Schnellstart: Einrichten von Data Science Virtual Machine für Linux (Ubuntu)

  • Artikel

Schneller Einstieg in Ubuntu 20.04 Data Science Virtual Machine und Azure DSVM for PyTorch.

Voraussetzungen

Um eine Ubuntu 20.04 Data Science Virtual Machine oder eine Azure DSVM for PyTorch zu erstellen, müssen Sie über ein Azure-Abonnement verfügen. Testen Sie Azure kostenlos.

Hinweis

Kostenlose Azure-Konten unterstützen keine GPU-fähigen VM-SKUs.

Erstellen Ihrer Data Science Virtual Machine für Linux

Im Folgenden finden Sie die Schritte zum Erstellen einer Instanz der Ubuntu 20.04 Data Science Virtual Machine oder der Azure DSVM for PyTorch:

  1. Öffnen Sie das Azure-Portal. Falls Sie sich noch nicht bei Ihrem Azure-Konto angemeldet haben, erhalten Sie ggf. eine entsprechende Aufforderung.

  2. Suchen Sie nach der Liste mit den virtuellen Computern, indem Sie „Data Science Virtual Machine“ eingeben und „Data Science Virtual Machine – Ubuntu 20.04“ oder „Azure DSVM for PyTorch“ auswählen.

  3. Wählen Sie im nächsten Fenster Erstellen aus.

  4. Sie sollten auf das Blatt „Virtuellen Computer erstellen“ umgeleitet werden.

  5. Geben Sie die folgenden Informationen ein, um die einzelnen Schritte des Assistenten zu konfigurieren:

    1. Grundlagen:

      • Abonnement: Falls Sie über mehrere Abonnements verfügen, müssen Sie das Abonnement auswählen, unter dem der Computer erstellt und abgerechnet werden soll. Sie müssen für dieses Abonnement über Berechtigungen zum Erstellen von Ressourcen verfügen.

      • Ressourcengruppe: Erstellen Sie eine neue Gruppe, oder verwenden Sie eine bereits vorhandene.

      • Name des virtuellen Computers: Geben Sie den Namen des virtuellen Computers ein. Dieser Name wird im Azure-Portal verwendet.

      • Region: Wählen Sie das am besten geeignete Rechenzentrum aus. Den schnellsten Netzwerkzugriff erreichen Sie mit dem Datencenter, in dem der größte Teil Ihrer Daten gespeichert ist oder das Ihrem physischen Standort am nächsten ist. Informieren Sie sich über die Azure-Regionen.

      • Image: Behalten Sie den Standardwert bei.

      • Size: Diese Option sollte automatisch mit einer Größe ausgefüllt werden, die für allgemeine Workloads geeignet ist. Lesen Sie mehr zu Linux-VM-Größen in Azure.

      • Authentifizierungstyp: Wählen Sie für eine schnellere Einrichtung die Option „Kennwort“ aus.

        Hinweis

        Wenn Sie JupyterHub verwenden möchten, achten Sie darauf, dass „Kennwort“ ausgewählt ist, da JupyterHub nicht für die Verwendung von öffentlichen SSH-Schlüsseln konfiguriert ist.

      • Benutzername: Geben Sie den Benutzernamen des Administrators ein. Sie verwenden diesen Benutzernamen, um sich bei Ihrem virtuellen Computer anzumelden. Dieser Benutzername braucht nicht mit Ihrem Azure-Benutzernamen übereinzustimmen. Verwenden Sie keine Großbuchstaben.

        Wichtig

        Wenn Sie in Ihrem Benutzernamen Großbuchstaben verwenden, funktioniert JupyterHub nicht, und die Meldung „500 – Interner Serverfehler“ wird angezeigt.

      • Kennwort: Geben Sie das Kennwort ein, das Sie für die Anmeldung bei Ihrem virtuellen Computer verwenden.

    2. Klicken Sie auf Überprüfen + erstellen.

    3. Überprüfen + erstellen

      • Stellen Sie sicher, dass alle eingegebenen Informationen richtig sind.
      • Klicken Sie auf Erstellen.

    Die Bereitstellung sollte ungefähr 5 Minuten dauern. Der Status wird im Azure-Portal angezeigt.

