Compartir por

Configuración de un laboratorio para enseñar R en Linux

  • Artigo

Importante

Azure Lab Services se retirará el 28 de junio de 2027. Para más información, consulte la guía de retirada.

Nota:

En este artículo se hace referencia a las características disponibles en planes de laboratorio, que reemplazaron las cuentas de laboratorio.

R es un lenguaje de código abierto que se usa para la computación y los gráficos estadísticos. Se utiliza en el análisis estadístico de la genética, en el procesamiento del lenguaje natural y en el análisis de datos financieros. R proporciona una experiencia de línea de comandos interactiva. RStudio es un entorno de desarrollo interactivo (IDE) disponible para el lenguaje R. La versión gratuita proporciona herramientas de edición de código, una experiencia de depuración integrada y herramientas de desarrollo de paquetes.

Este artículo se centra exclusivamente en RStudio y R como bloque de creación para una clase que requiere el uso de computación estadística. Los tipos de clase aprendizaje profundo y Python y Jupyter Notebooks configuran RStudio de forma diferente. En cada artículo se describe cómo usar la imagen de Marketplace Data Science Virtual Machine para Linux (Ubuntu), que tiene preinstaladas muchas herramientas relacionadas con la ciencia de datos, incluido RStudio.

Configuración del laboratorio

Si quiere configurar este laboratorio, para empezar, necesita una suscripción a Azure y un plan de laboratorio. Si no tiene una suscripción a Azure, cree una cuenta gratuita antes de empezar.

Configuración de recursos externos

Algunas clases requieren que determinados archivos (por ejemplo, los de datos grandes) se almacenen externamente.

Si opta por tener una instancia compartida de R Server para los alumnos, se debe configurar el servidor antes de crear el laboratorio. Para más información sobre cómo configurar un servidor compartido, consulte cómo crear un laboratorio con un recurso compartido en Azure Lab Services. Para obtener instrucciones sobre cómo crear una instancia de RStudio Server, consulte Descarga de RStudio Server para Debian y Ubuntu y Acceso a RStudio Server de código abierto.

Si decide usar recursos externos, debe conectarse a su red virtual en Azure Lab Services con su plan de laboratorio.

Importante

Las redes avanzadas deben estar habilitadas durante la creación del plan de laboratorio. No se puede agregar más tarde.

Configuración del plan de laboratorio

Una vez que tenga una suscripción a Azure, puede crear un plan de laboratorio en Azure Lab Services. Para obtener más información sobre la creación de un plan de laboratorio, consulte el tutorial sobre cómo configurar un plan de laboratorio. También puede usar un plan de laboratorio existente.

Habilite la configuración del plan de laboratorio tal y como se describe en la tabla siguiente. Para obtener más información sobre cómo habilitar imágenes de Azure Marketplace, consulte Especificación de las imágenes de Azure Marketplace disponibles para los creadores de laboratorios.

Configuración del plan de laboratorio Instrucciones
Imágenes de Marketplace Habilite la imagen de Ubuntu Server 18.04 LTS.

Configuración del laboratorio

Para ver instrucciones sobre cómo crear un laboratorio, vea Tutorial: configuración de un laboratorio. Use la configuración siguiente al crear el laboratorio.

Configuración del laboratorio Valor y descripción
Tamaño de máquina virtual GPU pequeña (proceso)
Imagen de la máquina virtual Ubuntu Server 18.04 LTS
Habilitar la conexión a Escritorio remoto Este valor debe habilitarse si opta por usar RDP. Este valor no es necesario si elige X2Go para conectarse a máquinas de laboratorio.

Sin embargo, si decide usar RDP, debe conectarse a la máquina virtual Linux mediante SSH e instalar los paquetes de RDP y GUI antes de publicar el laboratorio. Después, los alumnos pueden conectarse a la máquina virtual Linux mediante RDP más adelante. Para obtener más información, consulte Habilitación del Escritorio remoto para máquinas virtuales Linux en un laboratorio de Azure Lab Services.

Configuración de plantilla

Una vez creada la plantilla de máquina, inicie la máquina y conéctese a ella para instalar R, RStudio Desktop y, opcionalmente, X2Go Server.

En primer lugar, vamos a actualizar apt y los paquetes existentes en la máquina.

sudo apt update 
sudo apt upgrade

Instalación de X2Go Server

Si opta por usar X2Go, instale el servidor. Primero debe conectarse a una máquina virtual de laboratorio de Linux mediante SSH para instalar el componente de servidor. Una vez completado el paso anterior, el resto de la instalación se puede completar después de conectarse mediante el cliente X2Go.

