如何配置HDInsight以将Jupyter Notebook持久化至Bitbucket或GitHub仓库？

当然可以实现这个需求！我来一步步带你完成配置，核心是通过Git仓库同步+Jupyter的保存钩子，让Notebook在每次保存时自动推送到你的代码仓库。

前期准备 #

• 确保你的HDInsight集群已经正常运行，并且能通过SSH访问头节点
• 拥有Bitbucket或GitHub的仓库权限，提前生成好个人访问令牌（Bitbucket在个人设置的App passwords里生成，GitHub在Settings > Developer settings > Personal access tokens里生成，用来替代密码做无交互推送）

步骤1：SSH登录HDInsight头节点 #

用SSH客户端连接到集群的头节点，命令格式如下：

ssh sshuser@<你的集群名>-ssh.azurehdinsight.net

输入你的SSH密码完成登录。

步骤2：配置Git基础环境 #

在头节点上先设置Git的用户名和邮箱（提交时会用到）：

git config --global user.name "你的Git用户名"
git config --global user.email "你的Git绑定邮箱"

如果头节点没装Git（一般HDInsight默认预装），可以用sudo apt-get install git安装。

步骤3：克隆仓库到Jupyter的存储目录 #

HDInsight的Jupyter默认把Notebook存在/var/lib/jupyter目录下，我们把目标仓库克隆到这里：

cd /var/lib/jupyter
# 替换成你的Bitbucket仓库地址，把<你的令牌>换成之前生成的令牌
git clone https://<你的令牌>@bitbucket.org/<你的用户名>/<仓库名>.git
# 如果是GitHub，用这个地址
# git clone https://<你的令牌>@github.com/<你的用户名>/<仓库名>.git

克隆完成后，修改仓库目录的权限，确保Jupyter服务的用户能读写：

sudo chown -R jupyter:jupyter /var/lib/jupyter/<你的仓库名>

步骤4：修改Jupyter配置，添加自动同步钩子 #

首先生成Jupyter的配置文件（如果已经有了就跳过这步）：

jupyter notebook --generate-config

配置文件会生成在/home/sshuser/.jupyter/jupyter_notebook_config.py，用编辑器打开它：

nano /home/sshuser/.jupyter/jupyter_notebook_config.py

在文件末尾添加以下Python代码，这个钩子会在Notebook保存时自动执行Git提交和推送：

def git_auto_sync(model, os_path, contents_manager):
    import subprocess
    import os

    # 替换成你的仓库目录路径
    repo_dir = "/var/lib/jupyter/<你的仓库名>"
    # 只处理.ipynb文件
    if not os_path.endswith(".ipynb"):
        return

    try:
        # 进入仓库目录
        os.chdir(repo_dir)
        # 添加当前保存的Notebook文件
        subprocess.run(["git", "add", os.path.basename(os_path)], check=True)
        # 提交，备注自动保存的文件名
        subprocess.run(
            ["git", "commit", "-m", f"Auto-save: {os.path.basename(os_path)}"],
            check=True
        )
        # 推送到远程仓库
        subprocess.run(["git", "push"], check=True)
    except subprocess.CalledProcessError as e:
        # 如果出错，打印日志（可以查看Jupyter日志排查）
        print(f"Git sync failed: {e}")

# 启用这个保存钩子
c.FileContentsManager.post_save_hook = git_auto_sync

保存并退出编辑器（nano里按Ctrl+O，回车，再Ctrl+X）。

步骤5：重启Jupyter服务 #

让配置生效，重启Jupyter服务：

sudo systemctl restart jupyter-notebook

如果是旧版本的HDInsight，可能需要用sudo service jupyter-notebook restart。

测试验证 #

打开你的HDInsight Jupyter界面，创建一个新的Notebook，随便写点内容然后保存。过几分钟去你的Bitbucket/GitHub仓库看看，应该能看到这个新的Notebook文件已经被自动提交推送了！

注意事项 #

• 令牌的安全性：如果不想把令牌写在克隆地址里，可以用git config credential.helper store，第一次手动执行git push时输入用户名（令牌）和密码（空），Git会自动保存凭据
• 如果推送失败，可以查看Jupyter的日志文件/var/log/jupyter/jupyter-notebook.log排查问题
• 如果你想同步所有Notebook，也可以把钩子改成添加所有文件（把git add <文件名>改成git add .），但这样可能会同步一些临时文件，建议还是只同步.ipynb文件

内容的提问来源于stack exchange，提问作者rongenre