IPython या Jupyter?

Sage Notebook

ब्राउज़र-आधारित सिस्टम के रूप में Sage नोटबुक पहली बार 2000 के दशक के मध्य में जारी हुआ और 2007 में इसका एक नया, अधिक शक्तिशाली संस्करण आया जिसमें यूज़र अकाउंट्स थे और दस्तावेज़ों को सार्वजनिक करना संभव था। इसका लेआउट Google नोटबुक्स पर आधारित था, इसलिए UI डिजाइन Google Docs जैसा लगता था।

Sage नोटबुक्स के निर्माताओं ने बताया है कि वे Mathematica नोटबुक्स और Maple वर्कशीट्स के प्रबल उपयोगकर्ता थे। Sage नोटबुक्स के विकास के पीछे अन्य प्रेरक कारक थे: पहला, डेवलपर्स का IPython टीम के साथ निकट संपर्क था, क्योंकि Sage के टर्मिनल-आधारित संस्करण में IPython का उपयोग होता था। दूसरा, दो छात्रों द्वारा IPython के लिए GUI देने का “विफल प्रयास”, और तीसरा, “AJAX” (Asynchronous JavaScript And XML) वेब एप्लिकेशन्स का उभार, जिसमें यूज़र को हर क्रिया पर पूरा पेज रिफ्रेश नहीं करना पड़ता।

उदाहरण के लिए, जब आप किसी वेबसाइट पर फॉर्म भरते हैं: AJAX के बिना, सबमिट दबाने पर आपको सर्वर से नई सूचना के साथ नए पेज पर रीडायरेक्ट किया जाएगा। AJAX के साथ, JavaScript सर्वर को अनुरोध भेजती है, परिणाम लाती है और स्क्रीन अपडेट करती है। न रिफ्रेश की जरूरत, न रीडायरेक्ट।

AJAX के अन्य उदाहरण हैं: Gmail, Google Maps, Facebook, Twitter,… जैसा कि आप देखते हैं, लगभग सब कुछ AJAX है।

IPython और Jupyter Notebook

2001 के अंत में, जब कि Guido van Rossum ने नीदरलैंड्स के National Research Institute for Mathematics and Computer Science में Python पर काम शुरू किए लगभग बीस साल हो चुके थे, Fernando Pérez ने IPython विकसित करना शुरू किया। यह प्रोजेक्ट Mathematica नोटबुक्स और Maple वर्कशीट्स से प्रभावित था, ठीक Sage नोटबुक और अन्य कई प्रोजेक्ट्स की तरह।

2005 में, Wx (ग्राफिकल यूज़र इंटरफेस बनाने के लिए एक विजेट टूलकिट और टूल्स लाइब्रेरी) के साथ एक नोटबुक सिस्टम बनाने का पहला प्रयास हुआ। Google Summer of Code के दो छात्रों ने Robert Kern और Fernando Pérez के निर्देशन में प्रोटोटाइप पर काम किया। बाद में Robert ने और काम किया। यह नोटबुक सिस्टम का प्रोटोटाइप कम और IPython के कोर कोड की सफाई अधिक था ताकि IPython शेल के लिए wxPython GUI फ्रंटएंड लिखना आसान हो। इन्हीं क्लीनअप्स ने एक साफ नोटबुक सिस्टम बनाने में मदद की और इनमें से कुछ हिस्से अंततः सफल नोटबुक प्रयास के शुरू होने पर IPython में हिस्सों के रूप में मिला दिए गए।

IPython के लिए दूसरा प्रोटोटाइप 2006 की गर्मियों में Min Ragan-Kelley ने Brian Granger के मार्गदर्शन में बनाया। यह वेब-आधारित था और SQL डेटाबेस बैकएंड था, पर उस समय की वेब तकनीकों के साथ इम्प्लिमेंटेशन बहुत जटिल साबित होने के कारण काम बंद कर दिया गया।

IPython नोटबुक का तीसरा प्रोटोटाइप अक्टूबर 2010 में कुछ दिनों के हैक के रूप में किसी थर्ड पार्टी ने किया। अंततः, 2011 की वसंत-गर्मी तक, Brian Granger 2010 में किए अपने काम के आधार पर वेब नोटबुक के प्रोटोटाइप पर पूरा समय दे रहे थे, जिसमें उन्होंने Fernando Pérez के साथ IPython कर्नेल आर्किटेक्चर और मैसेज स्पेसिफिकेशन, और Min Ragan Kelley के साथ PyZMQ बनाया था।

