写在前面
rancher是最近比较热门的也比较新的东西，是一个开源的企业级的全栈化容器部署与管理平台，其实就是图形化界面式的管理docker和k8s的web服务，操作很傻瓜式，但想完全上手还是需要掌握docker与k8s的一些相关概念的，而且rancher相关的博客比较少，还是有一定难度。最近在老师手把手的指导下（非常感谢任老师~）从无到有地搭了一次分布式集群，并且想尝试在分布式集群上面跑一些深度学习任务，因此需要在rancher上运行jupyter notebook，于是写这篇博客记录一下是如何操作的，给大家避一些坑，也希望能给后来人提供一点点台阶吧。
本文禁止以任何形式转载，违者必追究法律责任！！！
一、创建工作负载
关于如何在服务器上搭rancher，以及rancher如何调用nvidia的gpu，以后有机会再补上吧，这里假设大家已经搭好了rancher。登录进rancher之后，大概是这样的界面：
然后进入集群的某一个项目里，比如这里是进入gpu-demo集群的Default项目里，如下图。一般不要去动System项目，里面运行的都是系统文件。
然后进来之后长下图这样，默认命名空间里的xwh是我调试好的工作负载，这里我们重新做一个，点右上角的部署服务：
第一步，设置名称，我这里设置的是blogtest；类型默认即可，后续还可以再加Pod；Docker镜像输入ubuntu:18.04，这里的docker镜像可以去docker hub上面搜索，然后按一定的格式在这个选项输入就可以，这里拉取了一个ubuntu操作系统18.04版本镜像（更高的版本应该也可以，但16.04不行，因为16.04默认下载的python3是3.5.几的版本，但是ipython至少要求3.6以上。这些都是踩过的坑啊，把泪目打在弹幕上！啊，没弹幕？那没事了）；命名空间可以使用已有的也可以新建，注意和后续某些操作对应即可。
第二步，添加端口映射。不做这个映射的话，能启动jupyter notebook但是无法访问notebook的web界面（这个坑我爬了很久）。
端口名称随意，容器端口设置为8888，这个端口应该是jupyter的默认端口，不过后续也可以查得到，待会再说。如果你需要在一个pod里启动多个notebook，就需要做更多的容器端口映射，比如8889，8890，但我个人更加建议创建多个Pod来满足多个用户使用notebook的需求。协议TCP，网络模式NodePort，主机监听端口这里设置为30010，主机监听端口是我们后面进入notebook的web界面重要“门牌号”，不能冲突，范围是30000-32767。
然后拉到最下面，点启动即可。然后会发现命名空间下多了一个工作负载，正在启动：
进入这个工作负载，可以看到有一个Pod正在拉取镜像，稍等片刻：
主机这里可以看到rancher给你分配了集群中的哪个节点，比如这里分配给我们的是Node2，待会要使用这个节点的ip进入notebook的web界面。这里为了保护隐私，隐去了外网ip，使用内网ip做实验：
几分钟后，可以看到镜像已经拉好了，生成了相应的容器，已经运行在Pod里了。
二、挂nas存储
当然也可以做其他存储方式，比如云存储什么的，如果不做存储，那么你在jupyter上写的代码文件与上传的数据集，会随着工作负载或者Pod的重启而消失，我个人对此的理解是，Pod使用的是虚拟存储，它圈了一块node2这台服务器上的物理存储出来，在上面建立了虚拟的目录与空间，所以一旦关闭就会释放掉，因此我们要将这个虚拟目录与物理存储做一个映射，将我们的.ipynb代码文件与数据集保存下来。没有这个需求的可以跳到第三步安装Jupyter环境去。
首先回到gpu-demo集群的概览界面：
然后点存储下拉里的持久卷（PV）：
然后点右上角添加PV：
名称随意；卷插件选择 NFS Share；容量看你用作存储的服务器有多大存储，自行设置；路径要写 用作存储的服务器的真实物理目录，这里是/images_harbor，视自己情况而定；服务器这里填入你用作存储的服务器的ip；其他默认即可，点击保存：
可以看到，多了一个可使用的PV：
回到我们的default项目中去：
然后点击工作负载旁边的PVC：
点右上角添加PVC：
名称随意；命名空间要与刚才在哪建立的工作负载对应起来，这里是default；选择使用现有的持久卷（PV），右边下拉选择刚才我们建立的blogtest这个PV；其他默认即可，点创建：
可以看到多了一个blogtest的PVC：
回到我们的工作负载界面，然后点blogtest这一行右边的三个点，下拉里点编辑：
在数据卷设置里，点添加卷：
选择使用已有的PVC：
