跳转至

为 Notebook 定制开发环境镜像

Notebook 提供了一套功能强大的在线开发环境。然而，在面对特定算法模型时， 您可能需要不同版本的依赖库（例如特定版本的 CUDA、PyTorch 或 TensorFlow）。此时，平台内置镜像无法完全覆盖需求。

本文档将指导您如何基于 AI Lab 提供的基础镜像，构建并注册包含自定义依赖的 Notebook 镜像，使平台用户在创建 Notebook 实例时能够直接选择该自定义镜像。

前提条件

在开始操作前，请确保您已具备以下条件：

权限要求

  • 拥有目标 Kubernetes 集群的 kubectl 管理权限，或具备通过平台界面编辑 baize-system 命名空间下 ConfigMap 与 Deployment 资源的权限；
  • 拥有一个可用的容器镜像仓库，并具备向该仓库推送镜像的权限。

工具要求

  • 本地或服务器上已安装容器构建工具；
  • 本地已配置好 kubectl 命令行工具并连接到目标集群。

操作步骤

整个过程分为四个核心步骤：

  1. 获取基础 Notebook 镜像：获取当前 AI Lab 版本对应的 Notebook 基础镜像地址。
  2. 定制并构建镜像：编写 Dockerfile 添加自定义依赖，并构建、推送镜像。
  3. 注册新镜像：将新镜像的地址注册到 AI Lab 的配置中，并重启服务使其生效。
  4. 使用新环境：在创建 Notebook 实例时，从下拉列表中选择您新添加的镜像。

获取基础 Notebook 镜像

首先，我们需要找到当前 AI Lab 版本所依赖的基础 Notebook 镜像地址，该地址将作为 Dockerfile 的 FROM 源。

  1. 通过 SSH 登录到 Kubernetes 集群的管理节点。

  2. 执行以下命令，查看已安装的 AI Lab 版本。这将帮助您定位对应版本的镜像。

    helm list -n baize-system | grep baize

    您将看到类似如下的输出，请记下 APP VERSION 列的版本号（例如 v0.19.1）。

    NAME    NAMESPACE     REVISION    UPDATED                                  STATUS      CHART            APP VERSION
baize   baize-system  5           2025-08-18 11:39:12.328965189 +0800 CST  deployed    baize-v0.19.1    v0.19.1

  3. 执行以下命令，在输出的 YAML 内容中，找到 notebook_images 或类似字段，定位到与版本号匹配的镜像地址。 复制其中一个与版本匹配的镜像地址备用，例如 192.168.157.30/release.daocloud.io/baize/baize-notebook:v0.19.1。

    kubectl get cm baize -n baize-system -o yaml

    查看基础 Notebook 镜像

  1. 登录 DCE 5.0，从左侧导航栏进入 容器管理 -> 集群列表 ，找到并点击 kapanda-global-cluster 全局服务集群。

    进入集群列表界面

  2. 在 kapanda-global-cluster 集群的左侧导航栏，选择 配置与密钥 -> 配置项 (ConfigMap)。 并在页面顶部的 命名空间 下拉框中，选择 baize-system

    进入 baize system 命名空间

  3. 在列表中找到并点击进入名为 baize 的配置项。

    进入 baize 的配置项界面

  4. 点击页面右上角的 编辑 YAML

    查看YAML

  5. 在弹出的 YAML 编辑器中，找到 data.config.yaml -> notebook_images: 字段。列表中展示了当前所有内置的 Notebook 镜像。 复制其中一个作为基础镜像地址，例如 192.168.157.30/release.daocloud.io/baize/baize-notebook:v0.19.1。

    查看notebook基础镜像

定制并构建镜像

本示例演示如何安装特定 CUDA 版本的 PyTorch。

  1. 在本地开发环境或构建服务器上创建 Dockerfile，以上一步获取的基础镜像为起点，安装所需依赖。

    Dockerfile 示例
    # 使用上一步获取的基础镜像地址
FROM 192.168.157.30/release.daocloud.io/baize/baize-notebook:v0.19.1

# 安装所需要的依赖，例如支持 CUDA 11.8 的 PyTorch
RUN pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

  2. 构建并推送定制镜像：

    # 定义新镜像的完整名称和标签
export CUSTOM_IMAGE_NAME="<your-registry-address>/baize/baize-notebook:v0.19.1-cuda11.8-torch2.0.1"

# 构建镜像
podman build -t ${CUSTOM_IMAGE_NAME} -f Dockerfile .

# 推送镜像到您的仓库
podman push ${CUSTOM_IMAGE_NAME}

    Note

    请将 <your-registry-address>/... 替换为您自己的镜像仓库地址，并为其设定一个清晰可辨的标签（Tag），例如包含版本号、CUDA 版本和关键库。

注册新镜像

镜像推送到仓库后，我们需要修改 AI Lab 的配置，让平台“知道”这个新环境的存在，并重启服务以应用配置。

  1. 在管理节点上，执行以下命令进入 baize ConfigMap 的编辑模式。

    kubectl edit cm baize -n baize-system

  2. 在 YAML 编辑器中，找到 notebook_images 列表。在列表中添加一个新的条目，指向推送的定制镜像。最后保存并退出编辑器。

    data.config.yaml
    # ... (已有配置)
data:
  config.yaml: |-
    ...
    notebook_images:
      # - name: ... (已有的内置镜像)
      # - name: ... (已有的内置镜像)
      - name: <your-registry-address>/baize/baize-notebook:v0.19.1-cuda11.8-torch2.0.1
        type: JUPYTER
      ...
# ... (其他配置)
    • name: 这是上一节定制并构建出的镜像 CUSTOM_IMAGE_NAME
    • type: 指定镜像的分类。如果主要用于 Jupyter，请设置 JUPYTER

  3. 在管理节点上，请依次执行以下命令，重启服务。

    # 重启 baize-apiserver
kubectl rollout restart deployment baize-apiserver -n baize-system

  1. 返回获取基础 Notebook 镜像中打开的 Baize ConfigMap 编辑 YAML 界面。 找到 data.config.yaml -> notebook_images: 列表。在列表末尾添加一个新条目， name 值为定制并构建镜像时推送的 CUSTOM_IMAGE_NAME。点击右下角的 确定 保存更改。

    添加新镜像

  2. 重启服务。仍在 kapanda-global-cluster 集群页面。从左侧导航栏进入 工作负载 -> 无状态负载 。并在页面上方将 命名空间 选择为 baize-system

    查看baize-system的工作负载

  3. 在列表中找到 baize-apiserver，点击右侧的 ┇ 操作按钮，选择 修改状态 -> 重启

    重启服务

使用新环境

完成以上所有步骤后，您的新环境就已经准备就绪了。

  1. 导航至 AI Lab -> 开发控制台 -> Notebooks。点击右上角的 创建

    进入创建Notebook

  2. 在创建 Notebook 的 资源配置 环节中选择配置的 Notebook 类型，镜像类型 选择 预制镜像 。 在 镜像地址 的下拉菜单中，您现在应该能看到刚刚添加的自定义镜像选项（例如 ...:v0.19.1-cuda11.8-torch2.0）。 选择该镜像，配置其他资源后即可创建实例。

    创建Notebook的资源配置

评论