搭建基于 Anaconda 管理的多用户 JupyterHub 平台

情况：计算工作站放在实验室，多个同学需要接入使用，且需要各自独立的环境，并使用 Jupyter notebook 平台以方便协作。

步骤

1. 安装 Anaconda

由于是多人环境，应调用 root 权限在安装过程中指定安装到 /opt/anaconda/ 路径下，这样所有用户均可读，但无法直接在 base 环境下安装模块。

为了让每个用户都能访问到 conda，需要逐个在用户的 .bashrc 文件中加入 export PATH='/opt/anaconda:$PATH'。

JupyterHub 是 Jupyter notebook 的多用户版本，每个用户可以通过自己的系统用户名和密码登录到个人独立的 Jupyter notebook 中，这样不同人的代码和数据都保存于其自己的用户目录下，同时用户的资源消耗和管理也更清晰简单，非常适合单机多用户的需求。

在 Anaconda 的 base 环境下安装 JupyterHub，注意 base 环境只有 root 可写。

(base)$ sudo conda install JupyterHub

在 base 环境下启用 JupyterHub 时亦需要通过 root，否则将会启用单用户模式，导致其他用户无法登陆。

(base)$ sudo jupyterhub

通过 conda create 创建的环境并不会默认显示在 JupyterHub 的 kernel 选项中，需要安装依赖。

(base)$ sudo conda install nb_conda_kernels

每个用户开始使用时，需要先建立自己的个人环境，注意由于是建立个人环境，因此该环境会写入 ~/.conda下，故不再需要 root 权限，且每个用户都可以随意安装需要的 python 模块

$ conda create --name crew

2. 建立好后，进入个人环境并安装 JupyterHub kernel

(base)$ source activate crew # 激活个人环境，注意下一行环境标识符发生变化
(crew)$ conda install ipykernel

3. 安装所需的模块，这样模块会被安装到用户的个人环境下，不会对 base 环境或其他用户的环境造成影响，且一个用户可以创建多个相互独立的环境

(crew)$ pip install numpy # or use conda install numpy

4. 访问 JupyterHub，此时可以在页面中选择所创建的个人环境的 kernel

实际尝试

由于可能每个同学都需要使用 tensorflow 或 keras 等深度学习模块，因此我在 base 环境中预先安装好了这些模块，这样在进行深度学习时不需要费劲地重新安装模块。
如果同学需要安装自己的模块，则可以直接从 base 环境新建一个个人环境，个人环境会继承 base 环境已有的模块

$ conda create -n crew

$ conda create -n crew python=3.6