PyZMQ ZeroMQ के लिए Python बाइंडिंग्स देने वाली लाइब्रेरी है; IPython की parallel computing सुविधाओं, qt कंसोल और नोटबुक के लिए इसकी जरूरत थी।

PyZMQ और वेबसॉकेट्स वे मुख्य तकनीकें थीं, जिन्होंने नोटबुक को संभव बनाया। उसी साल की शरद तक अन्य योगदानकर्ता (जैसे Matthias Bussonnier, Min और Fernando) भी इसमें योगदान दे रहे थे। 21 दिसंबर, 2011 तक, IPython Notebook (0.12) का पहला संस्करण जारी हो गया।

अगले वर्षों में टीम को कई पुरस्कार मिले, जैसे 23 मार्च 2013 को Fernando Pérez के लिए Advancement of Free Software और Jolt Productivity Award, और Alfred P. Sloan Foundations से फंडिंग, आदि।

आखिरकार, 2014 में, Project Jupyter IPython से अलग हुआ।

विभाजन से पहले जारी IPython में इंटरएक्टिव शेल, नोटबुक सर्वर, Qt कंसोल, आदि सब एक ही रेपॉज़िटरी में थे। प्रोजेक्ट बड़ा हो चुका था, और इसके घटक अलग-अलग प्रोजेक्ट्स की तरह होते जा रहे थे जो संयोग से एक ही प्रोजेक्ट से संबंधित थे।

लेकिन ध्यान दें, प्रोजेक्ट का आकार ही Project Jupyter शुरू होने का एकमात्र कारण नहीं था: 2011 से 2014 के बीच, IPython नोटबुक ने अन्य प्रोग्रामिंग भाषाओं के साथ काम करना शुरू कर दिया था। सबसे पहले Julia, फिर R। यह तथ्य कि IPython नोटबुक, जिसका नाम संकेत देता था कि नोटबुक केवल Python-आधारित है, Julia और R जैसी अन्य भाषाओं के कर्नेल के साथ भी काम कर रही थी, लोगों को उलझन में डालता था।

जब अन्य भाषाएँ भी शामिल थीं तो नाम “IPython” क्यों?

“Jupyter” नाम विज्ञान की अग्रणी ओपन भाषाओं (Julia, Python और R) के बारे में सोचकर प्रेरित हुआ, और भले ही यह किसी संक्षेपाक्षर जैसा लगे, इसका मतलब कभी यह नहीं था कि अन्य भाषाएँ स्वागत योग्य नहीं हैं। बल्कि, यह नाम उस प्रोजेक्ट का बेहतर प्रतिनिधित्व करता था जिस पर डेवलपर्स काम कर रहे थे और प्रोजेक्ट की वैज्ञानिक जड़ों की ओर संकेत करता था!

Project Jupyter शुरू होने के बाद, IPython प्रोजेक्ट के भाषा-निर्पेक्ष हिस्से, जैसे नोटबुक फ़ॉर्मेट, मैसेज प्रोटोकॉल, Qt कंसोल, नोटबुक वेब एप्लिकेशन, आदि को Jupyter प्रोजेक्ट में रखा गया। मुख्य Jupyter GitHub संगठन आपको यहाँ मिलेगा।

Jupyter और IPython समुदायों में इसे “The Big Split” कहा जाता है।

अब IPython के केवल दो रोल हैं: Jupyter Notebook के लिए Python बैकएंड होना, जिसे कर्नेल भी कहते हैं, और एक इंटरएक्टिव Python शेल। पर बस इतना ही नहीं: IPython इकोसिस्टम में आपको एक parallel computing फ्रेमवर्क भी मिलेगा। इसके बारे में आप आगे पढ़ेंगे!

