3.1.1　notebook（JupyterHub）

大多数项目的第一步是某种形式的原型设计和实验。Kubeflow用于原型设计和实验的工具是JupyterHub（https://jupyter.org/hub），这是一个多用户中心，可以生成、管理和代理单用户Jupyter notebook（https://oreil.ly/C4dtQ）的多个实例。Jupyter notebook支持整个计算过程：开发、记录和执行代码，以及交流结果。

要访问JupyterHub，请进入Kubeflow主页面并单击“Notebooks”按钮。在notebook页面，你可以连接到现有的服务器或创建一个新的服务器。

要创建一个新的服务器，你需要指定服务器名称和命名空间，选择一个镜像（从CPU优化、GPU优化或你可以创建的自定义镜像），并指定资源要求：CPU/内存、工作空间、数据卷、自定义配置等。一旦服务器被创建，你就可以连接到它并开始创建和编辑notebook。

为了让数据科学家在不离开notebook环境的情况下进行集群操作，Kubeflow在提供的notebook镜像中增加了kubectl（https://oreil.ly/i-PFC），以允许开发人员使用notebook来创建和管理Kubernetes资源。Jupyter notebook pod运行在一个特殊的服务账户default-editor下，它对以下Kubernetes资源有命名空间级别的权限：

·Pods

·Deployments

·Services

·Jobs

·TFJobs

·PyTorchJobs

你可以将这个账户绑定到一个自定义角色，用于限制/扩展notebook服务器的权限。这使得notebook开发人员可以在不离开notebook环境的情况下执行角色中许可的Kubernetes命令。例如，创建一个新的Kubernetes资源可以直接在Jupyter notebook中运行以下命令：

yaml文件的内容将决定创建什么资源。如果你不习惯编写Kubernetes资源，不用担心，Kubeflow Pipeline中包含创建资源的工具。

为了进一步增加Jupyter的功能，Kubeflow还在notebook中提供了对Pipeline和元数据管理等重要的Kubeflow组件的支持（见3.1.6节）。Jupyter notebook还可以直接加载分布式训练作业。