La instalación predeterminada de X2Go no es compatible con RStudio. Para evitar este problema, actualice el archivo de opciones x2goagent.

  1. Edite el archivo /etc/x2go/x2goagent.options. No olvide editar el archivo como sudo.

    1. Quite la marca de comentario de la línea en la que se indica lo siguiente: X2GO_NXAGENT_DEFAULT_OPTIONS+=" -extension GLX"
    2. Comente la línea en la que se indica lo siguiente: X2GO_NXAGENT_DEFAULT_OPTIONS+=" -extension GLX"

  2. Reinicie X2Go Server para que se usen las nuevas opciones.

    sudo systemctl restart x2goserver

Otra posibilidad es compilar las bibliotecas necesarias siguiendo las instrucciones que encontrará en el artículo sobre la solución alternativa de GLX para X2Go.

Instalar R

Hay varias formas de instalar R en la máquina virtual. Instale R desde el repositorio Comprehensive R Archive Network (CRAN), que proporciona las versiones más actualizadas de R. Una vez agregado el repositorio a nuestro equipo, puede instalar R y muchos otros paquetes relacionados.

Es necesario agregar el repositorio de CRAN. Los comandos se modifican a partir de las instrucciones disponibles en Ubuntu Packages for R - Brief Instructions (Paquetes de Ubuntu para R: instrucciones breves).

#download helper packages
sudo apt install --no-install-recommends software-properties-common dirmngr
# download and add the signing key (by Michael Rutter) for these repos
sudo wget -q "https://cloud.r-project.org/bin/linux/ubuntu/marutter_pubkey.asc" -O /etc/apt/trusted.gpg.d/cran_ubuntu_key.asc
#add repository
sudo add-apt-repository "deb https://cloud.r-project.org/bin/linux/ubuntu bionic-cran40/"

Ya podemos instalar R ejecutando el siguiente comando:

sudo apt install r-base

Instalación de RStudio

Ahora que R está instalado localmente, podemos instalar el IDE de RStudio. Vamos a instalar la versión gratuita de RStudio Desktop. Para todas las versiones disponibles, consulte Descargas de RStudio.

  1. Importe la clave de firma de código para RStudio.

    sudo gpg --keyserver keyserver.ubuntu.com  --recv-keys 3F32EE77E331692F

  2. Descargue el archivo de paquete de Debian Linux (.deb) de R Studio para Ubuntu. El archivo tiene el formato rstudio-{version}-amd64.deb. Por ejemplo:

    export rstudiover="1.4.1717"
wget --quiet -O rstudio.deb https://download1.rstudio.org/desktop/bionic/amd64/rstudio-$rstudiover-amd64.deb

  3. Use gdebi para instalar RStudio. Asegúrese de usar la ruta de acceso del archivo para indicar a apt que vamos a instalar un archivo local.

    sudo apt install gdebi-core 
echo "y" | gdebi rstudio.deb –quiet

Paquetes de CRAN

Es el momento de instalar los paquetes de CRAN que desee. Primero, agregue el repositorio "c2d4u" de R 4.0 o una versión posterior.

sudo add-apt-repository ppa:c2d4u.team/c2d4u4.0+

Use el comando install.packages(“package name”) en una sesión interactiva de R como se muestra en el artículo Lista rápida de paquetes de R útiles. También puede usar el elemento de menú Tools -> Install Packages (Instalar > Instalar paquetes) de RStudio.

Si necesita ayuda para encontrar un paquete, use la lista de paquetes por tarea o la lista alfabética de paquetes.

Costos

Veamos un ejemplo de una posible estimación de costos para esta clase. Supongamos que tiene una clase de 25 alumnos. Cada alumno tiene 20 horas de clase programadas. Se asignan otras 10 horas de cuota para deberes o asignaciones fuera de las horas de clase programadas para cada alumno. El tamaño de la máquina virtual que hemos elegido es el de GPU pequeña (proceso), que tiene 139 unidades de laboratorio.

25 alumnos × (20 horas programadas + 10 horas de cuota) × 139 unidades de laboratorio × 0,01 USD por hora = 1042,5 USD

Importante

La estimación de costos solo se utiliza con fines de ejemplo. Para obtener información sobre los precios actuales, consulte Precios de Azure Lab Services.

Pasos siguientes

Ahora se puede publicar la imagen de plantilla en el laboratorio. Para obtener más información, vea Publicación de la máquina virtual de plantilla.

Cuando configure el laboratorio, consulte los siguientes artículos: