CentOS 7源码编译安装Python 3.9并配置Jupyter远程访问全攻略

1. 装之前先想清楚：你到底需要什么

CentOS 7上装Python和Jupyter，是我这些年被问得最多的服务器配置问题。原因很直接：CentOS 7系统自带的Python还是2.7.5，早就跟不上时代了，但现在大量数据分析、爬虫、自动化脚本都在Python 3上跑，加上Jupyter Notebook作为远程交互式编程入口又特别好用，所以几乎每个和数据沾边的项目交付时，都绕不开这一套组合。

这篇文章就把我从零开始装一套的完整过程拆给你看：怎么编译安装Python 3，怎么用虚拟环境装Jupyter，怎么配置远程访问，以及我踩过的坑和排查思路。适合刚拿到一台CentOS 7服务器、想在上面跑Python和Jupyter Notebook的同学直接照着操作。

先说结论：在CentOS 7上装Python，最稳的方式是源码编译安装，不建议直接改系统自带的Python 2.7——那个版本是yum等系统工具的依赖，动它等于拆家。下面从环境准备开始，一步步往下走。

1.1 为什么系统自带的Python 2.7不能轻易动

CentOS 7默认的Python版本是2.7.5，这个版本挂在系统底层，yum、firewalld、selinux的很多管理工具都是基于它的。如果你手贱把/usr/bin/python指向了Python 3，轻则yum报错，重则系统管理命令失灵，我就见过有人这么干完连yum install都跑不了。

所以装新Python的正解是：保留系统Python 2.7，单独装一个Python 3到独立目录，两份并存。系统工具继续走Python 2.7，我们自己的项目走Python 3，互不干扰。这也是下面所有操作的基本逻辑。

1.2 版本怎么选

Python版本不是越新越好，我推荐用Python 3.9或3.10。原因很实际：

• 3.8以下的版本官方支持已经陆续到期，安全补丁不更新了，别用。
• 3.11、3.12虽然新，但很多第三方库（尤其是一些科学计算、国产软件SDK的二进制包）还没完全适配，你在pip install的时候会遇到"没有匹配的wheel"之类的报错。
• 3.9、3.10处于生态兼容的"甜点区"，主流库全覆盖，企业项目用得最多，遇到问题也容易搜到答案。

以我这次的操作举例，我用的是Python 3.9.18，稳定、兼容性好，Jupyter全家桶和pandas、numpy这些核心库全都完美支持。

1.3 三种安装方式怎么选

在CentOS 7上装Python 3，主流的路线有三条，我直接做了个对比：

我个人的建议是：如果你主要玩数据分析和Jupyter，用Miniconda可能更省心；但如果你是想让这台服务器长期跑Python服务，或者你希望完全掌控Python安装位置，就老老实实源码编译。我这篇主教程以源码编译为主，因为它的通用性和可控性最好，过程搞明白了，其他方式都是小菜。

2. 环境准备：先让服务器"活过来"

很多人装到一半失败，其实不是Python的问题，而是服务器环境本身就没准备好。新拿到的CentOS 7服务器，一般有两个绕不开的坎：网络可能不通、yum源可能不好用。先把这两个解决掉，后面才顺。

2.1 网络和基础检查

拿到服务器后，第一件事不是急着下Python，而是确认网络能用。我习惯先跑几条命令：

ip addr ip route cat /etc/resolv.conf

分别看IP、网关和DNS配置。新装的CentOS 7经常出现有IP但ping不通外网的情况，比如ping www.baidu.com报unknown host，但ping 114.114.114.114却是通的——这说明DNS配置有问题。

DNS问题比较好修，编辑/etc/resolv.conf，加上有效的DNS服务器就行：

nameserver 223.5.5.5 nameserver 114.114.114.114

如果网关不对，就得检查/etc/sysconfig/network-scripts/ifcfg-eth0这类网卡配置文件，确保GATEWAY和DNS字段正确。修改后执行systemctl restart network重启网络服务。这些基础问题不搞定，后面wget源码、pip装包都会折磨你。

2.2 换一个能用的yum源

CentOS 7的官方源在国内访问经常很慢或者直接超时。我的习惯是一到手就换成国内镜像源，这一步能省下大量等待时间。

操作方式是先备份原来源配置：

mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak

然后下载国内镜像的repo文件。以阿里云源为例：

curl -o /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo

下载完成后清理缓存：

yum clean all yum makecache

后面再用yum install装依赖的时候，速度快得不是一点半点。这里提醒一句：改完源以后，如果yum还是报错，多半是repo文件里的版本号或路径不匹配，检查一下baseurl里的路径是否存在。

2.3 安装编译Python必需的依赖

源码编译Python之前，工具链和开发库必须装齐，否则后面make阶段会出现各种诡异的报错，比如缺zlib导致无法安装pip、缺openssl导致pip install连不上HTTPS源。

