本结业项目旨在通过构建一系列渐进式的 Jupyter 环境，帮助你掌握 Docker 容器化技术在数据科学平台搭建中的应用。项目分为四个阶段，每个阶段都会增加新的功能和复杂度，让你逐步应用所学的 Docker 知识。

• 阶段 1-3: 基本要求，完成这些阶段即可达到及格标准
• 阶段 4: 进阶要求，完成此阶段可获得优秀评价

.
├── 01-single-container/       # 阶段1: 单用户 Jupyter 环境
├── 02-jupyterhub/            # 阶段2: 基础多用户环境
├── 03-jupyterhub-github-auth/ # 阶段3: GitHub 认证集成
└── 04-jupyterhub-ai-enhanced/ # 阶段4: AI 增强版本（优秀要求）

构建一个基于 Docker 的单用户 Jupyter Notebook 环境，适合个人数据分析和学习使用。

1. 创建一个基于 Python 数据科学镜像的 Dockerfile
2. 配置 docker-compose.yml 文件实现容器编排
3. 实现数据持久化存储
4. 添加示例数据和欢迎笔记本

• Docker 基础命令
• Dockerfile 编写
• Docker Compose 基础配置
• 数据卷(Volumes)挂载
• 端口映射

• Jupyter Docker Stacks 文档
• Docker Compose 文档
• Dockerfile 最佳实践

• 使用官方的 jupyter/scipy-notebook 或 jupyter/datascience-notebook 作为基础镜像
• 注意配置正确的工作目录和权限
• 使用 Docker Compose 的 volumes 配置实现数据持久化
• 确保 Jupyter 服务可以通过浏览器访问

构建一个支持多用户的 JupyterHub 环境，每个用户拥有独立的工作空间。

1. 创建 JupyterHub 的 Dockerfile
2. 配置 docker-compose.yml 实现多容器编排
3. 编写 jupyterhub_config.py 配置文件
4. 实现用户数据的持久化
5. 添加基本的系统测试

• Docker 网络配置
• Docker Compose 多服务编排
• JupyterHub 配置
• DockerSpawner 使用
• 容器间通信

• JupyterHub 文档
• DockerSpawner 文档
• Docker 网络配置

• 使用 DockerSpawner 为每个用户创建独立容器
• 配置 Docker 网络使 JupyterHub 能与用户容器通信
• 使用命名卷为每个用户提供持久化存储
• 注意容器的资源限制配置

为 JupyterHub 环境添加 GitHub OAuth 认证，提高系统安全性和用户管理能力。

1. 配置 GitHub OAuth 应用
2. 更新 jupyterhub_config.py 添加认证配置
3. 使用环境变量管理敏感信息
4. 实现用户权限管理

• OAuth 认证流程
• Docker 环境变量配置
• Docker Secrets 管理
• JupyterHub 认证插件配置

• OAuthenticator 文档
• GitHub OAuth 应用创建指南
• Docker 环境变量
• Docker Secrets

• 创建 .env.example 文件作为环境变量模板
• 使用 GitHub 的 OAuth 应用设置正确的回调 URL
• 配置管理员用户和访问控制
• 注意保护 OAuth 密钥和令牌

构建一个集成多种 AI 工具和模型的高级 JupyterHub 环境，支持 AI 辅助编程和数据分析。

1. 创建支持 AI 工具的自定义 Notebook 镜像
2. 配置多种 AI 模型（国际和国内）的接入
3. 添加 AI 示例笔记本
4. 实现资源限制和管理
5. 编写详细的使用文档

• 高级 Dockerfile 多阶段构建
• Docker Compose profiles 配置
• 容器资源限制
• API 密钥管理
• 多容器协作
• 高级网络配置

• Jupyter AI 文档
• Docker 多阶段构建
• Docker Compose Profiles
• 容器资源限制
• [各 AI 服务提供商 API 文档]
  • OpenAI API
  • Anthropic API
  • 阿里云百炼 API
  • DeepSeek API

• 使用 Docker Compose profiles 分离构建和运行环境
• 创建启动和停止脚本简化操作
• 为不同的 AI 模型提供配置选项
• 添加详细的示例和教程
• 考虑国内用户的网络环境，提供替代方案

1. 完整的源代码，包含所有 Dockerfile、docker-compose.yml 和配置文件
2. README.md 文件，包含项目说明和使用指南

1. 循序渐进: 按照阶段顺序完成项目，每个阶段都建立在前一个阶段的基础上
2. 参考官方文档: 优先参考官方文档解决问题
3. 版本控制: 使用 Git 管理代码，每个阶段完成后提交一次
4. 测试验证: 每完成一个功能就进行测试，确保其正常工作
5. 记录问题: 记录遇到的问题和解决方案，作为报告的一部分

祝你在项目中取得好成绩！如有任何问题，请随时向导师咨询。