khabel/rstudio-notebook

镜像概述

本镜像集成了Jupyter Notebook和RStudio工具，可作为JupyterHub平台的可选镜像，为用户提供同时支持Python和R语言的数据分析环境，适用于数据科学研究和开发场景。

核心功能

1. 内置Jupyter Notebook，支持Python代码的编写、运行和可视化；
2. 包含RStudio，方便R语言的数据分析、统计建模和脚本开发；
3. 可在JupyterHub中配置为可选镜像，允许用户自定义CPU核心数和内存资源。

使用场景

适用于需要同时使用Python和R语言进行数据分析、数据挖掘、机器学习建模的个人或团队，可作为JupyterHub平台上的标准化数据分析环境选项。

配置说明

在JupyterHub的配置文件jupyterhub_config.py中，通过定义Spawner类添加该镜像作为可选选项。示例配置代码如下：

python
class Spawner(SwarmSpawner):
    def _options_form_default(self):
        return """
        <label for="stack">选择镜像栈: </label>
        <select name="stack" size="1">
        <option value="khabel/base-notebook">analytics-base-cpu (Python)</option>
        <option value="khabel/rstudio-notebook">analytics-base+rstudio-cpu (Python+Rstudio)</option>
        <option value="khabel/scipy-notebook">datascience-adv+rstudio-cpu (Python+Rstudio) </option>
        <option value="khabel/deepln-notebook">deeplearning+rstudio-cpu (Tensorflow+Pytorch+Rstudio)</option>
        </select><br>
        <label for="cpu">选择CPU核心数: </label>
        <select name="cpu" size="1">
        <option value="2">2核</option>
        <option value="3">3核</option>
        <option value="4">4核</option>
        </select><br>
        <label for="memory">选择内存: </label>
        <select name="memory" size="1">
        <option value="6G">6 GB</option>
        <option value="8G">8 GB</option>
        <option value="10G">10 GB</option>
        <option value="12G">12 GB</option>
        </select>
        """

    def options_from_form(self, formdata):
        options = {}
        options['stack'] = formdata['stack']
        container_image = ''.join(formdata['stack'])
        print("SPAWN: " + container_image + " IMAGE" )
        self.container_image = container_image
        options['cpu'] = formdata['cpu']
        container_cpu = ''.join(formdata['cpu'])
        print("SPAWN: " + container_cpu + " cpu" )
        self.cpu_limit = float(container_cpu)
        options['memory'] = formdata['memory']
        container_memory = ''.join(formdata['memory'])
        print("SPAWN: " + container_memory + " memory" )
        self.mem_limit = container_memory
        return options

配置完成后，用户在JupyterHub启动环境时可选择该镜像，并设置所需的CPU和内存资源。 ===END===