共计 1652 个字符，预计需要花费 5 分钟才能阅读完成。
更多技术交换、求职机会，欢送关注字节跳动数据平台微信公众号，回复【1】进入官网交换群
Notebook 是一种反对 REPL 模式的开发环境。所谓「REPL」，即「读取 - 求值 - 输入」循环：输出一段代码，立即失去相应的后果，并持续期待下一次输出。Notebook 通常使得探索性的开发和调试更加便捷，在 Notebook 环境，用户能够交互式地在其中编写代码、运行代码、查看输入、可视化数据并查看后果，应用起来非常灵活。
在数据开发畛域，Notebook 广泛应用于数据清理和转换、数值模仿、统计建模、数据可视化、构建和训练机器学习模型等方面。
然而显然，做数据开发，只有 Notebook 是不够的。目前火山引擎 DataLeap 数据研发平台提供了工作开发、公布调度、监控运维等一系列能力。研发团队将 Notebook 作为一种工作类型，退出了火山引擎 DataLeap 数据研发平台，使用户既能领有 Notebook 交互式的开发体验，又能享受一站式大数据研发治理套件提供的便当。
如果还不够直观的话，试想以下场景：
在交互式运行和可视化图表的加持下，用户很快就调试实现了一份 Notebook。简略整顿了下代码，依据应用到的数据配置了上游工作依赖，上线了周期调度，并棘手挂了报警。之后，基本上就不必管这个工作了：不须要每天手动查看上游数据是否就绪；不须要每天来点击运行，因为调度零碎会主动帮用户执行这个 Notebook；执行失败了有报警，能够间接上平台来解决；上游数据出错了，能够请零碎发动深度回溯，对立修数。
2019 年末，基于业务需要决定反对 Notebook 工作的时候，火山引擎 DataLeap 研发团队调研了许多 Notebook 的实现，包含 Jupyter、Polynote、Zeppelin、Deepnote 等。Jupyter Notebook 是 Notebook 的传统实现，它有着极其丰富的生态以及宏大的用户群体，置信许多人都用过这个软件。
事实上，在字节跳动数据平台倒退晚期，就有了在物理机集群上对立部署的 Jupyter（基于多用户计划 JupyterHub），供外部的用户应用。思考到用户习惯和其弱小的生态，Jupyter 最终成为了火山引擎 DataLeap 研发团队的抉择。
（图：Jupyter Notebook 界面）
Jupyter Notebook 是一个 Web 利用。通常认为其有两个外围的概念：Notebook 和 Kernel。
Notebook 指的是代码文件，个别在文件系统中存储，后缀名为 ipynb。Jupyter Notebook 后端提供了治理这些文件的能力，用户能够通过 Jupyter Notebook 的页面创立、关上、编辑、保留 Notebook。在 Notebook 中，用户以一个一个 Cell 的模式编写代码，并按 Cell 运行代码。Notebook 文件的具体内容格局，可参考 The Notebook file format
Kernel 是 Notebook 中的代码理论的运行环境，它是一个独立的过程。每一次「运行」动作，产生的成果是单个 Cell 的代码被运行。具体来讲，「运行」就是把 Cell 内的代码片段，通过 Jupyter Notebook 后端以特定格局发送给 Kernel 过程，再从 Kernel 承受特定格局的返回，并反馈到页面上。这里所说的「特定格局」，可参考 Messaging in Jupyter。
在火山引擎 DataLeap 数据研发平台，开发过程围绕的外围是工作。用户能够在我的项目下的工作开发目录创立子目录和工作，像 IDE 一样通过目录树治理其工作。Notebook 也是一种工作类型，用户能够启动一个独立的工作 Kernel 环境，像开发其余一般工作一样应用 Notebook。
（图：火山引擎 DataLeap 数据开发 Notebook 工作界面）
目前 Notebook 工作已成为字节跳动外部应用较为高频的工作类型，用户能够在火山引擎 DataLeap 官网开明交互式剖析的版本，应用到 DataLeap 的 Notebook 工作。
点击跳转 火山引擎大数据研发治理 DataLeap 理解更多