और IPython की तरह, Project Jupyter भी असल में कई प्रोजेक्ट्स का नाम है: इसकी तीन एप्लिकेशन हैं—खुद Notebook, एक Console और एक Qt कंसोल—साथ ही उप-प्रोजेक्ट्स जैसे डिप्लॉयमेंट के लिए JupyterHub, शिक्षा के लिए nbgrader, आदि। Jupyter आर्किटेक्चर का एक अवलोकन आप यहाँ देख सकते हैं।

ध्यान दें कि यही विकास वह वजह है जो IPython और Jupyter को लेकर कई Pythonistas की उलझन समझाता है: चूंकि एक दूसरे से निकला (और वो भी हाल ही में), कुछ लोग अभी भी सही नाम अपनाने में कठिनाई महसूस करते हैं। और शायद इससे भी जटिल कारक है विकास प्रक्रिया: क्योंकि एक दूसरे से निकला, IPython और Jupyter Notebook की सुविधाओं के बीच काफी ओवरलैप है, जिन्हें कभी-कभी अलग करना कठिन होता है! दोनों के बीच कैसे फर्क किया जाए, यह इस पोस्ट के अगले हिस्सों में स्पष्ट होगा। यदि आप IPython के विकास के बारे में और विवरण जानना चाहते हैं, तो Fernando Pérez और William Stein के निजी लेख पढ़ें, जिनमें उनके नोटबुक्स का इतिहास है।

R नोटबुक्स

R Markdown और Jupyter Notebook दोनों में पुनरुत्पादनीय वर्कफ़्लो देना, एक ही दस्तावेज़ में कोड, आउटपुट और टेक्स्ट को बुनना, इंटरएक्टिव विजेट्स को सपोर्ट करना और कई फ़ॉर्मैट्स में आउटपुट देना—ये समानताएँ हैं।

हालाँकि, दोनों अलग भी हैं: R Markdown का फोकस पुनरुत्पादनीय बैच एक्ज़िक्यूशन, प्लेन-टेक्स्ट प्रतिनिधित्व, वर्ज़न कंट्रोल, प्रोडक्शन आउटपुट और वही एडिटर/टूल्स पर है जो आप R स्क्रिप्ट्स के लिए इस्तेमाल करते हैं। दूसरी ओर, Jupyter का फोकस कोड के साथ इनलाइन आउटपुट देना, सेशन्स में आउटपुट कैश करना, कोड और आउटपुट को एक ही फ़ाइल में साझा करना है। नोटबुक्स इंटरएक्टिव एक्ज़िक्यूशन मॉडल पर ज़ोर देती हैं। वे प्लेन-टेक्स्ट का नहीं, बल्कि JSON जैसी स्ट्रक्चर्ड डेटा रिप्रज़ेंटेशन का उपयोग करती हैं।

यही RStudio की नोटबुक एप्लिकेशन का उद्देश्य समझाता है: यह R Markdown के सभी फायदों को कम्प्यूटेशनल नोटबुक्स के अच्छे पहलुओं के साथ जोड़ती है।

R नोटबुक्स के साथ कैसे काम करें और Jupyter तथा R Markdown नोटबुक्स के बीच नोटबुक शेयरिंग, प्रोजेक्ट मैनेजमेंट, वर्ज़न कंट्रोल और अन्य बातों में सटीक अंतर क्या हैं, यह जानने के लिए DataCamp की पोस्ट Jupyter and R: Notebooks with R देखें।

अन्य डेटा साइंस नोटबुक्स

बेशक, डेटा साइंस में उतरते समय आप और भी नोटबुक्स पर विचार कर सकते हैं। हाल के वर्षों में कई नए विकल्प डेटा वैज्ञानिकों और डेटा साइंस उत्साहियों तक पहुँचे हैं: Beaker Notebook, Apache Zeppelin, Spark Notebook, DataBricks Cloud आदि; साथ ही Rodeo IDE या nteract जैसे टूल्स जो आपकी डेटा साइंस विश्लेषणों को इंटरएक्टिव और पुनरुत्पादनीय बनाते हैं। यहाँ यह नोट करना अच्छा है कि nteract अन्य टूल्स से इसलिए अलग है क्योंकि यह Jupyter आर्किटेक्चर, जैसे प्रोटोकॉल्स और फ़ॉर्मैट्स, का उपयोग करता है।

प्लॉटिंग

IPython कर्नेल की एक प्रमुख सुविधा यह है कि वह कोड सेल्स चलाने के आउटपुट के रूप में प्लॉट्स दिखा सकता है। यह कर्नेल matplotlib डेटा विज़ुअलाइज़ेशन लाइब्रेरी के साथ बिना रुकावट काम करने के लिए डिज़ाइन किया गया है। इसका उपयोग करने के लिए %matplotlib मैजिक कमांड का उपयोग करें।