Zugreifen auf die Data Science VM-Instanz unter Ubuntu

Es gibt vier Methoden für den Zugriff auf die DSVM-Instanz unter Ubuntu:

  • SSH für Terminalsitzungen
  • xrdp für grafische Sitzungen
  • X2Go für grafische Sitzungen
  • JupyterHub und JupyterLab für Jupyter-Notebooks

SSH

Wenn Sie Ihre VM mit SSH-Authentifizierung konfiguriert haben, können Sie sich mit den Kontoanmeldeinformationen anmelden, die Sie im Abschnitt Grundlagen von Schritt 3 für die textshell-Schnittstelle erstellt haben. Weitere Informationen zum Herstellen einer Verbindung mit einer Linux-VM

xrdp

xrdp ist das Standardtool für den Zugriff auf grafische Linux-Sitzungen. Es ist zwar nicht standardmäßig in der Distribution enthalten, aber Sie können es installieren, indem Sie diese Anweisungen befolgen.

X2Go

Hinweis

Der X2Go-Client hat bei Tests besser abgeschnitten als die X11-Weiterleitung. Es wird empfohlen, den X2Go-Client als grafische Desktop-Benutzeroberfläche zu nutzen.

Die Linux-VM ist schon in der Bereitstellung von X2Go-Server enthalten und zum Akzeptieren von Clientverbindungen bereit. Führen Sie auf dem Client die folgenden Schritte aus, um eine Verbindung mit dem grafischen Desktop des virtuellen Linux-Computers herzustellen:

  1. Laden Sie den X2Go-Client für Ihre Clientplattform von X2Goherunter, und installieren Sie ihn.

  2. Notieren Sie sich die öffentliche IP-Adresse des virtuellen Computers. Diese finden Sie im Azure-Portal, indem Sie den erstellten virtuellen Computer öffnen.

    IP-Adresse des Ubuntu-Computers

  3. Führen Sie den X2Go-Client aus. Wenn das Fenster „Neue Sitzung“ nicht automatisch angezeigt wird, wechseln Sie zu „Sitzung“ > „Neue Sitzung“.

  4. Geben Sie im daraufhin angezeigten Konfigurationsfenster die folgenden Konfigurationsparameter ein:

    • Registerkarte „Sitzung“:
      • Host: Geben Sie die IP-Adresse Ihres virtuellen Computers ein, die Sie zuvor notiert haben.
      • Anmeldung: Geben Sie den Benutzernamen für die Linux-VM ein.
      • SSH-Port: Übernehmen Sie den Standardwert 22.
      • Sitzungstyp: Ändern Sie den Wert in XFCE. Derzeit unterstützt die Linux-VM nur den XFCE-Desktop.
    • Registerkarte „Medien“ : Sie können die Soundunterstützung und die Clientausgabe deaktivieren, wenn Sie diese Funktionen nicht benötigen.
    • Freigegebene Ordner: Verwenden Sie diese Registerkarte, um das Verzeichnis auf dem Clientcomputer hinzuzufügen, das Sie auf dem virtuellen Computer einbinden möchten.

    X2go-Konfiguration

  5. Klicken Sie auf OK.

  6. Klicken Sie im rechten Bereich des X2Go-Fensters auf das Feld, um den Anmeldebildschirm für Ihren virtuellen Computer anzuzeigen.

  7. Geben Sie das Kennwort für Ihren virtuellen Computer ein.

  8. Klicken Sie auf OK.

  9. Möglicherweise müssen Sie X2Go die Berechtigung zum Umgehen Ihrer Firewall erteilen, um den Verbindungsvorgang abzuschließen.

  10. Nun sollte die grafische Benutzeroberfläche für Ihre Ubuntu-DSVM-Instanz angezeigt werden.

JupyterHub und JupyterLab

Die Ubuntu-DSVM führt JupyterHub, einen Jupyter-Server für mehrere Benutzer, aus. Führen Sie die folgenden Schritte aus, um eine Verbindung herzustellen:

  1. Notieren Sie sich die öffentliche IP-Adresse für Ihren virtuellen Computer, indem Sie im Azure-Portal nach ihrem virtuellen Computer suchen und ihn auswählen. IP-Adresse des Ubuntu-Computers

  2. Öffnen Sie auf Ihrem lokalen Computer einen Webbrowser, und navigieren Sie zu https://your-vm-ip:8000. Ersetzen Sie dabei „your-vm-ip“ (Ihre VM-IP-Adresse) durch die IP-Adresse, die Sie zuvor notiert haben.

