Orateur
Description
JupyterHub est souvent déployé sur Kubernetes, notamment pour bénéficier de la gestion dynamique des ressources et du déploiement de serveurs Jupyter. Cependant, pour les centres de calcul qui ne disposent pas déjà d’un cluster Kubernetes mutualisé, cette approche implique la mise en place et l’administration d’une infrastructure supplémentaire, avec ses propres ressources.
Il est pourtant possible de s’appuyer sur un cluster Slurm existant et ainsi de mutualiser les ressources avec les autres activités de calcul. Chaque serveur Jupyter est alors lancé comme un job Slurm sur les nœuds de calcul, avec un accès configurable aux CPU, GPU et à la mémoire, et bénéficie du même environnement que les jobs classiques. La gestion des utilisateurs, des droits d’accès et des ressources est ainsi déléguée à Slurm, ce qui simplifie l’administration tout en offrant aux utilisateurs un fonctionnement cohérent avec leurs habitudes sur le cluster.
Cette présentation abordera l’architecture et la stack technique utilisées, notamment BatchSpawner, qui assure l’intégration entre JupyterHub et Slurm. Elle montrera, à travers notre retour d’expérience, qu’il est relativement simple de déployer JupyterHub sur une infrastructure HPC existante et que Kubernetes n’est pas nécessairement la solution adaptée pour tous les centres de calcul.