डिफ़ॉल्ट रूप से आपका प्लॉट एक अलग विंडो में दिखाई देगा। इसके अलावा, आप inline या qt जैसे बैकएंड भी निर्दिष्ट कर सकते हैं, जिससे प्लॉटिंग कमांड्स का आउटपुट इनलाइन या किसी अलग GUI बैकएंड के जरिए दिखेगा। इसके बारे में और पढ़ें यहाँ।

फ़ाइल सिस्टम नेविगेशन

कर्नेल के मैजिक कमांड्स आपके फ़ाइल सिस्टम के अंदर नेविगेट करने का तरीका भी देते हैं। %cd और %bookmark मैजिक्स का उपयोग या तो डायरेक्टरी बदलने के लिए या अक्सर इस्तेमाल की जाने वाली डायरेक्टरियों के लिए बुकमार्क बनाने में किया जा सकता है।

डिबगर एक्सेस

इसके बाद, आप हर बार किसी अनकॉट एक्सेप्शन पर Python डिबगर %pdb को बुलाने के लिए मैजिक्स का उपयोग कर सकते हैं। यह आपको कोड के उस हिस्से से गुजारेगा जिसने एक्सेप्शन ट्रिगर किया था, जिससे बग का स्रोत तेजी से ढूँढना संभव होगा।

आप %run मैजिक कमांड को -d विकल्प के साथ उपयोग कर सकते हैं ताकि स्क्रिप्ट्स Python डिबगर के नियंत्रण में चलें। यह आपके लिए स्वतः ही आरंभिक ब्रेकप्वाइंट्स सेट कर देगा। अंत में, आप और भी आसान डिबगर एक्सेस के लिए %debug मैजिक का उपयोग कर सकते हैं।

IPython एक्सटेंशन्स

आप %load_ext मैजिक का उपयोग करके किसी IPython एक्सटेंशन को उसके मॉड्यूल नाम से लोड कर सकते हैं। IPython एक्सटेंशन्स ऐसे Python मॉड्यूल हैं जो शेल के व्यवहार को संशोधित करते हैं: एक्सटेंशन्स मैजिक्स दर्ज कर सकते हैं, वेरिएबल्स परिभाषित कर सकते हैं, और सामान्य तौर पर यूज़र नेमस्पेस को संशोधित कर सकते हैं ताकि कोड सेल्स में उपयोग के लिए नई सुविधाएँ प्रदान की जा सकें। कुछ उदाहरण:

• %load_ext oct2py.ipython का उपयोग करके Python से बिना किसी रुकावट के M-फाइल्स और Octave फ़ंक्शंस कॉल करें,
• %load_ext rpy2.ipython का उपयोग करके Python प्रोसेस में एम्बेडेड चल रहे R के इंटरफ़ेस का उपयोग करें,
• %load_ext Cython का उपयोग करके Python-से-C कम्पाइलर का उपयोग करें,
• sympy.init_printing() का उपयोग करके Sympy Basic ऑब्जेक्ट्स का सुंदर प्रिंट ऑटोमैटिक रूप से करें, और
• Fortran को अपने इंटरएक्टिव सेशन में उपयोग करने के लिए %load_ext fortranmagic का उपयोग करें।

… और भी बहुत कुछ! आप अपनी खुद की IPython एक्सटेंशन्स बना और रजिस्टर कर सकते हैं तथा उन्हें PyPi पर दर्ज कर सकते हैं: इसका मतलब यह भी है कि वहाँ और भी कई यूज़र-परिभाषित एक्सटेंशन्स और मैजिक्स मौजूद हैं! एक उदाहरण है ipython_unittest, और यह Extensions Index भी देखें।

एक और एक्सटेंशन जिस पर आपको नज़र रखनी चाहिए, वह है sparkmagic—Livy (Spark REST सर्वर) के ज़रिए रिमोट Spark क्लस्टर्स के साथ इंटरएक्टिव रूप से काम करने के लिए टूल्स का सेट—Jupyter नोटबुक्स में। sparkmagic लाइब्रेरी %%spark मैजिक देती है, जिससे आप एक सामान्य IPython नोटबुक से ही रिमोट Spark क्लस्टर के खिलाफ आसानी से कोड चला सकते हैं।

