JupyterLab на VPS: установка и настройка 24/7

Сайты и веб-серверы
JupyterLab на VPS: установка и настройка 24/7

Ноутбук на локальной машине живёт ровно до тех пор, пока вы не закрыли крышку ноутбука: обучение модели прерывается, длинный парсинг падает, а результаты недоступны с планшета или рабочего компьютера. JupyterLab на VPS решает все три проблемы сразу — вычисления идут круглосуточно, окружение не зависит от вашего железа, а доступ к ноутбукам есть из любого браузера. В этой статье пошагово установим JupyterLab на сервер, защитим его паролем и HTTPS, оформим как systemd-сервис и разберём типичные грабли. Всё проверено на Ubuntu 22.04/24.04, но подойдёт и для Debian.

Зачем выносить Jupyter на сервер

Локальный Jupyter хорош для быстрых экспериментов, но у выделенного сервера есть системные преимущества:

  • Долгие задачи. Обучение модели на 6 часов, ночной парсинг, бэктест стратегии — всё это продолжает работать после того, как вы отключились.
  • Единое окружение. Версии Python, библиотек и данных живут в одном месте; не нужно синхронизировать зависимости между рабочим и домашним компьютером.
  • Доступ отовсюду. Открыли браузер — продолжили с того места, где остановились. Работает даже с планшета.
  • Ресурсы по требованию. Pandas, который упирается в 8 ГБ RAM ноутбука, спокойно разворачивается на VPS с 16–32 ГБ.
  • Быстрый диск. NVMe-накопители на VPS читают датасеты в разы быстрее типичного ноутбучного SSD, что заметно на файлах в десятки гигабайт.

Какой VPS нужен для JupyterLab

Jupyter сам по себе лёгкий, но ресурсы съедают ядра (kernels) с загруженными данными. Ориентируйтесь на объём датасетов: pandas обычно требует 3–5 объёмов файла в оперативной памяти.

СценарийvCPURAMДискПодходящий тариф
Учёба, небольшие CSV до 1 ГБ68 ГБ96 ГБStart — 450₽/мес
Рабочая аналитика, датасеты 2–5 ГБ, sklearn1216 ГБ128 ГБPro — 750₽/мес
Тяжёлый feature engineering, LightGBM/XGBoost на больших выборках2032 ГБ192 ГБUltra — 1500₽/мес

Для большинства задач анализа данных оптимален Pro: 12 vCPU ускоряют n_jobs=-1 в scikit-learn и параллельные операции в polars, а 16 ГБ RAM хватает на датафреймы в несколько гигабайт. Все тарифы Cheap-Host — это KVM-виртуализация с NVMe-дисками в Москве, сервер выдаётся за 45–60 секунд.

Шаг 1. Подготовка сервера и пользователя

Работать под root — плохая идея: любой запущенный из ноутбука код получит полные права. Создаём отдельного пользователя:

apt update && apt upgrade -y
adduser jupyter
usermod -aG sudo jupyter
su - jupyter

Ставим системные зависимости:

sudo apt install -y python3 python3-venv python3-pip build-essential

Шаг 2. Установка JupyterLab в изолированное окружение

Ставить JupyterLab в системный Python нельзя — конфликты зависимостей гарантированы. Используем venv (подробно про изоляцию окружений и быстрый менеджер uv мы писали в статье Python-окружения: venv и uv):

mkdir -p ~/lab && cd ~/lab
python3 -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install jupyterlab pandas numpy matplotlib scikit-learn

Проверим, что всё встало:

jupyter lab --version

Шаг 3. Пароль и конфигурация

Открытый в интернет Jupyter без пароля — это удалённое выполнение кода для любого желающего. Генерируем конфиг и хэш пароля:

jupyter lab --generate-config
jupyter lab password

Пароль сохранится в ~/.jupyter/jupyter_server_config.json. Теперь правим основной конфиг ~/.jupyter/jupyter_lab_config.py — ключевые строки:

cat >> ~/.jupyter/jupyter_lab_config.py <<'EOF'
c.ServerApp.ip = '127.0.0.1'        # наружу отдаст Nginx
c.ServerApp.port = 8888
c.ServerApp.open_browser = False
c.ServerApp.root_dir = '/home/jupyter/lab/notebooks'
EOF
mkdir -p ~/lab/notebooks

Обратите внимание: Jupyter слушает только 127.0.0.1. Наружу его будет отдавать Nginx с HTTPS — так пароль не летит по сети открытым текстом.

Шаг 4. systemd-сервис: Jupyter переживает перезагрузки

Запуск в tmux — временное решение. Правильный способ — systemd-юнит, который стартует при загрузке сервера и перезапускает Jupyter при падении:

sudo tee /etc/systemd/system/jupyterlab.service > /dev/null <<'EOF'
[Unit]
Description=JupyterLab
After=network.target

[Service]
Type=simple
User=jupyter
Group=jupyter
WorkingDirectory=/home/jupyter/lab
ExecStart=/home/jupyter/lab/.venv/bin/jupyter lab
Restart=on-failure
RestartSec=5
MemoryMax=14G

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl daemon-reload
sudo systemctl enable --now jupyterlab
sudo systemctl status jupyterlab

Параметр MemoryMax=14G (для тарифа Pro с 16 ГБ) не даст разросшемуся ядру утащить сервер в OOM: systemd убьёт процесс раньше, чем ляжет SSH.

