminal 中执行：
# 使用 pip 安装
pip install numpy pandas matplotlib seaborn scikit-learn
# 使用 conda 安装
conda install -c conda-forge geopandas
# 使用国内镜像加速（可选）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
数据持久化
Jupyter 的数据存储在 /data/jupyter 目录中，该目录会被挂载到容器的 /home/jovyan/work 路径。
所有保存在 work 目录下的 Notebook 和数据文件都会持久化保存在宿主机上，即使容器重启或删除也不会丢失。
安全建议
强烈建议修改默认的 Token（密码）！
- 编辑
.env文件，修改JUPYTER_TOKEN的值 - 重启服务：
make up
如果在生产环境中使用 Jupyter Lab，还应该：
- 使用强密码或禁用 Token 认证
- 配置 HTTPS 访问
- 限制网络访问权限
- 定期备份数据目录
相关链接
- Jupyter 官方文档： https://jupyter.org/documentation
- Docker Stacks 仓库： https://github.com/jupyter/docker-stacks
- Pigsty 软件模板： https://github.com/Vonng/pigsty/tree/main/app