Linux系统管理初步·科学计算环境搭建（待续）
由于科研需要，负责管理一台服务器虚拟环境（Ubuntu），主要是用户权限管理、系统环境配置和SSH搭建。由于是第一次系统地接触Linux环境，因此许多东西都是从头开始摸索，踩了很多坑才勉力实现了初步的系统搭建和环境维护。
首先需要说明的是，我使用的是macOS环境，版本为macOS Mojave 10.14，服务器环境为Ubuntu 18.04.1 LTS (GNU/Linux 4.15.0-38-generic x86_64)。主要需要配置的是Python环境和FTP传输管理。服务器环境配置期间分配了一个公网IP以部署系统环境，部署完成之后将回归内网环境，届时将无法连接外部网络。
文章目录
系统初次启动
远程登录服务器使用SSH协议完成，连接方式为在终端输入ssh [email protected]，由于使用的服务器是服务器管理员分配的一个虚拟服务器空间，预先根据需要设置了根目录名和管理员账户。
系统初次启动，需要配置一下文件夹结构，由于本地文件结构初始化为/home/admin/路径，因此需要根据需要创建新的文件夹结构。
ls -ahl
mkdir python/
mkdir vftp/
初次使用Ubuntu环境，可能需要使用自带的工具下载一些环境包，这时可以使用apt-get完成，但在国内的网络环境中，从许多官方源下载数据文件速度很慢，因此推荐首先配置Ubuntu下载源（https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/ ）。推荐使用清华大学的开源镜像站TUNA来替换各种官方源。
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
在替换完更新源之后，运行sudo apt-get update更新一下。更新完后，即可安装一些必要的软件包，如npm,yum等。
本文主要配置的系统环境为Python环境，由于我对Anaconda使用较多，因此选择使用Anaconda搭建Python环境，并使用conda来管理不同Python环境。
Anaconda的安装
Anaconda的源文件地址为 https://repo.continuum.io/archive/ ，里面有各种版本的Anaconda，按喜好自取其链接即可，如 https://repo.continuum.io/archive/Anaconda3-5.3.0-Linux-x86_64.sh 。
在Linux上下载源文件：
wget https://repo.continuum.io/archive/Anaconda3-5.3.0-Linux-x86_64.sh
验证文件完整性：
sha256sum Anaconda3-5.3.0-Linux-x86_64.sh
验证完毕后，安装：
bash Anaconda3-5.3.0-Linux-x86_64.sh
安装完毕后更新路径以使用conda命令：
source ./.bashrc
在进行下面的步骤前，应先设置好各种更新工具的更新源，即将原始源替换为TUNA源，如conda、pip、npm等。替换方式类似于apt-get的更新，可在 https://mirrors.tuna.tsinghua.edu.cn/help/ 自行查找。
Anaconda 环境管理
# 新建tensorflow环境
conda create -n tensorflow pip python=3.6
source acticate tensorflow
pip install --ignore-installed --upgrade https://download.tensorflow.google.cn/linux/cpu/tensorflow-1.8.0-cp36-cp36m-linux_x86_64.whl
pip install tensorboard
pip install torchvision
pip install torch
# 将tensorflow环境添加至jupyter notebook环境菜单
conda install ipykernel
python -m ipykernel install --user --name tensorflow --display-name "tensorflow"
Jupyter Notebook & JupyterLab
Jupyter notebook 配置
生成配置文件：
jupyter notebook --generate-config
默认会放在.jupyter/jupyter_notebook_config.py路径，为后续更改配置做准备，先生成密钥:
ipython
from notebook.auth import passwd
passwd(password_u_desire)
#记录下输出的密文 形式为 sha:ce...
修改配置文件：
sudo vim .jupyter/jupyter_notebook_config.py
直接在文件末尾添加：
c.NotebookApp.ip='*' # *号意为任意ip均可连接
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False # 打开时不使用浏览器界面
c.NotebookApp.port = 9999 #随便指定一个端口，也可以不加
配置完毕后，后台启动jupyter notebook：
nohup jupyter notebook --config .jupyter/jupyter_notebook_config.py > sys/log/jupyter.log &
nohup命令是后台运行进程，将日志文件存放在指定的路径，在此指定为：sys/log/jupyter.log，即不影响命令行进行其他操作，随时都可以使用cat sys/log/jupyterhub.log查看日志文件。
使用nohup命令时会在命令行输出进程编号如20231，在需要关闭后台进程时，使用kill 20231即可，当然也可以不用记忆进程编号，使用ps -ef | grep jupyter命令即可查看所有jupyter相关的后台进程。
启动后，可以在任意客户机浏览器上访问http://ip_address:port访问，输入密码验证成功后即可使用jupyter notebook服务。
但是，使用这种形式，在安全上和效率上都有欠缺之处，其安全问题暂时没有完美的解决方案（离线的Jupyterhub暂未配置成功，配置成功后不失为一种不错的解决方案），效率问题反映为多个用户使用同一端口登录时，会互相挤占运算资源，极端情况下甚至会干扰正常使用（如两个用户都需要使用jupyterlab时）。
对效率问题，可以使用一种替代性方法，即在后台运行多个jupyter notebook进程，分别对应不同的端口，不同用户访问不同端口即可。但此情形仍然不支持多用户同时使用jupyterlab。
Jupyter notebook 多用户情形的配置
具体实现为：
cp .jupyter/jupyter_notebook_config.py .jupyter/jupyter_notebook_config_usr1.py
sudo vi .jupyter/jupyter_notebook_config_usr1.py
# 将端口修改为未使用过的端口 如 6666 7777 等
#启动后台进程
nohup jupyter notebook --config .jupyter/jupyter_notebook_config_usr1.py > sys/log/jupyter_usr1.log &
cat sys/log/jupyter_usr1.log
Jupyter notebook 多用户的终极解决方案：Jupyterhub
出于某些原因，暂未完成Jupyterhub的配置，主要影响因素是目前广为使用的解决方案需要配合Github或Gitlab验证使用，而本文的Linux环境未来将运行在内网上，无法使用此类验证方式。目前仍在研究内网Jupyterhub的配置方案。
用户文件传输的选择：SSH
出于某些原因，SSH比一般的FTP更加安全，也更好配置，因此使用SSH作为服务器文件传输的主要工具。
一般，SSH连接需要Linux普通用户权限：
# 设定共享文件夹权限
chmod -R 774 /home/lhd/vftp/
# 添加用户
useradd -g stu -d /home/lhd/vftp/ usr1
# 为usr1设定登录密码
passwd usr1
上述操作完成后即可使用usr1进行SSH连接。
我最终选择了Cyberduck作为SSH传输工具，主要原因是：图形化界面、操作简单。