Manjaro折腾笔记：我的数据科学环境搭建之路
ss并且开机启动
0. 安装shadowsocks
sudo pip install shadowsocks
1. 建立配置文件ss.json
我的位置是：/home/ray/Documents/shadowsocks/ss.json
{
"server":"*.*.*.*",
"server_port":***,
"local_port":1081,
"password":"*****",
"timeout":600,
"method":"aes-256-cfb"
}
2. 建立sh文件，用以运行
我的位置是：/home/ray/Documents/shadowsocks/ss.sh
#!/bin/bash
#ss.sh
/home/ray/anaconda3/bin/sslocal -c /home/ray/Documents/shadowsocks/ss.json
echo "connected!"
注意，如果是开机启动会出现:"sslocal 未知的命令"的情况，一定要附上绝对路径，或者加入环境变量。
不要忘记增加可执行权限：
sudo chmod +x ss.sh
测试：打开终端后，运行: sh /home/ray/Documents/shadowsocks/ss.sh，不报错就成功了
3. 开机自动启动
3.1 首先载启动文件/etc/rc.local中加入
sh /home/ray/Documents/shadowsocks/ss.sh
增加权限：
sudo chmod +x /etc/rc.local
重启，如果可以FQ最好，如果不行则考虑步骤3.2
3.2 添加服务
新建文件：/usr/lib/systemd/system/rc-local.service，在其中加入：
[Unit]
Description=/etc/rc.local Compatibility
ConditionPathExists=/etc/rc.local
[Service]
ExecStart=/etc/rc.local
[Install]
WantedBy=multi-user.target
之后在终端运行：
systemctl enable rc-local.service # 允许该服务，使其可以开机自运行
systemctl start rc-local.service # 启动该服务
systemctl status rc-local.service # 查看服务状态
如果发现服务状态没有异常，则搞定了，重启即可
4. github代理
git config --global http.proxy 'socks5://127.0.0.1:1081'
1081为本地端口号
双硬盘时，机械硬盘挂载
1. 格式化硬盘为EXT4
如果时windows过来的NTFS，一定要进行格式化，否则无法写入
fdisk -l # 列出所有分区，找到想要格式化的分区名，如/dev/sda1
sudo mkfs -t ext4 /dev/sda1 # 格式化完成
2. 分区
sudo fdisk /dev/sda #格式化后名称为/dev/sda
输入n、p、1、两下回车、wq、回车，分成一个区
3. 挂载
# 新建文件夹作为挂载点
mkdir /home/ray/Documents/Data
# 给定写入权限
chown -R 500:ray /run/media/ray/data/
sudo chown ray:ray /run/media/ray/data/
# 挂载
sudo mount -t ext4 /dev/sda1 /home/ray/Documents/Data/
4. 开机自动挂载
sudo gedit /etc/fstab
加入：
/dev/sda1 /home/ray/Documents/Data ext4 defaults 0 2
添加字体
1. 安装依赖
sudo pacman -S fontconfig
2. 下载对应的字体文件，并且放到指定位置
- 微软雅黑：https://pan.baidu.com/s/1pL5asEv
- 放入/usr/share/fonts/my_fonts/中
3. 建立缓存
mkfontscale
mkfontdir
fc-cache -fv
安装 latex
# 安装底层（最后一个用于解决bibtex的问题）
sudo pacman -S texlive-core texlive-langchinese texlive-latexextra texlive-publishers
# 安装IDE
sudo pacman -S texstudio
# 更新texlive
texhash
双显卡驱动
manjaro装机之后的显卡驱动切换程序：Bumblebee还是有点问题，我们重新安装
1. 安装
# 依赖
sudo pacman -S virtualgl lib32-virtualgl lib32-primus primus
# 安装双显卡切换程序bumblebee
sudo mhwd -f -i pci video-hybrid-intel-nvidia-bumblebee
# 允许服务
sudo systemctl enable bumblebeed
# 添加用户
sudo gpasswd -a $USER bumblebee
2. 防止启动后无法进入图形界面
- 打开 /etc/default/grub
- 找到并且改为：GRUB_CMLINE_LINUX_DEFAULT="quiet acpi_osi=! acpi_osi=Linux acpi_osi=’Windows 2015’ pcie_port_pm=off resume=..."
