jupyterq 的安装和配置教程
2025-05-24 16:03:30作者:何举烈Damon
项目基础介绍
JupyterQ 是一个开源项目,它为 kdb+ 数据库提供了一个 Jupyter 内核。通过这个内核,用户可以在 Jupyter Notebook 环境中执行 kdb+ 代码,并享受到 syntax highlighting(语法高亮)、code completion(代码补全)、help(帮助文档)等特性。JupyterQ 使得 kdb+ 用户能够更容易地利用 Jupyter 的强大功能,例如交互式可视化和与其他编程语言的集成。
主要编程语言
该项目主要使用以下编程语言和工具:
- Python:用于实现 Jupyter 内核和一些辅助功能。
- kdb+:项目所服务的数据库查询语言。
- Jupyter:提供 Notebook 界面。
项目使用的关键技术和框架
- Jupyter 内核:Jupyter 的核心组件,允许不同语言的代码在 Jupyter 环境中运行。
- embedPy:一个 kdb+ 插件,使得 kdb+ 能够调用 Python 代码和库。
- matplotlib:用于在 Jupyter Notebook 中生成图表的 Python 库。
准备工作
在开始安装 JupyterQ 之前,请确保您的系统已满足以下要求:
- kdb+ 版本 ≥ 3.5(64 位)
- Python 版本 ≥ 3.6
- 安装了 embedPy
- 如使用 Docker,则需要安装 Docker
安装步骤
1. 下载和安装 kdb+
请从 kdb+ 官方网站下载并安装适合您操作系统的 kdb+ 版本。
2. 安装 Python 和依赖
如果您还没有安装 Python,请从 Python 官方网站下载并安装 Python。安装完成后,打开命令行界面,执行以下命令安装 JupyterQ 的依赖:
pip install -r requirements.txt
或者,如果您使用的是 Conda 环境,可以执行:
conda install --file requirements.txt
3. 设置 QHOME 环境变量
确保 QHOME 环境变量已正确设置,并且 kdb+ 可执行文件位于系统的 PATH 中。
4. 安装 JupyterQ
- Linux/macOS:
./install.sh - Windows:
运行
install.bat文件。
或者,您也可以使用 Conda 安装 JupyterQ:
conda install -c kx jupyterq
5. 运行 JupyterQ
安装完成后,可以通过以下命令启动 Jupyter 控制台:
jupyter console --kernel=qpk
若要运行示例 Notebook,可以使用以下命令:
jupyter notebook kdb+Notebooks.ipynb
6. 使用 Docker 运行 JupyterQ(可选)
如果您已经安装了 Docker,可以运行以下命令来启动 JupyterQ 容器:
docker run -it --name myjupyterq -p 8888:8888 kxsys/jupyterq
然后,在浏览器中打开 http://localhost:8888/notebooks/kdb%2BNotebooks.ipynb。
通过上述步骤,您应该能够成功安装和配置 JupyterQ,并开始使用它来增强您的 kdb+ 开发体验。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.2 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661