Konfigurera ett labb för att lära R på Linux
Kommentar
Den här artikeln refererar till funktioner som är tillgängliga i labbplaner, som ersatte labbkonton.
R är ett språk med öppen källkod som används för statistisk databehandling och grafik. Det används i statistisk analys av genetik till bearbetning av naturligt språk för att analysera finansiella data. R ger en interaktiv kommandoradsupplevelse . RStudio är en interaktiv utvecklingsmiljö (IDE) som är tillgänglig för R-språket. Den kostnadsfria versionen innehåller kodredigeringsverktyg, en integrerad felsökningsupplevelse och paketutvecklingsverktyg.
Den här artikeln fokuserar enbart på RStudio och R som byggsten för en klass som kräver användning av statistisk databehandling. Klasstyperna Djupinlärning och Python och Jupyter Notebooks konfigurerar RStudio på olika sätt. Varje artikel beskriver hur du använder marknadsplatsavbildningen Datavetenskap Virtual Machine for Linux (Ubuntu), som har många datavetenskapsrelaterade verktyg, inklusive RStudio, förinstallerade.
Labbkonfiguration
För att konfigurera den här labbuppgiften behöver du en Azure-prenumeration och en labbplan för att komma igång. Om du inte har någon Azure-prenumeration skapar du ett kostnadsfritt konto innan du börjar.
Konfiguration av externa resurser
Vissa klasser kräver att filer, till exempel stora datafiler, lagras externt.
Om du väljer att ha en delad R Server för eleverna bör servern konfigureras innan labbet skapas. Mer information om hur du konfigurerar en delad server finns i hur du skapar ett labb med en delad resurs i Azure Lab Services. Anvisningar om hur du skapar en RStudio Server finns i Ladda ned RStudio Server för Debian & Ubuntu och Åtkomst till RStudio Server Med öppen källkod.
Om du väljer att använda externa resurser måste du ansluta till ditt virtuella nätverk i Azure Lab Services med din labbplan.
Viktigt!
Avancerade nätverk måste aktiveras när du skapar labbplanen. Det går inte att lägga till det senare.
Inställningar för labbplan
När du har en Azure-prenumeration kan du skapa en ny labbplan i Azure Lab Services. Mer information om hur du skapar en ny labbplan finns i självstudien om hur du konfigurerar en labbplan. Du kan också använda en befintlig labbplan.
Aktivera inställningarna för labbplanen enligt beskrivningen i följande tabell. Mer information om hur du aktiverar Azure Marketplace-avbildningar finns i Ange de Azure Marketplace-avbildningar som är tillgängliga för labbskapare.
| Inställning för labbplan | Instruktioner |
|---|---|
| Marketplace-avbildningar | Aktivera Ubuntu Server 18.04 LTS-avbildning . |
Labbinställningar
Anvisningar om hur du skapar ett labb finns i Självstudie: Konfigurera ett labb. Använd följande inställningar när du skapar labbet.
| Labbinställning | Värde och beskrivning |
|---|---|
| Storlek för virtuell dator | Liten GPU (beräkning) |
| VM-avbildning | Ubuntu Server 18.04 LTS |
| Aktivera anslutning till fjärrskrivbord | Den här inställningen bör aktiveras om du väljer att använda RDP. Den här inställningen behövs inte om du väljer X2Go för att ansluta till labbdatorer. |
Om du väljer att i stället använda RDP måste du ansluta till den virtuella Linux-datorn med hjälp av SSH och installera RDP- och GUI-paketen innan du publicerar labbet. Sedan kan eleverna ansluta till den virtuella Linux-datorn med RDP senare. Mer information finns i Aktivera grafiskt fjärrskrivbord för virtuella Linux-datorer.
Mallkonfiguration
När malldatorn har skapats startar du datorn och ansluter till den för att installera R, RStudio Desktop och eventuellt X2Go Server.