- 运行sudo update-grub，重启
3. 测试
# 安装测试软件
sudo pacman -S mesa-demos
# 集成显卡性能
glxgears -info
# 独显性能
optirun glxgears -info
# 或者
primusrun glxgears -info
之后所有需要用独显允许的程序，前面都要加上optirun或者primusrun允许
# 打开nvida面板
optirun -b none nvidia-settings -c :8
# 不依赖Bumblebee来使用CUDA
sudo tee /proc/acpi/bbswitch <<< 'ON'
# 使用完CUDA 停止NVIDIA显卡
sudo rmmod nvidia_uvm nvidia && sudo tee /proc/acpi/bbswitch <<< OFF
inxi -G # 查看显卡情况
optirun nvidia-smi # 查看CPU情况
4. 两种用法
- 用bumblebee切换：
命令前面加上 optirun 或者primusrun运行 - 用bbswitch:
# 一直开启独显
sudo tee /proc/acpi/bbswitch <<< 'ON'
# 一直禁用独显
sudo tee /proc/acpi/bbswitch <<< 'OFF'
docker + pyspark + jupyter 安装
参考： http://maxmelnick.com/2016/06/04/spark-docker.html
1. 本地安装docker
1.1 安装docker包
sudo pacman -S docker
1.2 防止权限问题，加入用户权限
sudo usermod -aG docker ray
1.3 重启服务（或者重启计算机）
sudo systemctl restart docker
1.4 查看安装是否成功
sudo docker -info
2 配置spark 镜像(images)和容器(containers)
首先，直接建立容器，如果镜像不存在，则会自动下载：
sudo docker run -d -p 8888:8888 --name spark -v $PWD:/home/jovyan/work jupyter/all-spark-notebook start-notebook.sh --NotebookApp.password='sha1:5b1e121347e8:15266c00b25c2e497714de20a674d5b8935e09dd'
命令解释：
- docker run 载镜像基础上建立容器
- -d 后台运行
- -p 8888:8888 指定端口
- -- name spark 命名容器
- -v $PWD:/home/jovyan/work 挂载 all-spark-notebook的工作目录到当前目录，使得文件可以在docker内外共享（jovyan是该镜像内置的用户名，不要更改！）
- jupyter/all-spark-notebook 镜像名称，来自https://hub.docker.com/r/jupyter/all-spark-notebook/
- start-notebook.sh --NotebookApp.password='sha1:5b1e121347e8:15266c00b25c2e497714de20a674d5b8935e09dd' 指定密码而不是token，密码先得转为hash码（怎么转）
在浏览器中输入'http://localhost:8888'，即可打开容器对应的notebook
其次，查看docker状态
# 显示当前容器
docker ps
# 显示所有容器
docker ps -a
# 显示所有镜像
docker images
# 删除容器
docker rm container_name
# 删除镜像，必须先删除依赖该镜像的容器
docker rmi image_name
最后，直接打开或是关闭
# 关闭容器
docker stop spark
# 打开容器
docker start spark
3 推荐的pyspark docker
安装 ZSH
zsh，shell中的极品（为什么）
1. 安装zsh
sudo pacman -S git, zsh
2. 安装 oh-my-zsh
oh-my-zsh是zsh的一个封装，类似spacemacs和emacs的关系
sh -c "$(curl -fsSL https://raw.github.com/robbyrussell/oh-my-zsh/master/tools/install.sh)"
记着将.bashrc中添加的语句复制到.zshrc中
3. 设置为默认shell
chsh -s /bin/zsha
4. 添加powerline
pip install git+git://github.com/powerline/powerline
然后将
powerline-daemon -q
POWERLINE_BASH_CONTINUATION=1
POWERLINE_BASH_SELECT=1
. /usr/local/lib/python2.7/dist-packages/powerline/bindings/zsh/powerline.zsh
添加到.zshrc中，注意powerline的位置不一定是上面的，需要自行更改
最后重启
tensorflow 环境搭建
我们的配置是：
- CUDA-8.0
- cuDNN-6
- tensorflow-gpu 1.4
1. 双显卡切换为独显
独显必须一直保持开着的状态，才可以稳定运行cuda等程序，我们通过bbswitch切换独显
sudo tee /proc/acpi/bbswitch <<< ‘ON’
