Datenanalyse auf Remote-Daten
Wenn dein Datensatz 50 GB groß ist, aber dein Laptop nur 16 GB RAM hat: Starte einen 32-GB-VPS, übertrage die Daten per scp, und arbeite über JupyterLab. Danach einfach wieder herunterfahren.
Jupyter Notebook VPS Hosting
Jupyter, in der Cloud.
Notebooks direkt im Browser ausführen.
JupyterLab auf AMD EPYC und purem NVMe, in jeder Region.
Unabhängig seit 2008. SSH, conda, pip, GPU-bereit, eigene Kernels.
Öffnen Sie $7.48/mo · 50% Rabatt · Keine Kreditkarte erforderlich
~ ssh root@vps-fra-001
verbunden
root@vps-fra-001:~# conda install -c conda-forge jupyterlab
Solving environment ... done.
Installed 245 packages successfully.
root@vps-fra-001:~# jupyter lab --no-browser --port=8888 --ip=0.0.0.0
Jupyter Server 2.x is running at:
http://0.0.0.0:8888/lab?token=********
root@vps-fra-001:~# systemctl enable jupyterlab
Created symlink /etc/systemd/system/jupyterlab.service.
root@vps-fra-001:~# _
Jupyter VPS auf einen Blick
Cloudzy Hosts Jupyter Notebook VPS instances from 12 Regionen worldwide, starting at $7.48 / month. Jede VPS läuft auf AMD EPYC mit DDR5 memory, NVMe Speicher, and a 40 Gbps uplink. Run JupyterLab oder klassisches Jupyter hinter Nginx mit kostenlosem TLS. GPU-Pläne für ML-Training verfügbar. Cloudzy ist seit 2008unabhängig tätig und betreut 122.000+ Entwicklerund wird bewertet mit 4.6/5 by 679+ reviewers on Trustpilot.
- Einstiegspreis
- $7.48 / month
- Bereitstellung
- 60 Sekunden
- Regionen
- 12 weltweit
- Uptime SLA
- 99.95%
- Geld-zurück
- 14 Tage
- Gegründet
- 2008
Warum Entwickler Cloudzy wählen
Ein Jupyter-Host, der dich nicht mitten in einer Zelle rauswirft.
NVMe + DDR5
Reiner NVMe-Speicher und DDR5-Arbeitsspeicher auf AMD EPYC. Workloads bleiben auch unter Last schnell.
Root-SSH-Zugriff
Volle Kontrolle über Ihren Stack. Pakete installieren, Konfigurationen anpassen, Cron-Jobs ausführen, via git deployen. Keine Einschränkungen.
12 Regionen
Deployen Sie so nah an Ihren Nutzern, wie es die Physik erlaubt. Mediane P50-Latenz unter 10 ms in NA/EU.
Support durch echte Menschen
Chat mit Ingenieuren, die Ihren Stack kennen, nicht mit Skript-Lesern. Mittlere Lösungszeit unter 1 Stunde.
Dein Stack. Sofort bereit.
Alle Jupyter-Abhängigkeiten.
conda + pip griffbereit.
Modernes Python via conda/miniconda, JupyterLab, klassisches Notebook sowie Nginx für TLS-Terminierung. CUDA-Images auf GPU-Plänen hinzufügbar.
Ein-Klick-Marketplace-Images in jedem Tarif
JupyterLab
Latest stable
Notebook
Classic interface
Python 3.12
Via conda oder apt
conda
Umgebungs- und Paketverwaltung
pip
Standard-PyPI-Installer
JupyterHub
Multi-User-Modus
CUDA
GPU-Beschleunigung (GPU-Pläne)
Nginx
TLS Reverse Proxy
Anwendungsfälle
Echte Jupyter-Workloads
die einen echten VPS brauchen.
ML model training
GPU-Pläne mit vorinstalliertem CUDA geben dir A100- oder RTX 5090-Rechenleistung fürs Training. JupyterLab + PyTorch im Browser, ohne die Einschränkungen von Colab.
Lang laufende Berechnungen
Manche Experimente laufen tagelang. Starte sie auf einem Cloudzy VPS und lass sie laufen - kein Laptop-Standby, kein abgestürzter Kernel, kein Limit für die Sitzungsdauer.
Teamarbeit über JupyterHub
JupyterHub auf dem 12-GB-Plan ermöglicht deinem Team, Kernels und Daten gemeinsam zu nutzen, ohne Notebooks per E-Mail herumzuschicken. Jeder Nutzer bekommt ein isoliertes Arbeitsverzeichnis.
Teaching / workshops
Starte passende Jupyter-Umgebungen für einen Workshop. Durch stündliche Abrechnung zahlst du nur für die tatsächlichen Sitzungsstunden.
