2022 年 11 月 30 日

通过新的 Anaconda Notebooks 集成在您的服务器上运行 Jupyter

Anna Ng

3分钟

在按照您的标准管理工作流程的同时，使用他们偏好的工具来增强您的数据科学家能力。通过在您的本地部署或私有云 Anaconda Server 中紧密集成的 JupyterHub 实例（作为 Anaconda Business 计划的一部分）释放创新。

如果您在工作中使用 Jupyter，请举手！Jupyter 是一个开源项目，它提供轻量级且强大的工作流程工具，这些工具在数据科学家探索数据、数据整理和构建模型的日常任务中无处不在。Jupyter 通常从笔记本电脑或个人工作站启动并通过浏览器访问，它为数据科学家提供了一种简单的方法来启动新项目和分析。

然而，在个人用户机器上运行 Jupyter 意味着笔记本电脑中使用的数据和代码可能会逃脱您组织的网络，并且不再能够被跟踪和管理。

JupyterHub，Jupyter 针对多笔记本用户的解决方案，具有企业友好的功能，例如第三方身份验证、集中式容器部署等。对于正在跨团队扩展其数据科学学科的组织而言，实施 JupyterHub 可以帮助打破工作流程孤岛。但是，正确设置和维护自托管的 JupyterHub 实例可能令人生畏、复杂且 problematic。

IT 部门的考虑事项清单

公司资产的管理和治理 → 不希望泄漏！
防火墙保护和安全风险 → 不能被黑客入侵！
提供对高级计算资源的访问 → 不希望减慢重要的工作！
跨实例和计划作业的计算资源管理 → 不希望意外超出我们的预算！
组织内跨项目和环境的访问权限 → 不希望成为不必要的阻碍！

数据科学工作流程的复杂程度以及所需的相应治理程度对于每个组织的技术堆栈和行业标准而言都是独一无二的。此外，数据科学家有不同的工作流程偏好！从我们的年度数据科学状况报告中，很明显数据科学家在其工作流程中针对不同的任务使用各种工具。很大一部分报告在其工作场所当前使用面向企业的工作流程解决方案（如 PowerBI 和 DataBricks）的受访者也报告了当前使用轻量级、基于浏览器的工具。

此外，组织经常报告缺乏对其数据科学家在其工作流程中使用的软件的可见性和控制。如果没有可信、安全的数值和科学软件库来源以及足够的治理控制，组织可能会遇到一系列安全问题。最终，处理高度敏感数据并希望实现对其数据和 IP 的铁甲保护的公司可能需要考虑将工作流程迁移到本地部署（在您的防火墙之后）或物理隔离（完全离线）。

JupyterHub + IT 部门批准的渠道 + 环境 = 不间断的工作流程

一个月前，我们推出了云托管的Anaconda Notebooks，现在，我们将 Anaconda Notebooks 作为 Anaconda Business 计划（我们的本地部署存储库解决方案）的附加组件带给我们的本地部署客户。

我们 Anaconda Notebooks 的本地部署实施是一个紧密集成的 JupyterHub 实例，它为 IT 部门提供了他们需要的公司资产的所有权和治理权，并为数据科学家提供了他们喜欢的工具。最好的部分是什么？您无需做任何事情！

通过 Anaconda Notebooks 附加组件，我们的团队为您的组织设置一个集中的 JupyterHub 实例，而无需任何设置或维护方面的麻烦。身份验证、共享环境、存储和对计算资源的访问都由我们的团队为您设置。此外，由任何已配置的 Server 用户启动的所有 JupyterHub 实例都将自动配置为使用来自您的 Anaconda Server 的安全且可信的软件包。

Anaconda Server 是一个本地部署或私有云存储库，作为 Anaconda Business 计划的一部分，它支持第三方软件包托管，并具有渠道管理、软件许可证和安全执行以及用户访问控制功能。