尽管 AWS EC2 仍是云计算领域的领导者，Google Cloud 已经打造出极具吸引力且竞争力的云计算平台。
在本教程中，您将学到如何：
在 Google Compute Engine（GCE）上创建实例；
安装基于 Anaconda 的数据科学环境；以及
在线访问并运行 Jupyter Notebook。
在云端而非本地机器上开展数据科学项目，主要有两大优势：
可扩展性：您可以根据当下需求调整实例的算力（RAM、CPU、GPU）。从小而经济的实例起步，随着项目推进再逐步增加内存、存储、CPU 或 GPU。
可复现性：这是任何数据科学项目的关键要求。允许其他数据科学家审阅您的模型并复现实验，是成功落地的必要条件。通过在虚拟实例上搭建工作环境，您可以确保工作便于分享、复现和由团队成员审核。
Google Compute Engine
虽然 EC2 和 GCE 都建立在类似的概念和元素（实例、镜像与快照）之上，但它们在访问方式和资源组织上有所不同。
Google Cloud Platform（GCP）的一个关键特性是其以项目为中心的组织方式。所有计费、权限、资源和设置都归属于用户定义的项目，项目基本上充当一个全局命名空间。这不仅简化了您所用资源（存储、数据库、实例等）之间的关联映射，也让从基于角色的权限到实际的 SSH 密钥和安全策略的访问管理更加简单。就易用性以及访问与角色管理而言，我认为在 GCP 上工作比在 AWS 上更为轻松，尤其是在同时使用多种服务时。
GCP 还提供了一些对数据科学尤为相关的服务，包括但不限于：
较低的学习门槛和对数据友好的服务，使 GCP 成为数据科学家工具箱中的必备品。
在开始启动实例并安装 Python 包之前，我们先用一点时间回顾一下云计算中的一些常用术语。
VM、磁盘、镜像与快照
虚拟机（VM），也称为“实例”，是您按需启用的服务器。底层硬件会与其他用户共享，并以透明方式进行虚拟化。您只需选择托管在 Google 某个数据中心的实例的大致地理位置。
VM 由持久磁盘类型以及其所基于的操作系统（OS，如 Windows 或 Linux）共同定义。持久磁盘就是您的虚拟硬件切片。
镜像是持久磁盘与操作系统的物理组合。VM 镜像常用于在多台 VM 上共享并实施特定配置。公共镜像由 Google 提供，包含多种特定 OS 选项；私有镜像则由用户自定义。
快照是在某一时刻对 VM（磁盘、软件、库、文件）内容的映射，主要用于即时备份。快照与镜像的主要区别在于，快照以相对于前一快照的差异形式存储，而镜像则不是。
镜像和快照都可以用来定义并启用新的 VM。
回顾一下：当您启动新实例时，GCE 会先将一个持久磁盘挂载到 VM 上。这既提供了磁盘空间，也为实例提供了启动所需的根文件系统。该磁盘会安装您所选镜像关联的操作系统。通过对镜像进行快照，您可以创建即时备份，并可从现有 VM 复制数据以启动新的 VM。
现在就把这些付诸实践，开始创建您的第一台 VM！
在 GCP 上的第一台 VM：快速开始
创建账户和项目
要在 GCP 上开户，您需要一个标准的 Google（Gmail）账户。撰文时，Google 提供为期 12 个月/300 美元的免费试用 。尽管该优惠附带一些限制 （例如禁止比特币挖矿），但足以让您在这一环境中起步。
要使用免费试用创建 GCP 账户，请访问 cloud.google.com 并点击 try it free 按钮。系统会要求您使用 Google 账户登录并添加结算信息。创建账户后，您可以通过 http://console.cloud.google.com/ 访问网页版控制台。
您将先使用网页版控制台定义并启动一个基于 Debian 的实例，然后切换到基于网页的 Shell 终端安装数据科学技术栈所需的软件包。
但首先，您需要创建一个新项目：
前往资源管理页面 ；
点击“Create a new project”；
填写项目标题，并留意 Google 如何即时生成项目 ID；
按需编辑项目 ID，然后点击“Create”。
项目 ID 必须在 GCP 命名空间内全局唯一，而项目标题可以随意。我的项目命名为 datacamp-gcp，如下所示：
默认情况下，创建新项目时，您的 Google 账户会被设为该项目的所有者，拥有对项目所有资源及计费的完全权限和访问权。
在 IAM 页面 的角色部分，您可以为项目添加具有特定角色的成员。出于本教程目的，您可以跳过此步骤，仅保留您自己作为项目的唯一用户和管理员。
创建实例
要创建第一台 VM，请按以下步骤操作：
访问 https://console.cloud.google.com/home/dashboard 的仪表板，选择刚创建的项目。