# Load in sparkmagic
%load_ext sparkmagic.magics
 
# Set the endpoint
%manage_spark
 
# Ask for help
%spark?

Spark क्लस्टर के साथ इंटरएक्टिव रूप से काम करने के लिए इन मैजिक्स का उपयोग कैसे करें, इसके और उदाहरणों के लिए यहाँ जाएँ।

ध्यान दें कि IPython में %load_ext के अलावा दो और मैजिक्स हैं जो आपको अपनी Jupyter Notebook के भीतर से एक्सटेंशन्स मैनेज करने देते हैं: %reload_ext और %unload_ext, क्रमशः किसी एक्सटेंशन को अनलोड करके दोबारा इम्पोर्ट और लोड करने तथा एक्सटेंशन को अनलोड करने के लिए।

अलग कर्नेल्स, अन्य मैजिक्स

हालाँकि, अन्य भाषाओं में, मैजिक कमांड्स का सिंटैक्स एलिमेंट अर्थपूर्ण हो सकता है। R कर्नेल, IRKernel, में मैजिक्स सिस्टम नहीं है। bash कमांड्स चलाने के लिए, उदाहरण के लिए, आप system() जैसी R फ़ंक्शंस का उपयोग करेंगे ताकि OS कमांड इनवोक किया जा सके। एक उदाहरण होगा system("head -5 *.csv", intern=TRUE)। ध्यान दें कि intern आर्गुमेंट शामिल करके, आप बताते हैं कि आप कमांड के आउटपुट को R में करैक्टर वेक्टर के रूप में कैप्चर करना चाहते हैं। Markdown इनपुट को डिस्प्ले करने के लिए आप display_markdown() का उपयोग करते हैं, जिसमें Markdown कोड एक करैक्टर वेक्टर के रूप में पास करते हैं। इसी तरह, Julia कर्नेल IJulia “मैजिक्स” का उपयोग नहीं करता। इसके बजाय, वही लक्ष्य हासिल करने के लिए अन्य सिंटैक्स Julia में अधिक स्वाभाविक हैं, IJulia कोड सेल्स के बाहर के वातावरण में भी काम करते हैं, और अक्सर अधिक शक्तिशाली होते हैं। हालांकि, IJulia कर्नेल के डेवलपर्स ने यह सुनिश्चित किया है कि जब भी आप IJulia कोड सेल में कोई IPython मैजिक कमांड डालते हैं, तो आपको मदद के साथ एक प्रिंटआउट दिखेगा जो बताएगा कि Julia में वही असर कैसे पाया जा सकता है (यदि संभव हो)।

उदाहरण के लिए, IJulia में IPython के %load का समकक्ष IJulia.load() है।

दूसरी ओर, ऐसे कर्नेल्स भी हैं जैसे Scala कर्नेल IScala, जो IPython की तरह ही मैजिक कमांड्स सपोर्ट करते हैं। हालाँकि, मैजिक्स का सेट अलग होता है क्योंकि उसे Scala और JVM की विशेषताओं से मेल खाना होता है। मैजिक कमांड्स प्रतिशत चिह्न % से, इसके बाद एक पहचानकर्ता और वैकल्पिक इनपुट से मिलकर बनते हैं। कुछ उल्लेखनीय मैजिक्स हैं:

# Type Information
%type 1
 
# Library Management
%libraryDependencies
%update

जैसा कि आपने ऊपर पढ़ा, sparkmagic लाइब्रेरी Scala और Python कर्नेल्स का एक सेट भी देती है जो आपको रिमोट Spark क्लस्टर से स्वतः कनेक्ट करने, कोड और SQL क्वेरी चलाने, अपने Livy सर्वर और Spark जॉब कॉन्फ़िगरेशन को मैनेज करने, और ऑटोमैटिक विज़ुअलाइज़ेशन जनरेट करने देती है—और वो भी बिना किसी कोड के!

