部署完成后，我们需要根据实际需求对JupyterHub进行配置。所有配置都在Helm安装包的values.yaml文件中进行，修改后通过 helm upgrade 命令应用更新。
完整的配置示例
以下是一个生产环境可用的完整 values.yaml 配置示例：
values.yaml
# JupyterHub 完整配置示例
# 代理服务配置
proxy:
# 安全密钥（必须配置）- 使用 openssl rand -hex 32 生成
# secretToken: "your-random-secret-token-here"
# 服务类型配置
service:
type: ClusterIP # 可选: LoadBalancer, NodePort, ClusterIP
# 如果使用 NodePort，可以指定端口
# nodePorts:
# http: 30080
# https: 30443
# HTTPS 配置（推荐生产环境启用）
https:
enabled: false # 设置为 true 启用 HTTPS
# 使用 Let's Encrypt 自动获取证书
# type: letsencrypt
# letsencrypt:
# contactEmail: your-email@example.com
# 或使用自己的证书
# type: manual
# manual:
# key: |
# -----BEGIN PRIVATE KEY-----
# ...
# -----END PRIVATE KEY-----
# cert: |
# -----BEGIN CERTIFICATE-----
# ...
# -----END CERTIFICATE-----
# Hub 核心服务配置
hub:
# Hub 容器资源配置
resources:
requests:
cpu: 200m
memory: 512Mi
limits:
cpu: 1000m
memory: 1Gi
# JupyterHub 配置
config:
# 认证器配置
JupyterHub:
# 默认使用 DummyAuthenticator（仅用于测试）
authenticator_class: dummy
# 管理员用户列表
admin_users:
- admin
# GitHub OAuth 认证示例（取消注释使用）
# JupyterHub:
# authenticator_class: github
# GitHubOAuthenticator:
# client_id: "your-github-client-id"
# client_secret: "your-github-client-secret"
# oauth_callback_url: "https://your-domain.com/hub/oauth_callback"
# allowed_organizations:
# - your-organization
# Google OAuth 认证示例（取消注释使用）
# JupyterHub:
# authenticator_class: google
# GoogleOAuthenticator:
# client_id: "your-google-client-id"
# client_secret: "your-google-client-secret"
# oauth_callback_url: "https://your-domain.com/hub/oauth_callback"
# hosted_domain:
# - your-domain.com
# 数据库配置（可选，用于持久化 Hub 状态）
# db:
# type: sqlite-pvc # 或 mysql, postgresql
# pvc:
# storage: 1Gi
# 单用户服务器配置
singleuser:
# 用户镜像配置
image:
name: quay.io/jupyterhub/k8s-singleuser-sample
tag: "4.3.2"
pullPolicy: IfNotPresent
# 默认 UI 配置
defaultUrl: "/lab" # 默认使用 JupyterLab，改为 "/tree" 使用经典 Notebook
# 环境变量配置
extraEnv:
# 使用新版 Jupyter Server
JUPYTERHUB_SINGLEUSER_APP: "jupyter_server.serverapp.ServerApp"
# 时区设置
TZ: "Asia/Shanghai"
# 编辑器设置
EDITOR: "vim"
# Python pip 镜像源（可选）
# PIP_INDEX_URL: "https://pypi.tuna.tsinghua.edu.cn/simple"
# CPU 资源配置
cpu:
guarantee: 0.5 # 保证分配的 CPU
limit: 2.0 # CPU 限制
# 内存资源配置
memory:
guarantee: 1G # 保证分配的内存
limit: 4G # 内存限制
# 持久化存储配置
storage:
type: dynamic # 动态创建 PVC
capacity: 10Gi # 每个用户的存储容量
dynamic:
storageClass: standard # 使用的 StorageClass
# 共享内存配置（用于深度学习，PyTorch DataLoader 等）
extraVolumes:
- name: shm-volume
emptyDir:
medium: Memory
extraVolumeMounts:
- name: shm-volume
mountPath: /dev/shm
# 用户环境配置文件（可选）
# lifecycleHooks:
# postStart:
# exec:
# command:
# - "sh"
# - "-c"
# - >
# if [ ! -f /home/jovyan/.initialized ]; then
# echo "Initializing user environment...";
# touch /home/jovyan/.initialized;
# fi
# 配置多个资源选项（用户可选择）
profileList:
