如果您愿意，可以让 Dask 为您设置一个 Jupyter notebook 服务器，并与 Dask 调度器并置。有很多方法可以做到这一点，但这篇博文列出了两种。

首先，为什么要这样做？

有时大型机构内部的人们会面临复杂的部署难题。他们需要一段时间才能在集群中的机器上启动一个进程，并打开所有适当的网络端口等等。在这种情况下，有时只做一次（例如为 Dask）会比做两次（例如为 Dask 和 Jupyter）更好。

在这些情况下，人们可能应该投资一个长期解决方案，例如JupyterHub或其企业版本之一，但这篇博文在此期间提供了一些权宜之计。

技巧 1：通过 Python 函数调用创建 Jupyter 服务器

如果您的 Dask 调度器已经在运行，请使用 Client 连接到它，然后运行一个启动 Jupyter 服务器的 Python 函数。

from dask.distributed import Client

client = Client("scheduler-address:8786")

def start_juptyer_server()
from notebook.notebookapp import NotebookApp
app = NotebookApp()
app.initialize([]) # 在这里添加命令行参数

client.run_on_scheduler(start_jupyter_server)

如果您有一个复杂的网络设置（可能在云端或 HPC 上，并且必须显式打开端口），那么您可能需要安装jupyter-server-proxy（如果安装了，Dask 也会默认使用），然后访问http://scheduler-address:8787/proxy/8888。Dask 仪表盘可以将您的连接路由到 Jupyter（如果 Dask 是主要服务，Jupyter 也很乐意为 Dask 做同样的事情）。

技巧 2：预加载脚本

这也是了解各种自定义启动和关闭方法的绝佳机会。其中一种方法就是像下面这样的预加载脚本

# jupyter-preload.py
from notebook.notebookapp import NotebookApp

def dask_setup(scheduler)
app = NotebookApp()
app.initialize([])

dask-scheduler --preload jupyter-preload.py

该脚本将在调度器启动期间的适当时间运行。您也可以将其添加到配置中

distributed
scheduler
preload: ["/path/to/jupyter-preload.py"]

不过说真的，您应该使用其他方法

这主要是一个权宜之计。如果您在某个机构工作，那么您应该要求使用像JuptyerHub这样的东西。

或者，您可能也想在单独的子进程中运行它，这样 Jupyter 和 Dask 调度器就不会相互冲突。这应该不是一个大问题（它们都相当轻量），但将它们隔离可能是有意义的。

谢谢 Nick！

感谢Nick Bollweg，他在这里回答了关于此主题的问题