Analiza danych na zdalnym serwerze
Kiedy Twój zbiór danych waży 50 GB, a laptop ma tylko 16 GB RAM. Uruchom VPS z 32 GB RAM, prześlij dane przez scp i pracuj w JupyterLab. Wyłącz serwer, gdy skończyłeś.
Hosting Jupyter Notebook VPS
Jupyter w chmurze.
Uruchamiaj notebooki z dowolnej przeglądarki.
JupyterLab na AMD EPYC i czystym NVMe, w dowolnym regionie.
Niezależni od 2008 roku. SSH, conda, pip, GPU - gotowe do pracy, własne kernele.
From $7.48/mo · 50% taniej · Bez karty kredytowej
~ 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 w skrócie
Cloudzy hosts Jupyter Notebook VPS instances from 12 regions worldwide, starting at $7.48 / month. Każdy VPS działa na AMD EPYC with DDR5 memory, NVMe storage, and a 40 Gbps uplink. Run JupyterLab lub klasyczny Jupyter za Nginx z bezpłatnym TLS. Plany GPU dostępne do trenowania modeli ML. Cloudzy działa niezależnie od 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
Dlaczego programiści wybierają Cloudzy
Host Jupyter, który nie wyrzuca Cię w połowie komórki.
NVMe + DDR5
Czysty NVMe i pamięć DDR5 na AMD EPYC. Obciążenia pozostają szybkie nawet pod dużym ruchem.
Dostęp SSH z uprawnieniami root
Pełna kontrola nad stosem. Instaluj pakiety, dostosowuj konfiguracje, uruchamiaj zadania cron, wdrażaj przez git. Bez ograniczeń.
12 regions
Wdrażaj jak najbliżej użytkowników, na ile pozwala fizyka. Mediana opóźnienia P50 poniżej 10 ms w NA/EU.
Wsparcie od prawdziwego człowieka
Pomoc od inżynierów, którzy znają Twój stos, a nie czytają ze skryptów. Mediana czasu rozwiązania problemu poniżej 1 godziny.
Stos, który uruchomisz
Wszystkie zależności Jupyter.
conda + pip gotowe do pracy.
Nowoczesne Python przez conda/miniconda, JupyterLab, klasyczny Notebook oraz Nginx do terminacji TLS. Dodaj obrazy CUDA w planach GPU.
Obrazy z marketplace jednym kliknięciem na każdym planie
JupyterLab
Latest stable
Notebook
Classic interface
Python 3.12
Przez conda lub apt
conda
Menedżer środowisk i pakietów
pip
Standardowy instalator PyPI
JupyterHub
Tryb wielu użytkowników
CUDA
Akceleracja GPU (plany GPU)
Nginx
Odwrotne proxy TLS
Use cases
Prawdziwe obciążenia Jupyter
które wymagają prawdziwego VPS.
ML model training
Plany GPU z preinstalowaną CUDA dają Ci moc obliczeniową A100 lub RTX 5090 do trenowania modeli. JupyterLab + PyTorch w przeglądarce, bez ograniczeń Colab.
Długotrwałe obliczenia
Niektóre eksperymenty trwają dniami. Uruchom je na Cloudzy VPS i zapomnij o problemie - żaden laptop się nie uśpi, żadne jądro nie padnie, żaden limit sesji Cię nie zatrzyma.
Współpraca zespołowa przez JupyterHub
JupyterHub na planie 12 GB pozwala zespołowi współdzielić jądra i dane bez przesyłania notebooków mailem. Każdy użytkownik dostaje izolowany katalog roboczy.
Teaching / workshops
Uruchom dopasowane środowiska Jupyter na warsztaty. Rozliczanie godzinowe oznacza, że płacisz wyłącznie za czas trwania sesji.
API + notebook
Zbuduj model w Jupyter, a wytrenowaną wersję udostępnij jako endpoint Flask/FastAPI na tym samym VPS. Jeden serwer, dwa endpointy.