卷名随意；PVC下拉里选择我们刚才建立的blogtest PVC；容器路径要注意，首先必须你当前这个Pod里要有这么个路径（又一坑），其次我们在使用notebook时，.ipynb代码文件也要保存在这个目录下，不然是无法做到存储的，这里设置为/mnt；然后点升级即可：
可以看到在更新了：
三、安装jupyter环境
进入我们的blogtest工作负载：
在当前运行的Pod这一行右边的三个点下拉里选择 执行命令行：
这里就可以运行Linux命令了，首先可以看一下当前我们在哪个目录下，并查看当前目录下有哪些子文件夹，其中就包含了我们刚才设置的/mnt：
然后运行apt-get update与apt-get upgrade更新一下apt的源与包（ubuntu维护了自己的一个软件仓库）：
运行apt-get install -y python3来下载python3：
完成之后，看一下python的版本来验证是否安装成功（如果没成功，再运行一下上面的下载命令），这里是成功了：
接着运行apt-get install -y python3-pip来下载pip：
看一下pip3，成功了，（如果没成功，还是一样，再运行一遍上面的下载命令）：
然后用pip3来下载我们的jupyter：
稍等片刻，查看Jupyter版本，可以看到安装成功了：
还需要再安装一个Linux常用的vim来修改文件，马上就要用到它：
由于我们是远程访问，并不是本地使用jupyter，所以还需要改一下配置文件（又是一个坑，泪目）。输入jupyter notebook --generate-config：
然后使用刚才下载的vim进入这个文件：
找到这么一行：
修改为（单引号里面是*）：
这样任何主机都可以访问了。PS：其实在这个文件里能修改很多默认设置，比如设置默认的jupyter notebook端口，设置登录密码等：
然后我们运行jupyter notebook --allow-root来启动jupyter notebook，因为我们现在是root用户一定要加上–allow-root来允许root用户登录（坑啊）：
可以看到已经启动成功了，127.0.0.1是jupyter的ip，忽视掉即可；8888即jupyter启动时默认使用的容器端口，这个端口要和我们之前做的端口映射对应起来，不然是无法访问的，也可以在刚才的配置文件里找到那一行命令，修改默认端口避免端口冲突；token=后面的就是密钥了，复制下来，然后在浏览器输入 你的节点ip：主机监听端口，我这里是11.11.11.242:30010：
然后弹出登录界面，我们在最下面的Token粘贴上刚才复制的密钥，并设置登陆密码：
Log in 之后看到jupyter notebook已经可以使用了：
最后，我们来验证一下存储是否挂载成功，首先进入存储服务器，查看挂载nas存储里设置的路径下有哪些文件：
然后回到我们的jupyter界面，进入mnt文件夹：
看到已有的文件正是我们存储服务器中images_harbor文件夹里的文件，十有八九是挂上了。然后我们创建一个新的Python3文件，修改名字：
退出来，在/mnt下保存成功了：
再回到存储服务器上来，看一下在这里是否保存成功：
OK，大功告成！！！
写在后面
首先，这项工作其实并没有完全做完，因为一旦重启，我们的代码和数据集是保存下来了，但是镜像并没有保存，什么意思呢？就是如果重启或者新建一个Pod，它拉的镜像还是ubuntu镜像，我们需要把整个第三步再做一遍来配置环境，而且这里我们还没有pip下载需要的一些python库，所以重新做一遍其实工作量还是不小的。如何解决？建立私有的镜像仓库，然后把这个做好的镜像推上去，或者直接推到docker hub上，然后拉这个新镜像即可。
可能有人就会问，为什么不直接拉一个jupyter notebook的镜像？那这里就是另一个天坑了，我在docker hub上搜索jupyter镜像：
比如这里第一个jupyter/datascience-notebook镜像，你把它拉下来之后，会发现默认是一个user账户，而且无法切换到root账户，因为你不知道password，我查了一下它的文档，关于这方面是这么写的，大家自己感受：
但这个user账户也可以下载我们需要的依赖和库，那么问题会出在哪？当你挂好存储之后，你会发现你无法在你挂载的文件夹里新建文件，因为你权限不够！所以如果没有存储需求的用户，当然可以直接拉上面这个镜像，只需要做8888的容器映射，不需要再运行其他命令，启动时已经默认启动Jupyter Notebook了，可以在日志里查看到token，打开浏览器输入ip:主机监听端口即可。
如何在rancher上运行jupyter botebook这个看起来半个小时就能搞定的任务，我大概用了十天才摸索出来，踩了很多坑，属实不易，记得点赞~~~