在左上角菜单中选择“Compute Engine”，点击“VM instances”。
在弹窗中点击“Create”按钮。
您现在来到了“Create an Instance”页面。
为实例命名：名称可随意。我将实例命名为 starling。
选择区域：经验法则是选择离您最近且价格最低的区域，以减少延迟。我选择 east-d。请注意，不同区域价格差异较大。
选择所需的内存、存储和 CPU。您可以使用多个预设，也可自定义实例。这里我选择默认配置 n1-standard-1，即 3.75 GB 内存和 1 个 vCPU，预估每月 $24.67。
选择启动磁盘 ，使用默认的 Debian GNU/Linux 9（stretch）操作系统和 10 GB 存储。如果您更喜欢 Ubuntu 或其他 Linux 发行版，点击“Change”并进行相应选择。由于 Ubuntu 与 Debian 关系密切，本教程中两者皆可。
5. 确保能从互联网访问该 VM，勾选允许 HTTP 和 HTTPS 流量。
6.（可选）启用持久磁盘用于备份：点击“Management, Disks, networking, SSH keys”链接。将显示一组选项卡，选择“Disks”选项卡并取消选中“Deletion Rule”。这样，当您删除实例时，磁盘不会被删除，可在后续用于快速启动新实例。
7. 最后，点击“Create”。几分钟后实例即可就绪。
注意 Create 按钮下方的“Equivalent command line”链接。该链接会显示从零创建同一实例所需的等效命令行。这是个非常聪明的功能，有助于学习 gcloud SDK 的语法。
至此，您有了一个正在运行的实例，但几乎还是空的。访问实例有两种方式：要么在本地机器上安装 gcloud SDK ，要么使用 Google 的 Cloud Shell。
Google 的 Cloud Shell
Google 的 Cloud Shell 是浏览器中的独立终端，您可以用它来访问和管理资源。点击控制台页面右上角的 >\_ 图标即可激活 Cloud Shell。浏览器下方会变成一个 Shell 终端。
该终端运行在一台 f1-micro 的 Google Compute Engine 虚拟机上，操作系统为 Debian，带有 5 GB 存储。它按用户、按会话创建。在您的 Cloud Shell 会话活动期间保持存在，若 20 分钟无操作则会删除。由于关联磁盘在会话之间保持持久，您的内容（文件、配置等）会在各会话间保留。Cloud Shell 实例预装了 gcloud SDK 和 vim。
需要明确区分基于用户的 Cloud Shell 实例与您刚创建的实例。支撑 Cloud Shell 的实例只是一个便捷的资源管理环境，用于在临时实例上存储您的配置。而您刚创建的那台 VM（上例中命名为 starling）才是您要安装数据科学环境的地方。
除了使用 Google Cloud Shell，您也可以在本地机器上安装 gcloud SDK ，在本地环境中进行全部管理。
以下是一些管理实例的实用命令：
列出您的实例
gcloud compute instances list
停止实例（需数秒）
gcloud compute instances stop <instance name>
启动实例（同样需数秒）
gcloud compute instances start <instance name>
通过 SSH 连接到 starling 实例
gcloud compute ssh <instance name>
设置 VM
在 Google Shell 窗口中运行上面的最后一个命令登录到您的实例。接下来的步骤包括：
使用 apt-get install 安装若干 Debian 包；
安装 Anaconda 或 Miniconda 发行版；
配置实例，使 Jupyter Notebook 能安全地在线访问。
Debian 软件包
先从安装以下 Debian 包开始：
bzip2：安装 Mini/Anaconda 所需；
git：常用工具；
libxml2-dev：目前不是必需，但在后续安装部分 Python 库时常常需要。
在终端中运行以下命令（Ubuntu 与 Debian 通用）：
$ sudo apt- get update
$ sudo apt- get install bzip2 git libxml2- dev
技术支持 Anaconda / Miniconda