60s
Provisioning
40 Gbps
Uplink
NVMe-only
Storage
12
Regions
99.95%
Uptime SLA
14 days
Money-back
Global network
12 regionów. Cztery kontynenty.
O jedno kliknięcie.
Postaw Jupyter VPS jak najbliżej swoich użytkowników.
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
Płać za to, czego używasz. That's it.
Rozliczenie godzinowe, miesięczne lub roczne. Aktualnie 50% off all plans.
1 GB DDR5
Lekki · Użytek osobisty
$3.48 /mo
$6.95/mo −50%
Deploy now
14-dniowy zwrot pieniędzy
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
2 GB DDR5
Produkcyjny · Mały zespół
$7.475 /mo
$14.95/mo −50%
Deploy now
14-dniowy zwrot pieniędzy
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
Most popular
4 GB DDR5
Produkcyjny · Wiele witryn
$14.47 /mo
$28.95/mo −50%
Deploy now
14-dniowy zwrot pieniędzy
- 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
14-dniowy zwrot pieniędzy
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Dedicated IPv4 + IPv6
- Root SSH · KVM
FAQ. Jupyter VPS
Common questions, straight answers.
Czym jest Jupyter Notebook VPS?
Jupyter Notebook VPS to wirtualny serwer prywatny, na którym uruchamiasz JupyterLab lub klasyczny Jupyter Notebook przez połączenie URL zabezpieczone TLS. Wchodzisz do niego z dowolnej przeglądarki, masz dostęp root do zarządzania jądrami i wyłączasz serwer po zakończeniu projektu.
Jak zainstalować Jupyter?
Zainstaluj miniconda, następnie uruchom `conda install -c conda-forge jupyterlab`. Skonfiguruj reverse proxy NGINX z certyfikatem Certbot TLS, ustaw hasło do notebooka i skieruj DNS na VPS. Cały proces zajmuje około 20 minut.
Czy mogę uruchomić JupyterHub dla zespołu?
Tak. JupyterHub bez problemu działa na planach 8-12 GB. Każdy użytkownik dostaje własny serwer Jupyter. Do uwierzytelniania możesz użyć PAM lub OAuth. Większość zespołów korzysta ze standardowego instalatora tljh (The Littlest JupyterHub).
Co z akceleracją GPU dla ML?
Wybierz plan Premium GPU zamiast zwykłego CPU. Plany Cloudzy GPU zawierają Nvidia A100, RTX 5090 i RTX 4090 z preinstalowaną CUDA. Uruchamiaj PyTorch, TensorFlow i JAX bezpośrednio w swoich notebookach.
Czy można uzyskać dostęp do notebooków bez TLS?
Tak - tunel SSH: `ssh -L 8888:localhost:8888 root@your-vps`, następnie otwórz localhost:8888 w przeglądarce. Całkowicie pomija konfigurację NGINX + TLS, jeśli potrzebujesz dostępu tylko dla siebie.
Czy moje notebooki przeżyją restart serwera?
Tak. Notebooki są zapisane na dysku - restart ich nie usuwa. Uruchom JupyterLab jako usługę systemd, żeby startował automatycznie. Dla dodatkowego bezpieczeństwa zrób snapshot VPS.
Ile RAM powinienem wybrać?
Zależy od rozmiaru danych. 2 GB wystarczy do tutoriali, 4–8 GB do typowej pracy z pandas i scikit-learn, 16–32 GB do dużych DataFrame'ów lub deep learningu na CPU. Do właściwego trenowania modeli wybierz plany GPU.
Czy jest dostępna gwarancja zwrotu pieniędzy?
Tak - 14 dni, pełny zwrot, bez pytań. Anuluj z panelu w dowolnym momencie w pierwszych dwóch tygodniach.
Gotowe, kiedy Ty jesteś.
Jupyter VPS w 60 sekund.
Wybierz region, kliknij wdróż. Zanim skończy się lunch, będziesz już pracować.
Bez karty kredytowej · 14-dniowa gwarancja zwrotu pieniędzy · Anuluj w dowolnym momencie