文章目錄
0. 環境說明
服務器 華爲 RH2288 V3
硬件配置 Intel® Xeon® CPU E5-2650 v4 @ 2.20GHz 64位
操作系統 Ubuntu 18.04.2 LTS
軟件版本
- anaconda3 Anaconda3-2020.02-Linux-x86_64.sh
- conda 4.8.2
- python 3.8.3
- jupyterlab 2.1.5
- bokeh 2.1.1
1. 安裝配置
以下安裝過程均是在遠程連接Ubuntu服務器的情況下使用命令行安裝的。
遠程連接Ubuntu服務器命令爲
ssh [email protected]
IP地址填自己服務器地址就行。
如果是直接登錄Ubuntu系統或者是在Mac筆記本上安裝，本教程也是適用的。
如果是windows系統，可以在官網上下載anaconda安裝包，直接像安裝其他客服端一樣在圖形界面安裝就行，記得勾選添加路徑到環境變量中，這樣就不用自己配置環境變量。具體可以參考文章Windows10下安裝Anaconda3(64位)詳細過程，jupyterlab以及bokeh依然可以採用本教程進行安裝。
如果已經安裝好了anaconda3可以跳過步驟1.1，直接看後面。
如果不需要用JupyterLab可以跳過步驟1.2，直接進入1.3。
1.1 Anaconda 安裝
Anaconda是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。因爲包含了大量的科學包，Anaconda 的下載文件比較大（約 500 MB左右）。
注意安裝之前先查看一下服務器或者電腦的硬件配置，然後選擇適合的版本以及安裝路徑。
下載
去官網 https://www.anaconda.com/distribution/#download-section 找到合適版本對應的下載網址，如
https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh ，有522MB。
然後輸入以下命令下載anaconda
wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh
下載過程界面如下
下載完畢後可以在當前目錄下看到anaconda的安裝包
安裝
輸入以下命令開始安裝
bash Anaconda3-2020.02-Linux-x86_64.sh
安裝過程界面如下，開始要一直按enter確認各種協議
一直確認直到出現提醒是否接受這些協議，確認接受之後就可以看到默認安裝目錄了，這裏默認是在賬號主目錄下創建了anaconda3這個文件夾。
如果需要更換的話在 [/home/wjw/anaconda3]>>> 後面輸入指定目錄就行。
接受默認路徑的話，直接enter繼續進行，後面就是安裝各種包。這些包安裝結束後會提示是否初始化anaconda3。
配置
安裝完成後，查看一下conda和python的版本以及默認路徑，發現不是在 /home/wjw/anaconda3 下面。原因是之前已經用root賬戶在服務器上安裝過了anaconda3和python3，都在系統中 /usr/local/anaconda 路徑下，並且用戶環境變量也配置成了系統中的路徑。
此時可以看下用戶環境中的配置文件，輸入以下命令
vim ～/.bashrc
進入～/.bashrc 文件
可以看到配置文件最後面已經將anaconda3的路徑改爲了 /home/wjw/anaconda3，那麼只需要讓其生效即可。
source ～/.bashrc
可以看到conda的默認路徑已經將 /home/wjw/anaconda3/bin/conda 放在了最前面，這就意味着剛剛安裝的anaconda已經生效了。
這一部分參考了以下文章
Ubuntu下安裝Anaconda（命令行）教程
Ubuntu18.04 安裝 Anaconda3
1.2 JupyterLab 安裝
JupyterLab是Jupyter主打的最新數據科學生產工具，某種意義上，它的出現是爲了取代Jupyter Notebook。不過不用擔心Jupyter Notebook會消失，JupyterLab包含了Jupyter Notebook所有功能。特別是，最近Jupyter還推出了Debug工具，支持斷點調試等功能，效果不輸PyCharm。
創建虛擬環境並安裝
一般會創建一個新的conda虛擬環境用於開發某一工程項目，這樣可以避免不同的python庫之間產生衝突，因爲有些項目可能需要不同版本的python庫。