- display_name: "小型环境 (1 CPU, 2GB RAM)"
description: "适合轻量级开发和学习"
default: true
kubespawner_override:
cpu_guarantee: 0.5
cpu_limit: 1.0
mem_guarantee: "1G"
mem_limit: "2G"
- display_name: "中型环境 (2 CPU, 4GB RAM)"
description: "适合一般的数据分析和模型训练"
kubespawner_override:
cpu_guarantee: 1.0
cpu_limit: 2.0
mem_guarantee: "2G"
mem_limit: "4G"
- display_name: "大型环境 (4 CPU, 8GB RAM)"
description: "适合大规模数据处理"
kubespawner_override:
cpu_guarantee: 2.0
cpu_limit: 4.0
mem_guarantee: "4G"
mem_limit: "8G"
# GPU 环境示例（需要集群支持 GPU）
# - display_name: "GPU 环境 (4 CPU, 16GB RAM, 1 GPU)"
# description: "适合深度学习模型训练"
# kubespawner_override:
# cpu_guarantee: 2.0
# cpu_limit: 4.0
# mem_guarantee: "8G"
# mem_limit: "16G"
# extra_resource_limits:
# nvidia.com/gpu: "1"
# 调度配置
scheduling:
# 用户调度器（提供更好的调度策略）
userScheduler:
enabled: true
# Pod 优先级
podPriority:
enabled: true
# 用户占位 Pod（加快用户启动速度）
userPlaceholder:
enabled: true
replicas: 2 # 预留 2 个占位 Pod
# 镜像预拉取配置
prePuller:
# Hook 方式预拉取（升级时）
hook:
enabled: true
# 持续预拉取（新节点加入时）
continuous:
enabled: true
# 自动清理空闲用户配置
cull:
enabled: true
timeout: 3600 # 1小时不活动后清理
every: 600 # 每10分钟检查一次
maxAge: 0 # 0 表示不限制最大存活时间
users: false # 不清理用户数据，只停止服务器
# Ingress 配置（可选，用于域名访问）
ingress:
enabled: false
# hosts:
# - jupyterhub.your-domain.com
# annotations:
# kubernetes.io/ingress.class: nginx
# cert-manager.io/cluster-issuer: letsencrypt-prod
# tls:
# - secretName: jupyterhub-tls
# hosts:
# - jupyterhub.your-domain.com
常用配置项说明
认证配置
DummyAuthenticator（测试用）：
hub:
config:
JupyterHub:
authenticator_class: dummy
GitHub OAuth：
hub:
config:
JupyterHub:
authenticator_class: github
GitHubOAuthenticator:
client_id: "your-client-id"
client_secret: "your-client-secret"
oauth_callback_url: "https://your-domain/hub/oauth_callback"
LDAP 认证：
hub:
config:
JupyterHub:
authenticator_class: ldapauthenticator.LDAPAuthenticator
LDAPAuthenticator:
server_address: ldap.example.com
bind_dn_template:
- "uid={username},ou=people,dc=example,dc=com"
资源配置
为用户分配固定资源：
singleuser:
cpu:
guarantee: 1.0
limit: 2.0
memory:
guarantee: 2G
limit: 4G
存储配置
动态存储（推荐）：
singleuser:
storage:
type: dynamic
capacity: 10Gi
dynamic:
storageClass: fast-ssd
静态 NFS 存储：
singleuser:
storage:
type: static
static:
pvcName: shared-nfs-pvc
subPath: "users/{username}"
GPU 配置
singleuser:
extraResourceLimits:
nvidia.com/gpu: "1"
或在profileList中配置：
singleuser:
profileList:
- display_name: "GPU Server"
kubespawner_override:
extra_resource_limits:
nvidia.com/gpu: "1"
应用配置更新
修改 config.yaml 后，应用更新：
helm upgrade jupyterhub ./jupyterhub -n jupyterhub-system --values values.yaml
查看更新状态：
kubectl get pods -n jupyterhub-system -w
配置验证
验证配置是否生效：
# 查看 Hub 配置
kubectl get configmap -n jupyterhub-system hub -o yaml
# 查看 Hub 日志
kubectl logs -n jupyterhub-system deployment/hub -f