  3. Ihr Browser verhindert wahrscheinlich das direkte Öffnen der Seite, und es wird eine Meldung mit dem Hinweis angezeigt, dass ein Zertifikatfehler vorliegt. Für die DSVM wird die Sicherheit anhand eines selbstsignierten Zertifikats erzielt. Bei den meisten Browsern können Sie nach dieser Warnung weiterklicken. In vielen Browsern wird aber während der gesamten Websitzung eine visuelle Warnung zum Zertifikat angezeigt.

    Hinweis

    Wenn die Fehlermeldung ERR_EMPTY_RESPONSE in Ihrem Browser angezeigt wird, stellen Sie sicher, dass Sie auf den Computer zugreifen, indem Sie explizit das HTTPS-Protokoll und nicht HTTP oder nur die Webadresse verwenden. Wenn Sie die Webadresse ohne https:// in die Adresszeile eingeben, wird in den meisten Browsern der Standardwert http verwendet und dieser Fehler wird angezeigt.

  4. Geben Sie den Benutzernamen mit dem zugehörigen Kennwort ein, den Sie zum Erstellen des virtuellen Computers verwendet haben, und melden Sie sich an.

    Jupyter-Anmeldung eingeben

    Hinweis

    Wenn Sie in dieser Phase einen 500-Fehler erhalten, haben Sie wahrscheinlich Großbuchstaben in Ihrem Benutzernamen verwendet. Dies ist eine bekannte Interaktion zwischen Jupyter Hub und dem von ihm verwendeten PAMAuthenticator. Wenn ein Fehler mit dem Hinweis angezeigt wird, dass die Seite nicht erreichbar ist, müssen wahrscheinlich die Berechtigungen der Netzwerksicherheitsgruppe angepasst werden. Navigieren Sie im Azure-Portal zur Netzwerksicherheitsgruppen-Ressource in Ihrer Ressourcengruppe. Wenn Sie über das öffentliche Internet auf JupyterHub zugreifen möchten, muss Port 8000 geöffnet sein. (Die Abbildung zeigt, dass diese VM für den Just-In-Time-Zugriff konfiguriert ist. Dies wird dringend empfohlen. Weitere Informationen finden Sie unter Sichern Ihrer Verwaltungsports mit Just-in-Time-Zugriff.) Konfiguration der Netzwerksicherheitsgruppe

  5. Durchsuchen Sie die zahlreichen verfügbaren Beispielnotebooks.

JupyterLab, die nächste Generation von Jupyter-Notebooks, und JupyterHub, sind ebenfalls verfügbar. Um darauf zuzugreifen, melden Sie sich bei JupyterHub an, und navigieren Sie dann zur URL https://your-vm-ip:8000/user/your-username/lab. Ersetzen Sie dann „your-username“ (Ihr Benutzername) durch den Benutzernamen, den Sie beim Konfigurieren der VM ausgewählt haben. Es kann wieder sein, dass der erste Zugriff auf die Website aufgrund eines Zertifikatfehlers blockiert wird.

Sie können JupyterLab als Standard-Notebookserver festlegen, indem Sie /etc/jupyterhub/jupyterhub_config.py die folgende Zeile hinzufügen:

c.Spawner.default_url = '/lab'

Nächste Schritte

Informieren Sie sich weiter:

  • In der exemplarischen Vorgehensweise Data Science mit einer Linux Data Science Virtual Machine in Azure wird veranschaulicht, wie Sie mehrere allgemeine Data Science-Aufgaben mit der hier bereitgestellten Linux-DSVM ausführen.
  • Entdecken Sie die unterschiedlichen Data Science-Tools der DSVM-Instanz, indem Sie die in diesem Artikel beschriebenen Tools ausprobieren. Sie können auch dsvm-more-info in der Shell auf dem virtuellen Computer ausführen, um eine grundlegende Einführung und Hinweise auf weitere Informationen zu den Tools auf der VM zu erhalten.
  • Erfahren Sie, wie Sie mithilfe des Team Data Science-Prozesses systematisch Analyselösungen erstellen.
  • Besuchen Sie die Azure AI Gallery, um Beispiele zu Machine Learning und zur Datenanalyse zu erhalten, in denen Azure-KI-Dienste verwendet werden.
  • Gehen Sie anhand der entsprechenden Referenzdokumentation für diesen virtuellen Computer vor.