安装完上述软件包后，开始安装 Python 3 的 Anaconda 发行版。您可以选择安装包含众多科学 Python 库的完整版 Anaconda（其中一些您可能暂时用不到），也可选择更轻量的 Miniconda 版本（需要您手动安装 Jupyter 等库）。两种方式过程相似。
要安装更轻量的 Miniconda 发行版 ，运行：
$ wget https: / / repo. continuum. io/ miniconda/ Miniconda3- latest- Linux- x86_64. sh
$ bash Miniconda3- latest- Linux- x86_64. sh
$ rm Miniconda3- latest- Linux- x86_64. sh
$ source . bashrc
$ conda install scikit- learn pandas jupyter ipython
技术支持 前两行下载并运行安装脚本。安装时请接受许可并使用默认路径。第 3 行删除不再需要的安装脚本文件。第 4 行通过执行 .bashrc，无需重开终端即可将 conda 命令加入 $PATH。最后一行安装所需的 Python 库：scikit-learn pandas jupyter ipython。
安装完整版 Anaconda 的命令非常类似。请务必查看下载页面 以获取最新脚本文件版本：
$ wget https: / / repo. continuum. io/ archive/ Anaconda3- 5.0 .1 - Linux- x86_64. sh
$ bash Anaconda3- 5.0 .1 - Linux- x86_64. sh
$ rm Anaconda3- 5.0 .1 - Linux- x86_64. sh
$ source . bahsrc
技术支持 为验证一切安装正确，可用 python --version 查看 Python 版本，并用 which python 确认默认调用的是正确的 Python。您应能得到类似下面的结果：
至此，您已经拥有一个可用的 Python 环境，并安装了标准的数据科学库（sklearn、pandas）。
允许网页访问
第三步也是最后一步，是配置 VM 以允许通过网页访问您的 Jupyter Notebook。
首先需要让 VM 能从外网访问。为此，您将在 Google Cloud 控制台中创建一条防火墙规则。返回实例仪表板 ，在左上角菜单中选择“VPC Network > Firewall rules”。点击“CREATE FIREWAL RULE”链接，并填写如下值：
Name ：jupyter-rule （名称可自定义 ）Source IP ranges ：0.0.0.0/0 Specified protocols and ports ：tcp:8888 其余变量保持默认。
表单应类似如下：
该防火墙规则允许所有传入流量（来自所有 IP）访问 8888 端口。
通过“Equivalent command line”链接，您可以看到也可在终端中用以下命令创建该防火墙规则：
$ gcloud compute --project=datacamp-gcp firewall-rules create jupyter-rule --direction=INGRESS --priority=1000 --network=default --action=ALLOW --rules=tcp:8888 --source-ranges=0.0.0.0/0
现在返回 VM 页面（左上角菜单 > Compute Engine > VM instances），点击您的 VM 名称。
记下 VM 的 IP 地址。您将用该 IP 在浏览器中访问 Jupyter 环境。就我这里的示例而言，IP 地址是：35.196.81.49，您的会不同。
并确保已勾选防火墙规则：
Jupyter 配置
Jupyter Notebook 提供了一个需要生成并编辑的配置文件，以便设置在线访问。在终端中运行 jupyter notebook --generate-config 生成配置文件，并运行 jupyter notebook password 生成密码。
提示 ：请务必设置一个强密码！
现在用 vim .jupyter/jupyter_notebook_config.py 编辑您刚创建的配置文件，并在文件顶部添加以下一行：
c.NotebookApp.ip = '*'
（在 vim 中切换到编辑模式，按下 i 键）。使用 ESC:wq 组合键保存并退出。
