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 Instanzen von 13 Regionen weltweit, ab $7.48 / month. Jeder VPS läuft auf AMD EPYC mit DDR5-Arbeitsspeicher, NVMe-Speicher, und ein 40 Gbps Uplink. Betreiben Sie JupyterLab oder klassisches Jupyter hinter Nginx mit kostenlosem TLS. GPU-Pläne für ML-Training verfügbar. Cloudzy ist seit 2008, versorgt Über 122.000 Entwickler, und ist bewertet mit 4.6/5 by 679+ Bewerter auf Trustpilot.
- Einstiegspreis
- $7.48 / month
- Bereitstellung
- 60 Sekunden
- Regionen
- 13 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 laufen lassen, per Git deployen. Keine Einschränkungen.
13 Regionen
Deployen Sie so nah an Ihren Nutzern, wie es die Physik zulässt. Mittlere P50-Latenz unter 10 ms in Nordamerika und Europa.
Echter menschlicher Support
Chatten Sie mit Ingenieuren, die Ihren Stack kennen, nicht mit Skript-Lesern. Mittlere Lösungszeit unter 1 Stunde.
Stack, den Sie betreiben
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 bei jedem Plan
JupyterLab
Neueste stabile Version
Notizbuch
Klassische Oberfläche
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-Modelltraining
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.
Unterricht / 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
Aufwärtsverbindung
Nur NVMe
Speicher
12
Regionen
99.95%
Uptime-SLA
14 Tage
Geld-zurück
Globales Netzwerk
13 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
Bezahlen Sie nur, was Sie nutzen. Das war's.
Stündlich, monatlich oder jährlich. Aktuell 50 % Rabatt alle Pläne.
1 GB DDR5
Leicht · Privatnutzung
$3.48 /Monat
$6.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück-Garantie
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
2 GB DDR5
Produktion · Kleines Team
$7.475 /Monat
$14.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück-Garantie
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
Am beliebtesten
4 GB DDR5
Produktion · Mehrere Sites
$14.47 /Monat
$28.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück-Garantie
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
8 GB DDR5
Intensive Workloads
$26.475 /Monat
$52.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück-Garantie
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Dedizierte IPv4 + IPv6
- Root SSH · KVM
Häufig gestellte Fragen. 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, ohne Wenn und Aber. Kündigen Sie jederzeit innerhalb der ersten zwei Wochen über das Panel.
Bereit, wenn Sie es sind.
JupyterLab VPS in 60 Sekunden.
Region wählen, auf Deploy klicken. Sie sind vor dem Mittagessen einsatzbereit.
Keine Kreditkarte erforderlich · 14 Tage Geld-zurück-Garantie · Jederzeit kündbar