API + Notebook-Kombination
Entwickle ein Modell in Jupyter und stelle die trainierte Version als Flask/FastAPI-Endpunkt auf demselben VPS bereit. Eine Maschine, zwei Endpunkte.
60s
Bereitstellung
40 Gbps
Uplink
Nur NVMe
Speicher
12
Regionen
99.95%
Uptime SLA
14 Tage
Geld-zurück
Globales Netzwerk
12 Regionen. Vier Kontinente.
Einen Klick entfernt.
Platziere deinen Jupyter-VPS so nah wie physikalisch möglich bei deinen Nutzern.
us-utah-1us-dal-1us-lax-1us-nyc-1us-mia-1eu-ams-1eu-lon-1eu-fra-1eu-zrh-1me-dxb-1ap-sgp-1ap-tyo-1
Preise
Zahle nur, was du nutzt. Das war's.
Stündlich, monatlich oder jährlich. Aktuell 50 % Rabatt alle Tarife.
1 GB DDR5
Light · Privatnutzung
$3.48 /Monat
$6.95/mo −50%
Jetzt deployen
14 Tage Geld-zurück
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
2 GB DDR5
Production · Kleines Team
$7.475 /Monat
$14.95/mo −50%
Jetzt deployen
14 Tage Geld-zurück
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
Am beliebtesten
4 GB DDR5
Production · Multi-Site
$14.47 /Monat
$28.95/mo −50%
Jetzt deployen
14 Tage Geld-zurück
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
8 GB DDR5
Anspruchsvolle Workloads
$26.475 /Monat
$52.95/mo −50%
Jetzt deployen
14 Tage Geld-zurück
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
FAQ. Jupyter VPS
Häufige Fragen, klare Antworten.
Was ist ein Jupyter Notebook VPS?
Ein Jupyter Notebook VPS ist ein virtueller privater Server, auf dem du JupyterLab oder klassisches Jupyter Notebook hinter einem TLS-gesicherten URL betreibst. Du greifst von jedem Browser darauf zu, hast Root-SSH für die Kernel-Verwaltung, und fährst ihn am Projektende einfach herunter.
Wie installiere ich Jupyter?
Installiere miniconda, dann `conda install -c conda-forge jupyterlab`. Richte einen Nginx Reverse Proxy mit Certbot TLS ein, setze ein Notebook-Passwort, und weise deine DNS auf den VPS. Das Ganze dauert etwa 20 Minuten.
Kann ich JupyterHub für ein Team betreiben?
Ja. JupyterHub lässt sich auf den 8- bis 12-GB-Plänen problemlos installieren. Jeder Nutzer erhält einen eigenen Jupyter-Server. Kombiniere es mit PAM oder OAuth zur Authentifizierung. Die meisten Teams verwenden den Standard-tljh-Installer (The Littlest JupyterHub).
Was ist mit GPU-Beschleunigung für ML?
Wähle statt eines regulären CPU-Plans einen Premium-GPU-Plan. Cloudzy GPU-Pläne enthalten Nvidia A100, RTX 5090 und RTX 4090 mit vorinstalliertem CUDA. Führe PyTorch, TensorFlow oder JAX direkt in deinen Notebooks aus.
Gibt es eine Möglichkeit, auf Notebooks ohne TLS zuzugreifen?
Ja - per SSH-SSH-Tunnel: `ssh -L 8888:localhost:8888 root@your-vps`, dann localhost:8888 im Browser öffnen. Wenn du nur alleine arbeitest, kannst du die Nginx- und TLS-Einrichtung komplett überspringen.
Überleben meine Notebooks einen Neustart?
Ja. Notebooks bleiben auf dem Datenträger erhalten – ein Neustart löscht sie nicht. Richte JupyterLab als systemd-Dienst ein, damit es automatisch startet. Erstelle einen Snapshot der VPS für zusätzliche Sicherheit.
Wie viel RAM sollte ich wählen?
Das hängt von der Datensatzgröße ab. 2 GB für Tutorials, 4–8 GB für typische Arbeit mit pandas und scikit-learn, 16–32 GB für große Dataframes oder Deep Learning auf CPU. GPU-Pläne für das eigentliche Training.
Gibt es eine Geld-zurück-Garantie?
Ja – 14 Tage, volle Rückerstattung, keine Fragen gestellt. Kündige jederzeit innerhalb der ersten zwei Wochen über das Panel.
Bereit, wenn du es bist.
JupyterLab VPS in 60 Sekunden.
Region wählen, auf Deployen klicken. Du bist startklar, bevor du in die Mittagspause gehst.
Keine Kreditkarte erforderlich · 14 Tage Geld-zurück-Garantie · Jederzeit kündbar