这将允许 Notebook 在您的 VM 上对所有 IP 可用，而不仅仅是您在本机工作时常见的 http://localhost:8888 URL。
启动
现在您可以用以下命令启动 Jupyter Notebook：
$ jupyter-notebook --no-browser --port=8888
终端中应看到类似如下输出：
在浏览器中访问 URL：http://<your_VM_IP>:8888/，即可进入刚搭建好的 Jupyter Notebook。
为检查一切正常，创建一个新的 Python 3 笔记本，并执行 import pandas。
插曲
关于当前设置的几点说明：
您在浏览器中使用的 IP 地址是临时的。这意味着每次重启 VM，Notebook 的 URL 都会改变。您可以通过：左上角菜单 > VPC Network > External IP addresses 将其改为“static”，如下图所示：
当前设置的安全性依赖于您之前设定的 Jupyter Notebook 密码的强度。互联网上的任何人都可以访问与您相同的 URL（而且机器人一定会尝试）。Jupyter Notebook 的一个强大却非常不安全的核心功能是，您可以直接从 Notebook 打开具有 sudo 权限的终端。这意味着，一旦有人破解了您的 Notebook 密码，就可能接管您的 VM，并运行任何会让您的账单激增的操作。第一层防护措施包括：
确保您的 Jupyter 密码足够强；
不工作时记得停止 VM。
此外，您目前通过 http 而非 https 访问服务器，安全性不足。Let’s Encrypt 提供免费的 SSL/TLS 证书，并且是Jupyter 文档 中推荐的加密方案。关于运行公共 Jupyter Notebook 的安全问题，更多信息可参见这篇文章 。
IPython
Jupyter Notebook 非常适合在线协作。但您也可以在终端中直接运行 ipython 命令开启 IPython 会话。它具备 Jupyter Notebook 的所有便利功能（如魔法命令 %paste、%run 等），只是没有网页界面。
R
要在 Jupyter 控制台中启用 R Notebook 也很容易。启用 R Markdown 的说明请参考这篇精彩的 DataCamp 教程：Karlijn Willems 的《Jupyter 与 R Markdown：R 笔记本》 。
结语
Google Cloud 为数据科学提供了许多有趣的服务，并配备强大却易于配置的 VM 实例，同时还有极具吸引力的免费试用。其网页版控制台易于导航，并常常展示当前配置页面的等效命令行，从而降低了使用 gcloud SDK 的门槛。
在本文中，您学会了如何选择并启动 VM 实例，安装必要的 Debian 软件包、Anaconda 发行版和数据科学栈，最后配置访问规则，从浏览器启动可访问的 Jupyter Notebook。
尽管首次操作可能显得有些复杂，但随着您创建并启动越来越多的 VM，这一流程会很快变得驾轻就熟。如果遇到混乱，随时可以删除当前 VM 从头再来——这正是云端工作的优势之一。几次练习之后，您就能在几分钟内在 Google Cloud 上搭建完整的数据科学环境。欢迎通过 Twitter 与我交流您的看法与问题：@alexip 。
%22%3E%3Cpath%20d%3D%22m-369%200h408v79h-408z%22%20fill%3D%22%237933ff%22%2F%3E%3Cpath%20d%3D%22m-148%200h306v45h-306z%22%20fill%3D%22%23974dff%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
%22%2F%3E%3C%2FclipPath%3E%3Cg%20clip-path%3D%22url(%23a)%22%3E%3Cpath%20d%3D%22m76%200h484v36h-484z%22%20fill%3D%22%23974dff%22%2F%3E%3Cpath%20d%3D%22m0%200h384v24h-384z%22%20fill%3D%22%2306bdfc%22%20transform%3D%22matrix(1%200%200%20-1%200%2060)%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
尽管 AWS EC2 仍是云计算领域的领导者，Google Cloud 已经打造出极具吸引力且竞争力的云计算平台。
在本教程中，您将学到如何：
