آشنایی با Jupyter و مزایای آن برای برنامه‌نویسان و دیتاساینتیست‌ها

• پشتیبانی از چندین زبان برنامه‌نویسی: Jupyter از طیف گسترده‌ای از زبان‌های برنامه‌نویسی مانند پایتون، R، Julia، جاوااسکریپت و حتی ++C پشتیبانی می‌کند. این انعطاف‌پذیری آن را به انتخابی عالی برای پروژه‌هایی تبدیل می‌کند که شامل چندین زبان هستند.
• آزمایش در زمان واقعی: به جای اجرای یک اسکریپت کامل، می‌توانید کد را در بخش‌های کوچک‌تر (به نام سلول‌ها) اجرا کنید. این کار اشکال‌زدایی، تست و آزمایش را سریع‌تر و کارآمدتر می‌کند.
• قابلیت تکرارپذیری: Jupyter کد، خروجی‌ها و مستندات را در یک مکان ترکیب می‌کند و اجرای مجدد آن‌ها را آسان می‌سازد—این مزیتی ضروری برای تحقیق و کار تیمی است.
• تجسم آسان داده‌ها: چه در حال رسم نمودار باشید و چه ساخت داشبورد، Jupyter به راحتی با ابزارهای تجسمی مانند Matplotlib، Plotly و Seaborn ادغام می‌شود.
• همکاری بدون دردسر: می‌توانید نوتبوک‌های Jupyter را به صورت فایل به اشتراک بگذارید یا از پلتفرم‌هایی مانند JupyterHub برای کار تیمی در زمان واقعی استفاده کنید.

اما Jupyter فقط برای توسعه‌دهندگان حرفه‌ای یا دیتاساینتیست‌ها نیست—بلکه فضایی فوق‌العاده برای برنامه‌نویسان است تا دانش پایه برنامه‌نویسی خود را آزمایش و تقویت کنند. اگر در حال آماده‌سازی برای مصاحبه‌های شغلی یا حل مسائل در پلتفرم‌هایی مانند LeetCode هستید، Jupyter می‌تواند بهترین دوست شما باشد. محیط تعاملی آن به شما امکان می‌دهد تا کدها را تکه‌تکه بنویسید، تست کنید و بهبود بخشید—همه در آن‌واحد. این کار درک الگوریتم‌ها، باگ‌یایی و آزمایش روش‌های مختلف را آسان‌تر می‌کند.

به عنوان مثال، اگر در حال تمرین یک مسئله چالش‌برانگیز LeetCode هستید، می‌توانید آن را به مراحل کوچک‌تر تقسیم کنید، هر بخش از راه‌حل خود را تست کنید و نتایج را تجسم کنید—همه درون یک نوتبوک. این رویکرد عملی نه تنها به شما کمک می‌کند مفاهیم برنامه‌نویسی را بهتر درک کنید، بلکه اعتماد به نفس لازم برای موفقیت در مصاحبه‌های فنی را نیز در شما ایجاد می‌کند.

برای توسعه‌دهندگان، Jupyter بیشتر از یک ابزار است—فضایی است که خلاقیت با عملکرد ترکیب می‌شود. جایی که می‌توانید ایده‌های خود را آزمایش کنید، تجسم کنید و مستندسازی نمایید—همه در یک محیط کاربرپسند. و زمانی که با ابزارهایی مانند Docker یا JupyterBook ترکیب می‌شود، به راه‌حلی قدرتمندتر و مقیاس‌پذیر برای پروژه‌های چندزبانه و مشارکتی تبدیل می‌شود. چه یک توسعه‌دهنده حرفه‌ای باشید، چه تازه کار یا کسی که برای شغل رویایی خود آماده می‌شود، Jupyter یک ابزار ضروری در جعبه ابزار شماست. این فقط درباره نوشتن کد نیست—درباره درک آن، بهبود آن و به کارگیری آن برای موفقیت شماست.

JupyterBook با هسته‌های محبوب برنامه‌نویسی از پیش تنظیم‌شده عرضه می‌شود:

• پایتون: با افزونه‌های JupyterLab مانند LSP و یکپارچه‌سازی گیت.
• جاوا: با استفاده از IJava.
• دارت: توسط jupyter-dart-kernel.
• تایپ‌اسکریپت/جاوااسکریپت: با بهره‌گیری از tslab.

با JupyterHub می‌توانید کاربران را مدیریت کرده و به هرکدام یک محیط ایزوله ارائه دهید. همچنین امکان احراز هویت با گوگل (Google OAuth) برای ورود راحت‌تر وجود دارد.

JupyterBook یک شِل Zsh سفارشی‌شده با افزونه‌هایی مانند تکمیل خودکار، برجسته‌سازی سینتکس و یکپارچه‌سازی گیت ارائه می‌دهد.

پروکسی معکوس Nginx از ریدایرکت خودکار HTTP به HTTPS و رمزگذاری SSL/TLS پشتیبانی می‌کند.

ابتدا باید موارد زیر نصب باشند:

• Docker و Docker Compose.
• گواهی‌های SSL (از Let’s Encrypt یا گواهی‌های خودامضا برای تست استفاده کنید).

کد JupyterBook را از گیت‌هاب دانلود کنید:

git clone https://github.com/aminnez/jupyterbook.git
cd jupyterbook

1. دامنه خود را به‌جای example.com در فایل nginx.conf قرار دهید.

2. گواهی‌های SSL (fullchain.pem و privkey.pem) را در پوشه /ssl قرار دهید. برای تست، می‌توانید گواهی‌های خودامضا ایجاد کنید:

   openssl req -x509 -sha256 -nodes -days 365 -newkey rsa:2048 \
     -keyout ./ssl/privkey.pem \
     -out ./ssl/fullchain.pem
   

   Copy

با دستور زیر برنامه را راه‌اندازی کنید:

docker compose up -d

این دستور دو کانتینر ایجاد می‌کند:

• jupyterbook-hub: JupyterHub به همراه هسته‌های برنامه‌نویسی.
• jupyterbook-nginx-proxy: پروکسی معکوس با SSL مدیریت‌شده توسط Nginx.

پنل خود را در آدرس https://your-domain.com یا http://localhost:8000 مشاهده کنید.

برای استفاده از Google OAuth:

1. در کنسول گوگل کلود یک پروژه ایجاد کنید و Credentiaهای لازم را دریافت کنید.

2. دامنه خود را به دامنه‌های مجاز اضافه کنید و آدرس callback را تنظیم کنید.

   https://example.com/hub/oauth_callback
   

   Copy

3. مقادیر CLIENT_ID و CLIENT_SECRET را به فایل .env اضافه کنید.

می‌توانید دسترسی کاربران را با ویرایش فایل jupyterhub_config.py محدود کنید:

c.Authenticator.allowed_users = {"user1", "user2"}
c.Authenticator.admin_users = {"admin"}

nano jupyterhub_config.py

docker compose restart

اطلاعات و نوتبوک‌های کاربران در پوشه ./data ذخیره می‌شوند و با راه‌اندازی مجدد کانتینرها از بین نمی‌روند.

• مستندات JupyterHub
• راهنمای Docker Compose

چطور از JupyterBook استفاده می‌کنید؟ در نظرات با ما به اشتراک بگذارید! 🚀