Analisi dei dati su risorse remote
Quando il tuo dataset è da 50 GB e il laptop ha 16 GB RAM. Avvia un VPS da 32 GB, copia i dati con scp, lavora su JupyterLab. Spegnilo quando hai finito.
Jupyter Notebook VPS Hosting
Jupyter, nel cloud.
Esegui i notebook da qualsiasi browser.
JupyterLab su AMD EPYC e NVMe puro, in qualsiasi regione.
Indipendenti dal 2008. Pronti per SSH, conda, pip, GPU e kernel personalizzati.
From $7.48/mo · 50% di sconto · Nessuna carta di credito richiesta
~ ssh root@vps-fra-001
connected
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 in sintesi
Cloudzy hosts Jupyter Notebook VPS instances from 12 regions worldwide, starting at $7.48 / month. Ogni VPS gira su AMD EPYC with DDR5 memory, NVMe storage, and a 40 Gbps uplink. Run JupyterLab o il classico Jupyter dietro Nginx con TLS gratuito. Piani GPU disponibili per il training ML. Cloudzy è indipendente dal 2008, serves 122,000+ developers, and is rated 4.6/5 by 679+ reviewers on Trustpilot.
- Starting price
- $7.48 / month
- Provisioning
- 60 seconds
- Regions
- 12 worldwide
- Uptime SLA
- 99.95%
- Money-back
- 14 days
- Founded
- 2008
Perché gli sviluppatori scelgono Cloudzy
Un host Jupyter che non delude interromperti a metà cella.
NVMe + DDR5
Storage NVMe puro e memoria DDR5 su AMD EPYC. I workload restano veloci sotto carico.
Accesso SSH root
Controllo totale dello stack. Installa pacchetti, modifica configurazioni, esegui cron job, fai deploy via git. Nessuna restrizione.
12 regions
Deploy il più vicino possibile ai tuoi utenti. Latenza mediana P50 sotto i 10 ms in NA/EU.
Supporto umano vero
Supporto da engineer che conoscono il tuo stack, non da chi legge script. Risoluzione mediana in meno di 1 ora.
Lo stack che userai
Ogni dipendenza di Jupyter.
conda + pip pronti all'uso.
Python moderno via conda/miniconda, JupyterLab, Notebook classico, più Nginx per la terminazione TLS. Aggiungi immagini CUDA sui piani GPU.
Immagini marketplace in un clic su ogni piano
JupyterLab
Latest stable
Notebook
Classic interface
Python 3.12
Tramite conda o apt
conda
Env + gestore di pacchetti
pip
Programma di installazione standard PyPI
JupyterHub
Modalità multiutente
CUDA
Accelerazione GPU (piani GPU)
Nginx
TLS reverse proxy
Use cases
Carichi di lavoro Jupyter reali
che richiedono un VPS vero.
ML model training
I piani GPU con CUDA preinstallato ti danno la potenza di A100 o RTX 5090 per il training. JupyterLab + PyTorch nel browser, senza i limiti di Colab.
Calcoli a lungo termine
Alcuni esperimenti durano giorni. Avvia il job su un Cloudzy VPS e lascialo girare: niente laptop in standby, niente kernel interrotti, nessun limite alla durata della sessione.
Collaborazione del team via JupyterHub
JupyterHub sul piano da 12 GB permette al tuo team di condividere kernel e dati senza mandare notebook per email. Ogni utente ha una directory di lavoro isolata.
Teaching / workshops
Avvia ambienti Jupyter identici per un workshop. La fatturazione oraria significa che paghi solo le ore effettive di sessione.
API + notebook
Sviluppa un modello in Jupyter, poi esponi la versione addestrata come endpoint Flask/FastAPI sullo stesso VPS. Una macchina, due endpoint.
60s
Provisioning
40 Gbps
Uplink
NVMe-only
Storage
12
Regions
99.95%
Uptime SLA
14 days
Money-back
Global network
12 regioni. Quattro continenti.
A un clic di distanza.
Posiziona il tuo VPS Jupyter il più vicino possibile ai tuoi utenti.
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
Pricing
Paghi solo quello che usi. That's it.
Orario, mensile o annuale. Attualmente 50% off all plans.
1 GB DDR5
Light · Uso personale
$3.48 /mo
$6.95/mo −50%
Deploy now
Rimborso entro 14 giorni
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
2 GB DDR5
Production · Team piccolo
$7.475 /mo
$14.95/mo −50%
Deploy now
Rimborso entro 14 giorni
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
Most popular
4 GB DDR5
Production · Multi-sito
$14.47 /mo
$28.95/mo −50%
Deploy now
Rimborso entro 14 giorni
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
8 GB DDR5
Heavy workloads
$26.475 /mo
$52.95/mo −50%
Deploy now
Rimborso entro 14 giorni
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
FAQ. VPS Jupyter
Common questions, straight answers.
Cos'è un VPS Jupyter Notebook?
Un VPS Jupyter Notebook è un server privato virtuale su cui esegui JupyterLab o il classico Jupyter Notebook tramite una connessione URL protetta da TLS. Accedi da qualsiasi browser, hai accesso root per la gestione dei kernel e puoi spegnerlo a fine progetto.
Come installo Jupyter?
Installa miniconda, poi esegui `conda install -c conda-forge jupyterlab`. Configura un reverse proxy Nginx con Certbot TLS, imposta una password per il notebook e punta il tuo DNS verso il VPS. L'intera procedura richiede circa 20 minuti.
Posso usare JupyterHub per un team?
Sì. JupyterHub si installa senza problemi sui piani da 8-12 GB. Ogni utente ottiene un server Jupyter dedicato. Abbinalo a PAM o OAuth per l'autenticazione. La maggior parte dei team usa il tool di installazione standard tljh (The Littlest JupyterHub).
Che dire dell'accelerazione GPU per il ML?
Scegli un piano GPU Premium invece di un normale CPU. I piani Cloudzy GPU includono Nvidia A100, RTX 5090 e RTX 4090 con CUDA preinstallato. Esegui PyTorch, TensorFlow o JAX direttamente nei tuoi notebook.
Si può accedere ai notebook senza TLS?
Sì, tramite tunnel SSH: `ssh -L 8888:localhost:8888 root@your-vps`, poi apri localhost:8888 nel browser. Se ti serve solo accesso personale, puoi saltare completamente la configurazione Nginx + TLS.
I miei notebook sopravvivono a un riavvio?
Sì. I notebook sono salvati su disco: un riavvio non li cancella. Configura JupyterLab come servizio systemd così si avvia automaticamente. Per maggiore sicurezza, crea uno snapshot del VPS.
Quanta RAM devo scegliere?
Dipende dalla dimensione del dataset. 2 GB bastano per i tutorial, 4-8 GB per il lavoro tipico con pandas e scikit-learn, 16-32 GB per dataframe grandi o deep learning su CPU. Per il training vero e proprio, scegli i piani GPU.
È prevista una garanzia di rimborso?
Sì - 14 giorni, rimborso completo, nessuna domanda. Disdici dal pannello in qualsiasi momento nelle prime due settimane.
Pronta quando lo sei tu.
Un VPS Jupyter in 60 secondi.
Scegli una region, clicca su deploy. Sarai operativo prima di pranzo.
Nessuna carta di credito richiesta · Garanzia soddisfatti o rimborsati di 14 giorni · Disdici quando vuoi