开发机常见问题
本文为您介绍开发机的相关问题。
目录
名词说明：本文涉及以下缩写。
- BLB：负载均衡（Baidu Load Balance），开发机 SSH 与自定义服务的流量入口。
- PFS / CFS / BOS：并行文件存储 / 文件存储 / 对象存储，均为可挂载的外部存储。
- CCR：容器镜像服务（Baidu Cloud Container Registry），分个人版 / 企业版。
- C-prom：托管 Prometheus 监控服务，"停止实例通知"功能依赖其实例绑定。
一、开发机创建 & 启动
Q：开发机为什么依赖云磁盘？对云磁盘的依赖和关联有哪些？
开发机目前依靠云磁盘作为数据持久化载体。挂载云磁盘后，开发机数据会被自动保存，实例关机、异常等情况下数据不会丢失。
由于物理节点网卡特性，对云磁盘的挂载数量有限制，这决定了单个物理节点上可创建的、支持数据持久化的开发机数量（开发机本质是物理节点上的容器实例）。
因此在选购节点套餐时，建议优先选择云磁盘配额高的节点。
Q：如果节点不支持挂载云磁盘怎么办？
-
情况 1：队列中部分节点支持挂载云磁盘、部分不支持。 在全局云磁盘选项未关闭时，开发机默认只会在支持挂载云磁盘的节点上创建并调度。如需允许队列中所有节点创建无云磁盘挂载的开发机，管理员可按以下步骤设置：
- 进入 资源池 → 全局配置 → 开发机配置。
- 设置 是否强制挂载云磁盘。
- 关闭该选项后，开发机可在不支持挂载云磁盘的节点上创建并调度。
⚠️ 未挂载云磁盘的开发机默认不支持数据持久化，请谨慎设置。
-
情况 2：队列中所有节点都不支持挂载云磁盘。 该队列只允许创建无云磁盘挂载的开发机。此场景下，建议通过共享存储实现部分数据持久化：
- 创建开发机时同时挂载 PFS，并将工作目录挂载到 PFS 上；
- 存放在 PFS 上的代码和数据将被持久化。
Q：开发机创建表单的部分选项如何理解？
- 环境变量：出于服务稳定性考虑，自定义环境变量不允许与系统环境变量重名；若重名，表单会提醒并要求修改。
- 绑定 BLB：开发机 SSH 和自定义服务通过 BLB 作为流量入口。初次使用开发机需预先创建一个 BLB。BLB 只能被同一个集群绑定，每个自定义服务默认占用一个 BLB 端口和 IP 组配额；配额占满后 BLB 无法被绑定。
- 停止实例通知：开启此选项需资源池完成 C-prom 实例绑定。
Q：开发机长时间排队的常见原因有哪些？
- 队列节点资源不足（CPU / GPU / 内存）；
- 队列节点云磁盘已挂满；
- BLB 配额不足（IP 组或端口在创建时间窗口内被抢占打满，常见于选择了配额临近打满的 BLB）；
- 账号欠费。
可通过时间线，或点击开发机名称进入事件页面，查看具体报错详情。
Q：开发机实例启动后长时间处于"部署中"怎么办？
排查方法：
- 查看时间线报错提示；
- 单击开发机实例名称，在"事件"页签下查看报错信息。
常见原因：
- 资源账号欠费，导致云磁盘创建失败；
- 关联资源被释放（如已绑定的 PFS 实例在开发机启动前被删除或释放）；
- 镜像拉取失败（网络问题、镜像仓库用户名密码错误、镜像本身问题等）；
- 节点系统盘空间不足（容器数据目录容量不足，无法拉取镜像）。
二、开发机管理与使用
Q：开发机启动时可以开机执行 Python 文件吗？
可以。您可以在创建开发机实例时，或通过变更实例配置的方式，设置自定义启动脚本。
Q：找不到开发机实例怎么办？
请在导航栏切换不同地域，查看不同创建地、不同类型的实例。
Q：为什么启动开发机实例的时间越来越长？
每次启动时间逐渐变长，通常是因为您保存的镜像体积较大所致。
Q：停止或删除开发机实例后，数据和代码会丢失吗？
是否保留取决于您的操作以及实例是否挂载了云盘：
- 停止实例：包含云盘系统盘的实例，停止时数据已持久化到云盘，数据不会丢失；
- 删除实例：云盘将被释放，数据会被清除。
Q：为什么正在运行的开发机实例会自动停止？
可能有两类原因：
- 实例配置了闲时关机、低利用率关机、自动关机等策略，用于节省资源、提升集群利用率；
- 若开发机对队列其他成员可见，也可能被其他成员操作停止。
Q：使用开发机时，软件包、代码和数据推荐如何管理？