Шаг 5. Nginx и HTTPS

Ставим Nginx и выпускаем сертификат Let's Encrypt (нужен домен, направленный A-записью на IP сервера):

sudo apt install -y nginx certbot python3-certbot-nginx

Конфиг с поддержкой WebSocket — без него ядра Jupyter не будут подключаться:

# /etc/nginx/sites-available/jupyter — синтаксис nginx, сохраните как есть
server {
    listen 80;
    server_name lab.example.com;

    location / {
        proxy_pass http://127.0.0.1:8888;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_http_version 1.1;
        proxy_read_timeout 86400;
        client_max_body_size 200M;
    }
}

Активируем и получаем сертификат:

sudo ln -s /etc/nginx/sites-available/jupyter /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx
sudo certbot --nginx -d lab.example.com

Готово: https://lab.example.com открывает JupyterLab с формой пароля. Директива proxy_read_timeout 86400 важна — иначе Nginx будет рвать WebSocket-соединения долгих вычислений через минуту простоя.

Альтернатива: JupyterLab в Docker

Если на сервере уже крутятся другие сервисы, удобнее изолировать Jupyter в контейнере. Официальные образы jupyter/scipy-notebook включают весь научный стек из коробки:

# docker-compose.yml
services:
  jupyterlab:
    image: quay.io/jupyter/scipy-notebook:latest
    container_name: jupyterlab
    restart: unless-stopped
    ports:
      - "127.0.0.1:8888:8888"
    volumes:
      - ./notebooks:/home/jovyan/work
    environment:
      - JUPYTER_ENABLE_LAB=yes
    mem_limit: 14g

Nginx-конфиг из шага 5 подходит без изменений. Как поставить сам Docker и не наступить на грабли с сетями и volume — в отдельном руководстве Docker на VPS.

Полезные привычки для «серверного» Jupyter

  • Версионируйте ноутбуки. Каталог ~/lab/notebooks — отличный кандидат на git-репозиторий; собственный удалённый origin поднимается за пять минут, см. свой Git-сервер на Gitea.
  • Чистите ядра. Вкладка «Running Terminals and Kernels» показывает забытые ядра, каждое из которых держит память. Закрывайте их после долгих задач.
  • Ставьте библиотеки из ноутбука правильно: %pip install polars вместо !pip install — магическая команда гарантированно попадёт в окружение текущего ядра.
  • Снимайте нагрузку заранее: htop и df -h раз в неделю уберегут от внезапно закончившегося диска из-за кэшей датасетов.

Частые вопросы

Можно ли запустить JupyterLab без домена, по голому IP?

Можно: укажите в конфиге c.ServerApp.ip = '0.0.0.0' и откройте порт 8888 в файрволе. Но тогда не будет HTTPS от Let's Encrypt, и пароль пойдёт по сети в открытом виде. Компромисс без домена — SSH-туннель: ssh -L 8888:127.0.0.1:8888 jupyter@IP, после чего Jupyter открывается на http://localhost:8888 через шифрованный канал.

Сколько пользователей выдержит один сервер?

Однопользовательский JupyterLab технически позволяет работать нескольким людям под одним паролем, но они будут мешать друг другу. Для команды от 3 человек смотрите в сторону JupyterHub — он выдаёт каждому отдельный процесс. На тарифе Ultra (20 vCPU, 32 ГБ) комфортно работают 3–5 аналитиков с умеренными датасетами.

Ноутбук отваливается при долгих вычислениях — что делать?

Три типичные причины: Nginx рвёт WebSocket (лечится proxy_read_timeout 86400), ядро убито из-за нехватки памяти (смотрите dmesg | grep -i kill и лимит MemoryMax), либо браузер ушёл в сон — само вычисление при этом продолжается, просто переоткройте вкладку и проверьте вывод.

Подойдёт ли NAT VPS за 59₽ для Jupyter?

Формально JupyterLab запустится и там, но для анализа данных NAT-тарифы не предназначены: pandas и sklearn упираются в память и CPU. NAT VPS хороши для лёгких задач — ботов, вебхуков, git-репозиториев. Для ноутбуков берите KVM-тарифы от Start и выше.

Как обновлять JupyterLab?

В venv: source ~/lab/.venv/bin/activate && pip install -U jupyterlab, затем sudo systemctl restart jupyterlab. В Docker: docker compose pull && docker compose up -d. Ноутбуки и данные при этом не затрагиваются.

Запустите свой Jupyter за минуту

JupyterLab на собственном сервере — это вычисления 24/7, единое окружение и доступ из любого браузера. Для рабочей аналитики оптимален тариф Pro за 750₽/мес: 12 vCPU, 16 ГБ RAM и 128 ГБ NVMe — быстрый диск заметно ускоряет чтение больших датасетов, а запаса памяти хватает на серьёзные датафреймы. Сервер в Москве выдаётся за 45–60 секунд. Заказать VPS можно на сайте Cheap-Host — через пару минут после оплаты у вас будет собственная лаборатория данных.

Читайте также