Accéder au carnet de notes Jupyter fonctionnant sur un conteneur Docker

Question

J'ai créé une image docker avec les bibliothèques python et Jupyter. Je démarre le conteneur avec l'option -p 8888:8888 pour relier les ports entre l'hôte et le conteneur. Lorsque je lance un noyau Jupyter à l'intérieur du conteneur, il s'exécute sur localhost:8888 (et ne trouve pas de navigateur). J'ai utilisé la commande jupyter notebook

Mais depuis mon hôte, quelle est l'adresse IP que je dois utiliser pour travailler avec Jupyter dans le navigateur de l'hôte ?

Avec la commande ifconfig je trouve eth0 , docker , wlan0 , lo ...

Merci !

Answer 1

Vous devez faire fonctionner votre ordinateur portable sur 0.0.0.0 : jupyter notebook -i 0.0.0.0 . L'exécution sur localhost le rend disponible uniquement depuis l'intérieur du conteneur.

Answer 2

Machine hôte : docker run -it -p 8888:8888 image:version

L'intérieur du conteneur : jupyter notebook --ip 0.0.0.0 --no-browser --allow-root

La machine hôte accède à cette url : localhost:8888/tree

Lorsque vous vous connectez pour la première fois, un lien s'affiche sur le terminal pour vous connecter avec un jeton.

Answer 3

Pour obtenir le lien vers votre serveur Jupyter notebook :

Après votre docker run un lien hypertexte devrait être généré automatiquement. Il ressemble à quelque chose comme ceci : http://localhost:8888/?token=f3a8354eb82c92f5a12399fe1835bf8f31275f917928c8d2 :: /home/jovyan/work

Si vous voulez obtenir le lien à nouveau plus tard, vous pouvez taper docker exec -it <docker_container_name> jupyter notebook list .

Answer 4

Vous pouvez utiliser la commande jupyter notebook --allow-root --ip[of your container] ou donner accès à tous les ip en utilisant l'option --ip0.0.0.0 .

Answer 5

Regardez le projet Torus qui Manifold récemment mis en libre accès. Nous voulions un moyen facile pour nos ingénieurs ML de se lancer dans de nouveaux projets avec un environnement de développement cohérent pour toute l'équipe. Ce cookiecutter Python va échafauder pour vous une nouvelle structure de projet qui comprend un Dockerfile qui utilise une image de développement ML pré-cuite que nous avons placée dans Docker Hub et une configuration Docker Compose qui s'occupe de tous les transferts de ports pour vous. La configuration est écrite de manière à choisir un port ouvert sur votre machine hôte pour le transférer au serveur notebook fonctionnant sur 8888 dans le conteneur. Vous n'aurez plus à vous soucier de l'exécution de plusieurs serveurs notebook sur votre machine ! Jetez-y un coup d'oeil en espérant que cela vous sera utile !

Dépôt Github : https://github.com/manifoldai/docker-cookiecutter-data-science

Pourquoi nous l'avons construit (avec démo) : https://medium.com/manifold-ai/torus-a-toolkit-for-docker-first-data-science-bddcb4c97b52