总体原则：运行环境装在开发机内，代码和数据存在外部存储中。具体建议：
- 数据集、模型权重等数据，推荐存储在外部存储（PFS、CFS、BOS 等）并挂载使用，不建议拷贝到开发机内部；
- 软件包（如 conda）推荐安装到开发机内；除非希望在多个开发机或训练环境间共享，才装到外部存储；
- 不需要打包镜像的场景，推荐代码也存外部存储；若需中途打包镜像，可将代码当前版本拷贝到开发机内。
三、镜像管理
Q：制作镜像时，哪些数据会被打包进镜像？
- 所有从外部挂载的存储卷（PFS、BOS、CFS 等）都不会被打包进镜像；
- 如需将外部存储里的数据打包进镜像，请事先（或在打包前）规划好存储路径。
Q：镜像拉取失败的常见原因有哪些？
- 镜像仓库用户名 / 密码输错；
- 镜像地址错误、镜像错误、镜像不存在等；
- 网络异常。
Q：为什么制作开发机镜像时会失败或超时？
- 镜像大小超限：单层镜像保存的数据量不应超过 40 GiB，否则构建失败。镜像可写层过大（如放入大容量数据集）是最常见原因。建议仅保留必要的代码与环境，数据集存到 PFS 等共享存储；可通过清理云磁盘、将非必要数据转移到共享存储来降低可写层大小。
- 地域不匹配：开发机实例与容器镜像服务 CCR 实例必须位于同一地域，否则制作镜像时找不到对应的镜像仓库。
- 系统盘空间不足：剩余可用空间小于待写入镜像层的数据大小时，会报
insufficient capacity of ephemeral storage错误。 - 网络问题：个人版 CCR 通过公网推送镜像，较大镜像可能因网络波动或传输超时而失败；企业版 CCR 若与开发机在同一 VPC，可走内网推送，更快更稳定。
四、挂载配置
本节示例统一使用挂载路径
/mnt/workspace/pfs/data（工作目录下）与/mnt/pfs/data（工作目录外）做对比说明。
Q：开发机实例如何挂载和使用自己的文件系统？
您可以在新建实例时挂载 PFS / CFS / BOS，然后通过开发机 Terminal 进入挂载目录查看并使用文件。
目前开发机仅支持在创建实例时挂载同地域下的文件系统。
Q：成功挂载了 PFS，为什么在 JupyterLab 左侧文件浏览器里看不到？
这是因为文件浏览器默认显示实例的工作目录（路径一般为 /mnt/workspace）。若挂载路径（如 /mnt/pfs/data）不在工作目录下，就不会显示在左侧列表中。可通过下列任一方式解决：
- 通过代码访问：文件其实已挂载成功，在代码中使用完整挂载路径即可，例如
open('/mnt/pfs/data/my_file.csv')。 - 更改挂载点：配置挂载时把挂载路径设到工作目录的子目录下，例如
/mnt/workspace/pfs/data，挂载后即可在文件浏览器中看到。 - 通过终端访问：在 Terminal 中
cd /mnt/pfs/data，再用ls等命令查看和操作文件。
Q：两个开发机实例之间如何互传、分享数据？
让两个实例挂载相同的文件系统路径（PFS / CFS / BOS / 数据集），将数据存放在该路径下即可实现共享。
五、网络问题
Q：开发机实例如何访问公网，或被公网访问？
- 访问公网：参见《容器实例开启访问公网》。
- 被公网访问：开发机可通过绑定已挂载公网 IP 的 BLB 实现被公网访问，参见《公网访问开发机实例》。
六、第三方库安装
Q：如何在开发机中安装并使用第三方库？
在开发机 Terminal 中执行以下命令：
1# Python 3
2pip install --user xxx
3
4# Python 2
5source activate python2
6pip install --user xxx将 xxx 替换为待安装的库名。安装成功后，单击 kernel → restart kernel 重启服务。
Q：为什么安装的第三方包没有生效？
import 时找不到包，先尝试重启服务；若仍报错，确认当前使用的 Python 环境是否与安装时一致。
Q：pip install 报依赖冲突或版本错误怎么办？
通常由环境不兼容导致，按以下顺序排查：
- 更换镜像（首选）：停止当前实例，新建实例时选择一个不同的官方镜像。