在云端而非本地机器上开展数据科学项目，主要有两大优势：
Google Compute Engine
虽然 EC2 和 GCE 都建立在类似的概念和元素（实例、镜像与快照）之上，但它们在访问方式和资源组织上有所不同。
Google Cloud Platform（GCP）的一个关键特性是其以项目为中心的组织方式。所有计费、权限、资源和设置都归属于用户定义的项目，项目基本上充当一个全局命名空间。这不仅简化了您所用资源（存储、数据库、实例等）之间的关联映射，也让从基于角色的权限到实际的 SSH 密钥和安全策略的访问管理更加简单。就易用性以及访问与角色管理而言，我认为在 GCP 上工作比在 AWS 上更为轻松，尤其是在同时使用多种服务时。
GCP 还提供了一些对数据科学尤为相关的服务，包括但不限于：
较低的学习门槛和对数据友好的服务，使 GCP 成为数据科学家工具箱中的必备品。
在开始启动实例并安装 Python 包之前，我们先用一点时间回顾一下云计算中的一些常用术语。
VM、磁盘、镜像与快照
虚拟机（VM），也称为“实例”，是您按需启用的服务器。底层硬件会与其他用户共享，并以透明方式进行虚拟化。您只需选择托管在 Google 某个数据中心的实例的大致地理位置。
VM 由持久磁盘类型以及其所基于的操作系统（OS，如 Windows 或 Linux）共同定义。持久磁盘就是您的虚拟硬件切片。
镜像是持久磁盘与操作系统的物理组合。VM 镜像常用于在多台 VM 上共享并实施特定配置。公共镜像由 Google 提供，包含多种特定 OS 选项；私有镜像则由用户自定义。
快照是在某一时刻对 VM（磁盘、软件、库、文件）内容的映射，主要用于即时备份。快照与镜像的主要区别在于，快照以相对于前一快照的差异形式存储，而镜像则不是。
镜像和快照都可以用来定义并启用新的 VM。
回顾一下：当您启动新实例时，GCE 会先将一个持久磁盘挂载到 VM 上。这既提供了磁盘空间，也为实例提供了启动所需的根文件系统。该磁盘会安装您所选镜像关联的操作系统。通过对镜像进行快照，您可以创建即时备份，并可从现有 VM 复制数据以启动新的 VM。
现在就把这些付诸实践，开始创建您的第一台 VM！
在 GCP 上的第一台 VM：快速开始
创建账户和项目
要在 GCP 上开户，您需要一个标准的 Google（Gmail）账户。撰文时，Google 提供为期 12 个月/300 美元的免费试用。尽管该优惠附带一些限制（例如禁止比特币挖矿），但足以让您在这一环境中起步。
要使用免费试用创建 GCP 账户，请访问 cloud.google.com 并点击
try it free按钮。系统会要求您使用 Google 账户登录并添加结算信息。创建账户后，您可以通过 http://console.cloud.google.com/ 访问网页版控制台。您将先使用网页版控制台定义并启动一个基于 Debian 的实例，然后切换到基于网页的 Shell 终端安装数据科学技术栈所需的软件包。
但首先，您需要创建一个新项目：
项目 ID 必须在 GCP 命名空间内全局唯一，而项目标题可以随意。我的项目命名为
datacamp-gcp，如下所示：默认情况下，创建新项目时，您的 Google 账户会被设为该项目的所有者，拥有对项目所有资源及计费的完全权限和访问权。
在 IAM 页面的角色部分，您可以为项目添加具有特定角色的成员。出于本教程目的，您可以跳过此步骤，仅保留您自己作为项目的唯一用户和管理员。
创建实例
要创建第一台 VM，请按以下步骤操作：
您现在来到了“Create an Instance”页面。
为实例命名：名称可随意。我将实例命名为
starling。选择区域：经验法则是选择离您最近且价格最低的区域，以减少延迟。我选择
east-d。请注意，不同区域价格差异较大。选择所需的内存、存储和 CPU。您可以使用多个预设，也可自定义实例。这里我选择默认配置
n1-standard-1，即 3.75 GB 内存和 1 个 vCPU，预估每月 $24.67。选择启动磁盘，使用默认的 Debian GNU/Linux 9（stretch）操作系统和 10 GB 存储。如果您更喜欢 Ubuntu 或其他 Linux 发行版，点击“Change”并进行相应选择。由于 Ubuntu 与 Debian 关系密切，本教程中两者皆可。
5. 确保能从互联网访问该 VM，勾选允许 HTTP 和 HTTPS 流量。
6.（可选）启用持久磁盘用于备份：点击“Management, Disks, networking, SSH keys”链接。将显示一组选项卡，选择“Disks”选项卡并取消选中“Deletion Rule”。这样，当您删除实例时，磁盘不会被删除，可在后续用于快速启动新实例。