Först ska vi uppdatera apt och uppgradera befintliga paket på datorn.
sudo apt update
sudo apt upgrade
Installera X2Go Server
Om du väljer att använda X2Go installerar du servern. Du måste först ansluta till en virtuell Linux-labbdator med hjälp av SSH för att installera serverkomponenten. När det är klart kan resten av installationen slutföras när du har anslutit med X2Go-klienten.
Standardinstallationen av X2Go är inte kompatibel med RStudio. Du kan undvika det här problemet genom att uppdatera x2goagent-alternativfilen.
Redigera
/etc/x2go/x2goagent.optionsfil. Glöm inte att redigera filen som sudo.- Ta bort kommentaren till raden som anger:
X2GO_NXAGENT_DEFAULT_OPTIONS+=" -extension GLX" - Kommentera raden som anger:
X2GO_NXAGENT_DEFAULT_OPTIONS+=" -extension GLX"
- Ta bort kommentaren till raden som anger:
Starta om X2Go-servern så att de nya alternativen används.
sudo systemctl restart x2goserver
Du kan också skapa de bibliotek som krävs genom att följa anvisningarna i GLX-lösningen för X2Go.
Installera R
Det finns några sätt att installera R på den virtuella datorn. Du installerar R från cran-lagringsplatsen (Comprehensive R Archive Network). Den innehåller de senaste versionerna av R. När den här lagringsplatsen har lagts till på vår dator kan du installera R och många andra relaterade paket.
Vi måste lägga till CRAN-lagringsplatsen. Kommandon ändras från instruktioner som är tillgängliga på Ubuntu Packages for R korta instruktioner.
#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/"
Nu kan vi installera R och köra följande kommando:
sudo apt install r-base
Installera RStudio
Nu när R har installerats lokalt kan vi installera RStudio IDE. Vi installerar den kostnadsfria versionen av RStudio Desktop. Alla tillgängliga versioner finns i RStudio-nedladdningar.
Importera kodsigneringsnyckeln för RStudio.
sudo gpg --keyserver keyserver.ubuntu.com --recv-keys 3F32EE77E331692FLadda ned Debian Linux-paketfilen (.deb) för R Studio för Ubuntu. Filen är i formatet
rstudio-{version}-amd64.deb. Till exempel:export rstudiover="1.4.1717" wget --quiet -O rstudio.deb https://download1.rstudio.org/desktop/bionic/amd64/rstudio-$rstudiover-amd64.debAnvänd gdebi för att installera RStudio. Se till att använda filsökvägen för att ange för apt som installerade en lokal fil.
sudo apt install gdebi-core echo "y" | gdebi rstudio.deb –quiet
CRAN-paket
Nu är det dags att installera de CRAN-paket du vill ha. Lägg först till den aktuella R 4.0-lagringsplatsen eller senare c2d4u-lagringsplatsen.
sudo add-apt-repository ppa:c2d4u.team/c2d4u4.0+
install.packages(“package name”) Använd kommandot i en interaktiv R-session enligt snabblistan över användbara R-paket. Alternativt kan du använda Verktyg –> Installera paket-menyalternativet i RStudio.
Om du behöver hjälp med att hitta ett paket kan du se en lista över paket efter uppgift eller alfabetisk lista över paket.
Kostnad
Nu ska vi gå igenom en exempelkostnadsuppskattning för den här klassen. Anta att du har en klass på 25 elever. Varje elev har 20 timmars schemalagd klasstid. Ytterligare 10 kvottimmar för läxor eller tilldelningar utanför schemalagd klasstid ges till varje elev. Den virtuella datorstorleken vi valde var Liten GPU (Compute) som är 139 labbenheter.
25 studenter × (20 schemalagda timmar + 10 kvottimmar) × 139 labbenheter × 0,01 USD per timme = 1 042,5 USD
Viktigt!
Kostnadsuppskattningen är endast i exempelsyfte. Aktuell prisinformation finns i Prissättning för Azure Lab Services.
Nästa steg
Mallbilden kan nu publiceras i labbet. Mer information finns i Publicera den virtuella malldatorn.
När du konfigurerar labbuppgiften kan du läsa följande artiklar: