[论文解读] Portable learning environments for hands-on computational instruction: Using container- and cloud-based technology to teach data science

Chris Holdgraf, Aaron Culich+4 more|arXiv (Cornell University)|Mar 15, 2017

Scientific Computing and Data Management参考文献 11被引用 5

一句话总结

本文提出了一种基于 Docker 和云基础设施（如 Jetstream/XSEDE）的便携式、云原生及容器化的学习环境，用于开展无需本地软件安装的实践性数据科学训练营。通过在安全的远程容器中托管预先配置好的 Jupyter Notebook 环境，该系统实现了跨多种学生设备的一致性、可复现性与可扩展性教学，显著降低了设置复杂度，提升了教学效率。

ABSTRACT

There is an increasing interest in learning outside of the traditional classroom setting. This is especially true for topics covering computational tools and data science, as both are challenging to incorporate in the standard curriculum. These atypical learning environments offer new opportunities for teaching, particularly when it comes to combining conceptual knowledge with hands-on experience/expertise with methods and skills. Advances in cloud computing and containerized environments provide an attractive opportunity to improve the efficiency and ease with which students can learn. This manuscript details recent advances towards using commonly-available cloud computing services and advanced cyberinfrastructure support for improving the learning experience in bootcamp-style events. We cover the benefits (and challenges) of using a server hosted remotely instead of relying on student laptops, discuss the technology that was used in order to make this possible, and give suggestions for how others could implement and improve upon this model for pedagogy and reproducibility.

研究动机与目标

• 为解决在密集型数据科学培训活动中学生笔记本电脑环境不一致的问题。
• 通过消除本地软件安装，减少实践性计算教学中的设置时间与技术障碍。
• 利用开源工具实现可扩展、可复现且安全的远程数据科学工作流执行。
• 展示一种实用的、低开销的云基础学习环境部署模型，利用广泛可用的基础设施。
• 通过便携式、容器化及云托管的学习环境，支持数据科学教育中的教学创新。

提出的方法

• 作者基于 jupyter/datascience-notebook 创建了 Docker 镜像，预先安装所有必需的数据科学包，并通过版本锁定确保可复现性。
• 他们构建并推送该 Docker 镜像至 DockerHub，实现跨不同环境的便捷部署。
• 使用 Jetstream 云平台，通过 Atmosphere 网页界面部署了 50 台预先配置的虚拟机（VM），每台均托管一个容器化的 Jupyter Notebook 服务器。
• 每台 VM 均配置了启动脚本，用于安装 Docker、拉取预构建镜像、下载培训数据，并使用共享密码启动 Jupyter 服务器以实现访问。
• 系统采用默认安全的 Jupyter 配置，要求输入密码，最大限度减少暴露风险，同时支持远程访问。
• 参与者通过网页浏览器访问其个性化、隔离的笔记本环境，无需在本地安装任何软件。

实验结果

研究问题

• RQ1 云环境与容器化基础设施在多大程度上能提升数据科学训练营中实践性计算教学的一致性与可靠性？
• RQ2 开源、低成本的云平台在多大程度上能减轻密集型培训活动中教师与学生的运维负担？
• RQ3 在教育用途中，远程容器化 Jupyter 环境的部署面临哪些实际挑战与安全考量？
• RQ4 能否创建一种标准化、便携的学习环境，以确保在不同学生硬件与操作系统上的可复现性并显著减少设置时间？
• RQ5 教师如何在无需深入掌握云或容器管理知识的前提下，实现远程学习环境的可扩展部署？

主要发现

• Docker 与基于云的虚拟机的使用消除了本地软件配置问题，使所有学生能够以极小的设置成本访问完全一致、预先配置的环境。
• 通过网页界面，50 台虚拟机的完整部署仅用时数分钟，证明了学习环境快速且可扩展的 provision 能力。
• 参与者通过网页浏览器访问其 Jupyter 笔记本，无需安装任何软件，显著降低了入门门槛。
• 通过在 Docker 镜像中锁定软件版本，并在所有实例中使用标准化镜像，系统实现了稳定的可复现性。
• 通过密码保护的 Jupyter 服务器与默认安全配置，保障了安全性，仅限受控访问，未向外部网络暴露。
• 培训结束后，参与者可继续在限定时间内使用其虚拟机，之后可迁移至本地 Docker 安装，或申请个人云资源配额。