7. 最后，点击“Create”。几分钟后实例即可就绪。
注意
Create按钮下方的“Equivalent command line”链接。该链接会显示从零创建同一实例所需的等效命令行。这是个非常聪明的功能，有助于学习 gcloud SDK 的语法。至此，您有了一个正在运行的实例，但几乎还是空的。访问实例有两种方式：要么在本地机器上安装 gcloud SDK，要么使用 Google 的 Cloud Shell。
Google 的 Cloud Shell
Google 的 Cloud Shell 是浏览器中的独立终端，您可以用它来访问和管理资源。点击控制台页面右上角的
>\_图标即可激活 Cloud Shell。浏览器下方会变成一个 Shell 终端。该终端运行在一台 f1-micro 的 Google Compute Engine 虚拟机上，操作系统为 Debian，带有 5 GB 存储。它按用户、按会话创建。在您的 Cloud Shell 会话活动期间保持存在，若 20 分钟无操作则会删除。由于关联磁盘在会话之间保持持久，您的内容（文件、配置等）会在各会话间保留。Cloud Shell 实例预装了 gcloud SDK 和 vim。
需要明确区分基于用户的 Cloud Shell 实例与您刚创建的实例。支撑 Cloud Shell 的实例只是一个便捷的资源管理环境，用于在临时实例上存储您的配置。而您刚创建的那台 VM（上例中命名为
starling）才是您要安装数据科学环境的地方。除了使用 Google Cloud Shell，您也可以在本地机器上安装 gcloud SDK，在本地环境中进行全部管理。
以下是一些管理实例的实用命令：
列出您的实例
gcloud compute instances list停止实例（需数秒）
gcloud compute instances stop <instance name>启动实例（同样需数秒）
gcloud compute instances start <instance name>通过 SSH 连接到 starling 实例
gcloud compute ssh <instance name>设置 VM
在 Google Shell 窗口中运行上面的最后一个命令登录到您的实例。接下来的步骤包括：
apt-get install安装若干 Debian 包；Debian 软件包
先从安装以下 Debian 包开始：
在终端中运行以下命令（Ubuntu 与 Debian 通用）：
Anaconda / Miniconda
安装完上述软件包后，开始安装 Python 3 的 Anaconda 发行版。您可以选择安装包含众多科学 Python 库的完整版 Anaconda（其中一些您可能暂时用不到），也可选择更轻量的 Miniconda 版本（需要您手动安装 Jupyter 等库）。两种方式过程相似。
要安装更轻量的 Miniconda 发行版，运行：
前两行下载并运行安装脚本。安装时请接受许可并使用默认路径。第 3 行删除不再需要的安装脚本文件。第 4 行通过执行
.bashrc，无需重开终端即可将conda命令加入$PATH。最后一行安装所需的 Python 库：scikit-learn pandas jupyter ipython。安装完整版 Anaconda 的命令非常类似。请务必查看下载页面以获取最新脚本文件版本：
为验证一切安装正确，可用
python --version查看 Python 版本，并用which python确认默认调用的是正确的 Python。您应能得到类似下面的结果：至此，您已经拥有一个可用的 Python 环境，并安装了标准的数据科学库（
sklearn、pandas）。允许网页访问
第三步也是最后一步，是配置 VM 以允许通过网页访问您的 Jupyter Notebook。
首先需要让 VM 能从外网访问。为此，您将在 Google Cloud 控制台中创建一条防火墙规则。返回实例仪表板，在左上角菜单中选择“VPC Network > Firewall rules”。点击“CREATE FIREWAL RULE”链接，并填写如下值：
表单应类似如下：
该防火墙规则允许所有传入流量（来自所有 IP）访问 8888 端口。
通过“Equivalent command line”链接，您可以看到也可在终端中用以下命令创建该防火墙规则：
