书接上文， 《派玩python之自部署JupyterLab》 使用树莓派上搭建的JupyterLab使用体验已经非常好了。可以使用python完成常见的绝大多数工作。但是别忘了，python还有很重要的用武之地，就是大规模计算和算法，还有一大票机器学习框架。受限于树莓派空间性能， 如果要跑非常吃CPU的运算，吃GPU的模型训练，就不太合适了。 解决方案就是， 树莓派上只运行Jupyter的Lab，或者Notebook的UI服务，当作云IDE使用。 真正计算运行，放到远程一台性能强大的机器上，不就好了吗？ 本期就介绍这种方式。 Jupyter远程调用Kernel的原理（可跳过） 在Jupyter体系里，其实它只管调用Kernel，而Kernel在哪里不关心。也就是说在架构层面已经做了隔离，这就为远程调用提供了可能性。 具体来说， Jupyter可以说是偏前端的方案名，底层服务是依赖IPython的可交互编程组件来工作。其核心原理图如下，摘自IPython官网文档                                                     图1 Ipython原理 可以看到， 执行器和Kernel之间是靠ZMQ的消息来通信的。 但是， 如果想在两个机器直接直接消息通信不是好主意，数据是明文裸漏的，毫无安全可言。 官方的远程连接文档 是利用ssh 绑定并转发本地的收发消息端口到远端机器的ssh通道实现的，即ssh tunnels。 如果想手动绑定参考这个文档即可，老鸟推荐， 我们本次不使用。 前人栽树，后人乘凉。

序言 Python语言以敏捷易用著称，可以帮助我们快速完成很多突发工作。此外在统计分析，机器学习使用也非常广泛。可以说就像每个家庭都要备一把瑞士军刀一样， 如果能够有一个开箱即用的Python运行环境能够随时随地使用，就是太好不过了。 对于追求效率选择Python的人来说， 安装Python，调整环境变量的步骤都想免除。 这不， Jupyter的出现很好解决了这个问题。 它提供了免费即用的浏览器就能用执行容器，https://jupyter.org/try 这样就好了？ 当然没有， 上面也说了，瑞士军刀要放家里。况且免费容器解一时之急，无法保证长期稳定使用。既然家中有树莓派，当然要自部署（self-hosted）了。 以下自部署使用通用方案，不仅适合树莓派，也适合其他可以运行Docker容器的任何平台，不限NAS，PC等。 正题 安装Docker容器和docker-compose（略） 因为网上资源较多， 这里不赘述。 关于树莓派安装Ubuntu64的可以看之前文章 心急的用户直接 docker run -p 8888:8888 jupyter/scipy-notebook 想使用docker-compose规范化部署的继续往下看。 编辑docker-compose.yml文件