這裏，創建一個名爲 jupyterlab-debugger 的虛擬環境，同時安裝notebook、jupyterlab等工具，以及支持Debug功能的xeus-python、ptvsd、nodejs等包。
conda create -n jupyterlab-debugger -c conda-forge xeus-python=0.8.0 notebook=6 jupyterlab=2 ptvsd nodejs
安裝過程如下
中間會提醒一些包會被安裝，確認即可。（可以看到python-3.8.3被安裝了）
安裝完成後會提醒如何激活新創建的這一虛擬環境。
激活虛擬環境
激活新創建的虛擬環境 jupyterlab-debugger
可以看到python版本已經變爲了3.8.3，說明已經進入了虛擬環境。
打開JupyterLab
如果是直接登錄Ubuntu系統或者是在Mac筆記上安裝的話，直接輸入 jupyter lab 命令即可在瀏覽器中打開JupyterLab交互式編程環境。（如果是Mac筆記本遠程連接服務器，如本文，那麼在Mac上安裝了XQuartz的話，也可以在本地看到JupyterLab交互式界面。）
JupyterLab交互式界面如下圖所示
到這一步，就可以在JupyterLab中幹活了，既可以創建熟悉的notebook文檔，也可以打開console控制檯，還可以打開終端，創建text文件、markdown文件等等。JupyterLab中還有很多強大插件，包括前面提及的debug功能，可以參考以下文章瞭解和學習。
1.3 Bokeh 安裝
Bokeh是一個非常強大的 python 可視化庫，提供了很多精美的可視化案例，包括許多web可視化demo，官方文檔也非常詳細全面。下面是官網給出的一些web可視化案例。
Bokeh的安裝是非常簡單的。
先打開一個新的終端或者在上面打開的 JupyterLab 頁面中創建一個新的終端，要進入之前創建的虛擬環境 jupyterlab-debugger 中，這裏可能會出點問題。這一步的整個過程都截圖放在了下面，要看到python的版本變成了3.8.3以後纔算是真的進入了虛擬環境中。
之後，輸入以下命令就可以安裝Bokeh了
conda install bokeh
安裝過程中會顯示安裝路徑，同時會提醒安裝一些依賴包，如numpy, yaml等，直接同意就行。
安裝完成後，頁面顯示如下
這樣bokeh就安裝好了。
2. 啓動Web可視化應用
安裝完以上工具後，就可以在 JupyterLab 中用 Bokeh 開發 Web 可視化應用了，當然如果有已經寫好的 bokeh 應用程序，就不需要 JupyterLab 了。
本文利用 Bokeh 官網提供的demo展示一下如何啓動Web可視化應用。
2.1 上傳文件
先在Ubuntu服務器上創建一個放置應用程序的文件夾（注意要進入虛擬環境jupyterlab-debugger中）
再在本地用scp命令將要展示的應用程序打包傳到Ubuntu服務器上（之前已經將bokeh整個包都下載到本地了），這裏將官方例子中的clustering上傳到服務器上。
2.2 啓動bokeh服務
回到服務器終端這邊，可以看到clustering文件夾已經傳過來了，裏面共有三個文件，最主要的是main.py文件，theme.yaml是配置文件。
最後一步就是啓動bokeh服務了，在WebApps這一級目錄下執行如下命令
bokeh serve --show clustering
這個時候可能會報錯
2.3 安裝依賴包
如果出現上面的錯誤，說明有些包還沒有安裝好，這裏是沒有安裝 sklearn 包，先用 conda install sklearn 命令安裝，如果出現下面的錯誤，無法安裝 sklearn 包，可以換用 pip install sklearn 命令安裝。
2.4 打開Web可視化應用
安裝完所有的包後，繼續用 bokeh serve --show clustering 命令啓動bokeh服務。
此時我們可以在瀏覽器界面看到clustering可視化應用了。這是一個可視化聚類算法效果的web應用，用戶可以在界面選擇聚類程序以及數據類型，並可以設置樣本數量和類別數量。
修改一下參數可以看到圖更新了，帶有噪聲的月牙形狀數據點被劃分成六類，每類顏色不同。
到這裏整個配置過程就結束了，用戶便可以用bokeh來開發自己的web可視化應用了。
關於bokeh的使用，可以參考以下文章：
Bokeh User Guide
Bokeh繪製複雜網絡
Django上使用數據可視化利器Bokeh解析
Django-Bokeh-pandas-sklearn-tensorflow
幫到您的話點個讚唄！