-
指定版本安装：查阅库的官方文档，选一个适配当前环境（Python / CUDA 版本）的版本：
Bash1pip install package_name==x.y.z -
更换下载源：使用国内镜像源，例如清华源：
Bash1pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name
Q：Terminal 里装好了库，为什么 Jupyter Notebook 里 import 找不到？
可能是 Terminal 和 Jupyter 使用了不同的 Python 环境。用 which python 确认当前环境，或直接在 Notebook 中安装所需库。
Q：开发机里没有 unzip 或 7z 命令，如何解压文件？
通过 apt-get 安装：
1# 安装 unzip
2apt-get update && apt-get install -y unzip
3unzip your_file.zip
4
5# 安装 p7zip（用于 7z）
6apt-get update && apt-get install -y p7zip-full
77z x your_file.7zQ：用 pip 安装时一直卡住或超时怎么办？
通常是网络问题：
- 检查实例是否配置了公网访问。若创建时选了"无公网访问"，或配置了 VPC 但未设置 NAT 网关，将无法连接外部下载源。
-
更换下载源，例如切换到清华源：
Bash1pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <包名> - 若网络确实不通，可在本地电脑下载好
.whl安装包，上传到开发机离线安装。
Q：可以在开发机里用 Docker 部署应用吗？
关于 Docker in Docker：开发机本身运行在容器中，目前暂不支持 Docker in Docker，该功能已在规划中，请持续关注。
七、实例运行
Q：关闭浏览器或电脑关机后，开发机中运行的训练任务还会继续吗？
会继续。开发机实例运行在云端，关闭本地设备不影响其运行状态。
⚠️ 注意：部分实例可能配置了闲置自动关机策略。若 CPU / GPU 等资源在一段时间内持续低于阈值，可能被判定为闲置并自动停止，从而中断任务。
Q：如何 Debug 代码？
- Debug Notebook 代码：Notebook 天然适合调试，每个 Cell 单独执行即可即时看到输出，也可用
print()输出关键变量值。 - Debug Python 代码：在 WebIDE 中使用 VSCode 标准的断点与调试功能。
Q：用 VSCode 客户端通过 SSH 连接开发机，频繁提示 OOM 并断开怎么办？
开发机负载很低却频繁断开、连上几分钟就报 OOM，通常是客户端 VSCode（remote server）侧的 OOM，而非开发机后端问题。
- 不要直接打开超大目录：避免在 VSCode Explorer 中直接展开或打开 PFS 挂载的数据集目录（如
/media下文件量巨大的目录），大量文件会撑爆 remote server 内存。 - 调大 remote server 预留内存：修改用户维度 VSCode remote server 的预留内存。
- 回滚 VSCode 版本：若问题在升级 VSCode 后才出现，可尝试回滚到此前可用的版本。
排查提示：报错弹窗若来自 VSCode 客户端，且开发机后端 code-server 服务正常（无重启等异常），即可判定为客户端环境问题。
Q：开发机实例规格不满足要求怎么办？
按以下步骤更新实例规格：
- 在开发机实例列表中，找到 操作 → 更多。
- 单击 变更配置。
- 在变更配置面板中更新实例规格。
说明：变更规格时若实例正在运行，会重建开发机；资源不足时会排队等待空闲资源。如有数据和环境需保存，请先通过制作镜像保存环境。
Q：开发机关机（停止）后，pip 安装的包和代码会丢失吗？
若使用云盘作为系统盘则不会丢失，实例磁盘数据（含 /mnt/workspace 和 /root 下的环境）都会保留，下次启动时环境和文件都还在。只有删除实例才会彻底清空所有数据。
八、相关文档
评价此篇文章