注意，如果nvidia-smi -pm为1的话上述方法是无效的，必须变为0，即实时切换状态
nvidia-smi -pm 0
2. 安装CUDA
2.1 yaourt 安装
yaourt -S cuda-8.0
如果遇到yaourt报告空间不够，则：
- 打开
/etc/yaourtrc - 将
#TMPDIR="/tmp"改为TMPDIR="/home/$USER/tmp"即可
2.2 加入环境变量
通过安装日志可以发现，yaourt将安装包迁移到了/opt中，因此我们在 .bashrc或.zshrc、以及/etc/profile中加入：
export CUDA_HOME=/opt/cuda
export PATH=/opt/cuda/bin:$PATH
export LD_LIBRARY_PATH=/opt/cuda/lib64:$LD_LIBRARY_PATH
2.3 验证安装
查看CUDA版本
nvcc -V
编译samples，CUDA安装时自带了samples文件夹，进入该文件夹后直接编译（gcc啥的都给你装好了），但是一定记得用sudo，否则报错
cd /opt/cuda/samples
sudo make
查看编译结果：
cd bin/x86_64/linux/release
./deviceQuery # 最后如果返回pass，则通过
./bandwidthTest # 最后如果返回pass，则通过
reboot # 最好重启一下
恭喜你，到了这一步，CUDA已经顺利安装完成啦！！
3. cuDNN安装
cuDNN是nivida提供的深度学习GPU库，在manjaro下非常好安装：
# 先确定独显是开着的
sudo tee /proc/acpi/bbswitch <<< ‘ON’
yaourt -S cudnn6
装好之后，将cudnn文件拷贝到cuda中：
sudo cp /opt/cudnn6/include/cudnn.h /opt/cuda/include
sudo cp cudnn6/lib64/libcudnn* /opt/cuda/lib64
# 增加权限
sudo chmod a+r cuda/include/cudnn.h
sudo chmod a+r cuda/include/cudnn.h
恭喜，至此你已经完成了准备工作啦！
4. 安装tensorflow-gpu版本
为了跟CUDA8兼容，我们安装1.4版本的tensorflow-gpu
pip install tensorflow-gpu==1.4
重启，很关键*
reboot
重启之后，打开ipython，输入命令进行测试：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
如果提示中不包含ERROR或FAIL字样，且包含了你的独显名称，那么就是正确安装了。
最后设置CPU按需求使用，在每次导入tf时：
# 设置tendorflow对显存使用按需增长。
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
5. 安装keras
pip install keras
keras默认使用tensorflow后端，并且会直接调用其GPU，因此无需做任何改动
linux备份
0. 权限问题
sudo gedit /etc/rsyncd.conf
将其中的
uid = nobody
gid = nobody
改为
uid = root
gid = root
备份结束之后一定要改回来！！
1. 备份
sudo time rsync -Pa / /run/media/ray/Elements/LinuxBackup/2018_05_10 --exclude="/sys/*" --exclude="/proc/*" --exclude="/mnt/*" --exclude="/tmp/*" --exclude="/run/media/*"
2. 恢复
sudo rsync -Pa /run/media/ray/Elements/LinuxBackup/2018_05_10 /
teamviewer
manjaro的teamviewer有一些问题，pacman装上之后会出现"Not ready,.."的情况，此时应该：
sudo teamviewer --daemon enable
再打开teamviewer即可！
连接鼠标
1. 蓝牙直连
2. 有线连接，安装驱动
ltunify unpair mouse
ltunify pair
开机互换 caps和ctrl
每次打开终端时互换
在 /.bashrc或者/.zshrc中添加
setxkbmap -option ctrl:swapcaps
jupyter notebook 连接远程服务器
服务器端：
生成配置文件
$ jupyter notebook --generate-config
In [1]: from IPython.lib import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'sha1:0e422dfccef2:84cfbcbb3ef95872fb8e23be3999c123f862d856'
打开配置文件
$vim ~/.jupyter/jupyter_notebook_config.py
修改：
c.NotebookApp.ip='*'
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888 #随便指定一个端口
c.NotebookApp.allow_remote_access = True
打开jupyter notebook
本地端
网页输入 http:// ip_address:8888
