dstudio
dstudio 是一个在 jupyterlab 科学计算容器的基础上配置了登陆管理、rstudio server 与 shiny server 环境的 docker 容器。极大的简化了在线建模分析展示平台的搭建。部署在服务器上之后，支持多用户通过浏览器远程登陆 R 、Python 与 Julia 计算环境，并部署 shiny 服务，一方面可以充分利用服务器的计算资源，另一方面便于团队内成员建模分析环境的配置与管理。需要说明的是 rstudio server Pro 提供了更为全面的功能与服务。本项目主要是提供了一个开箱即用的免费开源选项。
如何开始
首先需要配置 docker 环境，其安装过程参见 docker 在线文档。
下载 docker image
配置好 docker 环境之后，如果服务器能够直接连接互联网，在终端中运行以下代码即可直接从 dockerhub 下载使用到的两个 docker image；如果没有互联网连接，可以先下载之后保存为离线文件，再拷贝至服务器加载。
# 直接下载 dstudio_hub 和 dstudio_lab image
docker pull shichenxie/dstudio_hub:1.5.0
docker pull shichenxie/dstudio_lab:ds1.5.0
# 保存为离线文件
# docker save shichenxie/dstudio_hub:1.5.0 -o ~/Downloads/dstudio_hub.tar
# docker save shichenxie/dstudio_lab:ds1.5.0 -o ~/Downloads/dstudio_lab.tar
# 加载本地的 image
# docker load --input dstudio_hub.tar
# docker load --input dstudio_lab.tar
启动服务
该服务通过 docker compose 启动。首先在服务器中下载 docker-compose.yml 文件，该文件在本项目的根目录中已经提供了，可以通过命令行下载，或者直接手动复制保存。然后在 terminal 中进入保存了该文件的目录，并运行以下代码就启动服务了，最终实现浏览器访问了。如果部署在本地电脑上，访问地址为 http://localhost:8000/；如果部署在服务器上，将 localhost 替换为对应服务器的ip地址，注意服务器需要开通 8000 端口的网络访问权限。
# 下载 docker-compose.yml 文件
curl -OL https://raw.githubusercontent.com/ShichenXie/dstudio/master/docker-compose.yml --output docker-compose.yml
# 启动服务
docker-compose up -d
# 停止服务
# docker-compose down
用户登陆与新建
管理员用户
默认的管理员用户为 dstudio，该账号可以通过 docker-compose.yml 中的 HUB_ADMIN_USER 参数进行修改。管理员的密码和普通用户的一样，都需要通过点击 Signup 进入注册页面在创建用户时生成。然后点击 Login，回到登陆页输入用户名和设定的密码。登陆之后默认进入 jupyterLab 页面，可在下拉菜单 File 中退出登陆 (Log Out)，或进入管理页面 (Hub Control Panel)。
普通用户
先在登陆页面 http://localhost:8000/ 点击 Signup，进入注册页面新建用户并设定密码，假设新用户名为 test。然后由管理员审批，审批页面链接为 http://localhost:8000/hub/authorize。审批之后就完成了新用户的创建。
修改密码
用原密码登陆之后，进入 http://localhost:8000/hub/change-password 页面可以更新密码。
功能简介
用户文件
每个用户登陆之后默认进入 ～/work 文件夹，该文件夹将默认固化至 jupyterlab-user-xxx volume（xxx 为用户名），从而持久化保存用户的个人文件。在服务器的 terminal 中可通过 docker volume ls 查看所有 volume。
在 ～/work 文件夹中还有一个 share 文件夹指向 ～/share，这个文件夹内的任何修改将固化至 jupyterlab-share volume。所有用户的 share 文件夹都固化至同一个 volume，从而实现多用户之间的文件共享。
R 与 Python
主页为 jupyterlab 页面，其对应 url 为 http://localhost:8000/user/dstudio/lab，最后的 lab 修改为 rstudio 进入 rstudio server 页面，可以分别使用 Python 和 R 开展数据建模分析相关工作。而且 R 与 Python 之间是相互打通了的，在 R 环境中可使用 reticulate 包访问 Python；而在 Python 环境中可使用 rpy2 包访问 R。如果团队内有使用 Julia 也可以直接通过 jupyterlab 开展相关工作。
shiny 服务
将主页 url 最后的 lab 修改为 shiny，则能够进入 shiny 服务的页面。管理员主页上有shiny服务的按钮，不需要手动修改 url。该 shiny 服务部署在 /srv/shiny-server 文件夹，可以根据自己的需要将该文件夹更新，并固化到 docker 容器之后，所有用户就能够访问定制化的 shiny 服务了。
cron 任务
该容器还支持 cron 定时任务，在 jupyterlab 或 rstudio server 页面的 terminal 窗口中，输入 cron service start 之后，即可通过 cronR 包管理 cron 定时任务。
待完善功能
- 增加反向代理功能，例如：traefik。
- 增加集群支持，目前还只支持单服务器。
贡献与参考
如果您对本项目感兴趣，欢迎star。如果有任何想法可以提交 issue 或者 pr。
本项目适合中小型团队搭建在线建模分析平台，参考了 defeo/jupyterhub-docker 与 jupyterhub/jupyterhub-deploy-docker；对于大型团队需要集群扩展的可以参考 zero-to-jupyterhub-k8s 项目。 类似的项目还有 ShinyStudio，不过是基于 shinyproxy 开发的。
本项目参考了以下内容或项目：