阿里云 Ubuntu 服务器环境配置

阿里云服务器配置

以下相关环境配置基于 Ubuntu 1804

ZSH 终端

安装 zsh

sudo apt update
sudo apt install zsh

安装配置 oh-my-zsh

sh -c "$(curl -fsSL https://raw.github.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

或者

wget https://github.com/robbyrussell/oh-my-zsh/raw/master/tools/install.sh -O - | sh

超时使用

wget https://gitee.com/mirrors/oh-my-zsh/raw/master/tools/install.sh -O - | sh

更换默认的 shell 为 zsh

chsh -s /bin/zsh

重启，就可以愉快的使用 zsh 了

reboot

自动补全插件 zsh-autosuggestions

git clone https://github.com/zsh-users/zsh-autosuggestions $ZSH_CUSTOM/plugins/zsh-autosuggestions

语法高亮插件 zsh-syntax-highlighting

git clone https://github.com/zsh-users/zsh-syntax-highlighting.git $ZSH_CUSTOM/plugins/zsh-syntax-highlighting

安装 powerline 字体

Github - powerline字体安装说明

sudo apt install powerline
sudo apt install fonts-powerline

修改 .zshrc

sudo nano ~/.zshrc

找到如下代码行并修改为

ZSH_THEME  = "agnoster"			# 主题
plugins=(   
		 git  
         zsh-autosuggestions 
         zsh-syntax-highlighting
)

使 .zshrc 生效

source ~/.zshrc

Anaconda

从清华镜像站下载 Anaconda 离线安装文件

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh

安装

sudo zsh Anaconda3-2020.11-Linux-x86_64.sh

根据提示安装，安装完成后，重新进入 shell

修改 conda 源为清华镜像源

sudo nano ~/.condarc

复制以下内容到 .condarc

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引

Jupyter 配置

多内核

想要在 jupyter notebook 或者 jupyter lab 中直接切换虚拟环境中的内核，而不是在多个虚拟环境中分别安装多个 jupyter lab

在新建的虚拟环境如 tf22 中，安装 jupyter kernel

conda install ipykernel

python -m ipykernel install --name tf22 --display-name "tf22" --user

上面命令中第一个 tf22 是虚拟环境的名称，第二个tf22 是你想在 jupyter 中展示的名称

远程访问

生成配置文件

jupyter notebook --generate-config

设置密码并生成密钥

jupyter notebook password

Enter password:  ****
Verify password: ****
[NotebookPasswordApp] Wrote hashed password to /root/.jupyter/jupyter_notebook_config.json

查看密钥

cat /root/.jupyter/jupyter_notebook_config.json

修改配置文件

nano ~/.jupyter/jupyter_notebook_config.py 

找到下面的代码行，分别修改为

c.NotebookApp.ip = '*'
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 8888 									# 可随便指定一个端口
c.NotebookApp.allow_remote_access = True
c.NotebookApp.notebook_dir = '/root/data' 		   # 修改默认文件路径为桌面上的 data 文件夹

解决 root 运行权限的问题

c.NotebookApp.allow_root = True

在 base 环境中打开 jupyter lab

网页输入 http://aliyun-server:8888

其中 aliyun-server 为工作站的 ip 地址

后台运行

nohup 命令：如果你正在运行一个进程，而且你觉得在退出帐户时该进程还不会结束，那么可以使用nohup命令

该命令可以在你 退出帐户/关闭终端 之后继续运行相应的进程。nohup就是不挂起的意思( no hang up)

nohup jupyter lab  &

关闭后台挂起的命令

# 通过jobs命令查看job号（假设为num）
jobs -l
kill %num

将后台作业放到前台终端运行

fg %1

端口管理

# 查看服务器 8888 端口的占用情况
lsof -i:8888
# 杀掉对应的进程，PID 用上面的命令查看
kill -9 PID

C++内核

conda create -n cling
conda activate cling 
conda install xeus-cling -c conda-forge
# 切换到默认的base环境里添加kernel
conda activate base
# 查看一下cling虚拟环境的位置
conda env list
# 切换到 kernel 所在路径
cd ~/anaconda3/envs/cling/share/jupyter/kernels
# ls 查看一下kernel列表，并添加
jupyter kernelspec install xcpp11
jupyter kernelspec install xcpp14
jupyter kernelspec install xcpp17

TensorFlow

# 新建 conda 虚拟环境
conda create -n tensorflow
# 激活虚拟环境
conda activate tensorflow
# 安装 tensorflow 2.2.0
conda install tensorflow==2.2.0
# 安装 jupyter kernel
conda install ipykernel
# 第一个 tf15 是虚拟环境的名称
# 第二个tf15 是你想在 jupyter 中展示的名称
python -m ipykernel install --name tensorflow --display-name "tensorflow"

Pytorch

参考tensorflow

安装 Jupyter lab 插件

• 保存常用代码片段
  jupyter labextension install jupyterlab-code-snippets

• markdown 目录

  jupyter labextension install @jupyterlab/toc

• github 插件
  jupyter labextension install @jupyterlab/github

• font 插件

  在 Extension Manager 里搜索 jupyterlab-fonts 安装

nodejs

去 nodejs 查看最新的版本号，当前最新版为 14.5.0

添加源后安装

nodejs 的每个大版本号都有相对应的源，比如这里的 10.x.x版本的源是

https://deb.nodesource.com/setup_10.x

终端执行

curl -sL https://deb.nodesource.com/setup_14.x | sudo -E bash -

稍等片刻，源已经添加完毕，再执行：

sudo apt-get install -y nodejs

顺带一提，如果你要安装 12.x.x 的版本，只需要修改添加源地址中的数字即可，比如：

curl -sL https://deb.nodesource.com/setup_12.x | sudo -E bash -

最后验证一下，执行nodejs -v 即可出现刚才安装的版本号

卸载 Anaconda

# 删除安装目录
rm -rf ~/anaconda3
# 删除.zshrc 中的 conda 环境变量
sudo nano ~/.zshrc
# 更新环境变量
source ~/.zshrc

安装ssh-server

sudo apt-get install openssh-server

解决SSH 连接自动断开

服务器连接后，一段时间内没有操作，会自动断开链接。

原因是服务器设置了连接断开的时间，修改即可。

vim /etc/ssh/sshd_config

找到下面两行

#ClientAliveInterval 0
#ClientAliveCountMax 3

修改如下

ClientAliveInterval 30
ClientAliveCountMax 86400

这两行的意思分别是

1. 客户端每隔多少秒向服务发送一个心跳数据

2. 客户端多少秒没有相应，服务器自动断掉连接

重启sshd服务

service sshd restart

Java 环境

见 WSL2 环境配置