$ gcloud compute --project=datacamp-gcp firewall-rules create jupyter-rule --direction=INGRESS --priority=1000 --network=default --action=ALLOW --rules=tcp:8888 --source-ranges=0.0.0.0/0现在返回 VM 页面（左上角菜单 > Compute Engine > VM instances），点击您的 VM 名称。
记下 VM 的 IP 地址。您将用该 IP 在浏览器中访问 Jupyter 环境。就我这里的示例而言，IP 地址是：
35.196.81.49，您的会不同。并确保已勾选防火墙规则：
Jupyter 配置
Jupyter Notebook 提供了一个需要生成并编辑的配置文件，以便设置在线访问。在终端中运行
jupyter notebook --generate-config生成配置文件，并运行jupyter notebook password生成密码。提示：请务必设置一个强密码！
现在用
vim .jupyter/jupyter_notebook_config.py编辑您刚创建的配置文件，并在文件顶部添加以下一行：c.NotebookApp.ip = '*'（在 vim 中切换到编辑模式，按下
i键）。使用ESC:wq组合键保存并退出。这将允许 Notebook 在您的 VM 上对所有 IP 可用，而不仅仅是您在本机工作时常见的
http://localhost:8888URL。启动
现在您可以用以下命令启动 Jupyter Notebook：
$ jupyter-notebook --no-browser --port=8888终端中应看到类似如下输出：
在浏览器中访问 URL：
http://<your_VM_IP>:8888/，即可进入刚搭建好的 Jupyter Notebook。为检查一切正常，创建一个新的 Python 3 笔记本，并执行
import pandas。插曲
关于当前设置的几点说明：
您在浏览器中使用的 IP 地址是临时的。这意味着每次重启 VM，Notebook 的 URL 都会改变。您可以通过：左上角菜单 > VPC Network > External IP addresses 将其改为“static”，如下图所示：
当前设置的安全性依赖于您之前设定的 Jupyter Notebook 密码的强度。互联网上的任何人都可以访问与您相同的 URL（而且机器人一定会尝试）。Jupyter Notebook 的一个强大却非常不安全的核心功能是，您可以直接从 Notebook 打开具有 sudo 权限的终端。这意味着，一旦有人破解了您的 Notebook 密码，就可能接管您的 VM，并运行任何会让您的账单激增的操作。第一层防护措施包括：
确保您的 Jupyter 密码足够强；
此外，您目前通过 http 而非 https 访问服务器，安全性不足。Let’s Encrypt 提供免费的 SSL/TLS 证书，并且是Jupyter 文档中推荐的加密方案。关于运行公共 Jupyter Notebook 的安全问题，更多信息可参见这篇文章。
IPython
Jupyter Notebook 非常适合在线协作。但您也可以在终端中直接运行
ipython命令开启 IPython 会话。它具备 Jupyter Notebook 的所有便利功能（如魔法命令 %paste、%run 等），只是没有网页界面。R
要在 Jupyter 控制台中启用 R Notebook 也很容易。启用 R Markdown 的说明请参考这篇精彩的 DataCamp 教程：Karlijn Willems 的《Jupyter 与 R Markdown：R 笔记本》。
结语
Google Cloud 为数据科学提供了许多有趣的服务，并配备强大却易于配置的 VM 实例，同时还有极具吸引力的免费试用。其网页版控制台易于导航，并常常展示当前配置页面的等效命令行，从而降低了使用 gcloud SDK 的门槛。
在本文中，您学会了如何选择并启动 VM 实例，安装必要的 Debian 软件包、Anaconda 发行版和数据科学栈，最后配置访问规则，从浏览器启动可访问的 Jupyter Notebook。
尽管首次操作可能显得有些复杂，但随着您创建并启动越来越多的 VM，这一流程会很快变得驾轻就熟。如果遇到混乱，随时可以删除当前 VM 从头再来——这正是云端工作的优势之一。几次练习之后，您就能在几分钟内在 Google Cloud 上搭建完整的数据科学环境。欢迎通过 Twitter 与我交流您的看法与问题：@alexip。