उदाहरण के लिए, आप %%sql से आसानी से SparkSQL क्वेरी चला सकते हैं या %%info मैजिक से Spark एप्लिकेशन की जानकारी और लॉग्स तक पहुँच सकते हैं।

यदि आप किसी अन्य कर्नेल के साथ काम कर रहे हैं और सोचते हैं कि क्या आप मैजिक कमांड्स का उपयोग कर सकते हैं, तो यह जानना मददगार हो सकता है कि कुछ कर्नेल्स metakernel प्रोजेक्ट पर आधारित होते हैं और, अधिकतर मामलों में, वही मैजिक्स उपयोग करते हैं जो आप IPython कर्नेल में भी पाते हैं। metakernel मैजिक्स की सूची आपको यहाँ मिलेगी। metakernel एक Jupyter/IPython कर्नेल टेम्पलेट है जिसमें कोर मैजिक फ़ंक्शंस शामिल हैं।

कुछ उदाहरण:

• MATLAB कर्नेल matlab_kernel,
• Octave कर्नेल octave_kernel,
• Java9 कर्नेल java9_kernel,
• Wolfram कर्नेल wolfram_kernel,
• SAS कर्नेल। … और भी कई!

इसका मतलब यह है कि, उदाहरण के लिए, जब आप MATLAB कर्नेल का उपयोग करते हैं, तो आपके पास निम्न मैजिक्स उपलब्ध होंगे:

Available line magics:
%cd  %connect_info  %download  %edit  %get  %help  %html  %install  %install_magic  %javascript  %kernel  %kx  %latex  %load  %ls  %lsmagic  %magic  %parallel  %plot  %pmap  %px  %python  %reload_magics  %restart  %run  %set  %shell  %spell
 
Available cell magics:
%%debug  %%file  %%help  %%html  %%javascript  %%kx  %%latex  %%processing  %%px  %%python  %%shell  %%show  %%spell

अगर आप ऊपर छपा खंड देखें, तो पाएंगे कि इनमें से कुछ मैजिक कमांड्स बहुत परिचित लगते हैं। जो मैजिक्स को अच्छी तरह नहीं जानते, वे ऊपर दिए खंड की तुलना IPython कर्नेल में डिफ़ॉल्ट रूप से उपलब्ध मैजिक्स से करें, तो कुछ मैजिक्स समान मिलेंगी:

Available line magics:
%alias  %alias_magic  %autocall  %automagic  %autosave  %bookmark  %cat  %cd  %clear  %colors  %config  %connect_info  %cp  %debug  %dhist  %dirs  %doctest_mode  %ed  %edit  %env  %gui  %hist  %history  %killbgscripts  %ldir  %less  %lf  %lk  %ll  %load  %load_ext  %loadpy  %logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %lx  %macro  %magic  %man  %matplotlib  %mkdir  %more  %mv  %notebook  %page  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %popd  %pprint  %precision  %profile  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab  %qtconsole  %quickref  %recall  %rehashx  %reload_ext  %rep  %rerun  %reset  %reset_selective  %rm  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit  %unalias  %unload_ext  %who  %who_ls  %whos  %xdel  %xmode
 
Available cell magics:
%%!  %%HTML  %%SVG  %%bash  %%capture  %%debug  %%file  %%html  %%javascript  %%js  %%latex  %%perl  %%prun  %%pypy  %%python  %%python2  %%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefile

मूलत:, आप एक सवाल से तय कर सकते हैं कि कौन-सी मैजिक्स IPython-विशेष हैं और कौन-सी अन्य कर्नेल्स में भी उपयोग हो सकती हैं: क्या यह फ़ंक्शनालिटी Python-विशेष है या यह कोई सामान्य चीज़ है जो उस भाषा में भी काम करेगी, जिसमें आप काम कर रहे हैं?

उदाहरण के लिए, %pdb यानी Python Debugger या %matplotlib Python-विशेष हैं, जिनका JavaScript कर्नेल के साथ कोई मतलब नहीं बनता। जबकि %cd से डायरेक्टरी बदलना आम तौर पर बहुत सामान्य चीज़ है और किसी भी भाषा में काम करना चाहिए, क्योंकि यह इतना “जनरल” कमांड है। इसलिए, इसके अन्य कर्नेल्स में उपलब्ध होने की सम्भावना है। बेशक, आपको फिर भी यह जानना होगा कि आपका कर्नेल मैजिक्स का उपयोग करता है या नहीं।