我每次都会执行这一整条命令：

yum install -y gcc gcc-c++ make wget perl \ zlib-devel bzip2-devel libffi-devel \ openssl-devel readline-devel sqlite-devel \ tk-devel gdbm-devel xz-devel

逐个说下这些包是干嘛的：

• gcc和gcc-c++是编译源码必需的编译器。
• zlib-devel：Python压缩模块zlib依赖它，不装的话pip都起不来。
• openssl-devel：让Python支持HTTPS，装了它pip install才能访问外网源。
• libffi-devel：ctypes模块需要它，很多扩展库都会用到。
• readline-devel：装Python交互式界面时上下翻历史命令才正常。
• sqlite-devel：Python自带的sqlite3模块依赖它，Jupyter的很多元数据存储也会用到。

这些依赖建议一次性装齐，别等编译报错了再回头补。我帮人排查过太多次"编译到一半提示缺头文件"的情况，基本都是这一步没做好。

3. 源码编译安装Python 3.9

到这一步，环境已经清爽了。现在正式编译安装Python。

3.1 下载源码包并解压

源码包可以从官方python.org下载，也可以走国内镜像站，速度会快一些。我直接用的官方地址：

cd /usr/local/src wget https://www.python.org/ftp/python/3.9.18/Python-3.9.18.tgz tar -xvf Python-3.9.18.tgz cd Python-3.9.18

下载前可以先看一眼这个路径是否存在，如果官方路径调整了，就去https://www.python.org/ftp/python/目录下找对应版本号。

3.2 configure配置：关键参数要明白

解压之后，编译前先做配置。这一步决定了Python安装到哪个目录、启用哪些功能：

./configure --prefix=/usr/local/python3.9 --enable-optimizations --with-ssl

几个关键参数我说一下：

• --prefix=/usr/local/python3.9：指定安装目录。这样所有文件都集中在/usr/local/python3.9，不污染系统目录，以后想卸载直接删这个目录就行。
• --enable-optimizations：开启编译优化，会用profile-guided optimization方式编译，性能更好，但会让编译时间明显变长。如果机器性能一般，可以先不加这个参数。
• --with-ssl：确保SSL模块编译进来，没有它后面pip走HTTPS会集体报错。

配置完成后，编译过程还有额外依赖，比如_tkinter模块需要tk-devel，这些在前面已经装过了。如果configure阶段卡住，屏幕上的错误信息会明明白白告诉你缺少什么，照着提示去yum install对应的-devel包就行。

3.3 make编译：内存小有对策

接下来是编译本体：

make -j2

-j2表示用2个核心并行编译。如果你的服务器核数多，可以调成make -j4甚至make -j$(nproc)，速度会快不少。但要注意：并行数开太高，内存小的机器容易编译期被OOM杀掉。我曾在只有1G内存的机器上开-j4，结果编译到一半直接卡死，后来降到-j1才顺利过。

编译过程5到15分钟不等，取决于机器性能。编译完以后安装：

make install

安装完成后，验证一下：

/usr/local/python3.9/bin/python3 --version

如果输出Python 3.9.18，说明安装成功。还没完，得把这个Python暴露到命令行里，不然每次都要写一长串路径。

3.4 建立软链接，和系统Python共存

这里要特别小心，千万不能把/usr/bin/python改掉。正确的做法是创建一个单独的链接，比如：

ln -s /usr/local/python3.9/bin/python3 /usr/bin/python3 ln -s /usr/local/python3.9/bin/pip3 /usr/bin/pip3

这样做的效果是：系统原有的python2和python都不受影响，而新环境里敲python3和pip3就能直接用新版。如果你还想让python这个命令直接指向Python 3，我建议只在当前用户的PATH里做手脚，别动系统级链接。

用户级别的做法是在~/.bashrc里加一行：

export PATH=/usr/local/python3.9/bin:$PATH

然后source ~/.bashrc。这样你这个用户登进去敲python3就是3.9.18，而系统工具依然走原来的Python 2.7，两边相安无事。

4. 用虚拟环境安装Jupyter Notebook

Python装好之后，下一步是装Jupyter。这里我强烈推荐先建一个虚拟环境，不要直接把Jupyter装进全局Python里。为什么？因为Python项目之间的依赖经常互相打架，今天这个项目要A版本，明天那个项目要B版本，全装在一起迟早出事。虚拟环境就是给每个项目一个独立的小房间。

4.1 创建并激活虚拟环境

用Python 3自带的venv模块就能建虚拟环境：

cd /opt /usr/local/python3.9/bin/python3 -m venv jupyter_env source /opt/jupyter_env/bin/activate

激活之后，命令行提示符前面会出现(jupyter_env)，这时候你敲python3和pip3用的都是虚拟环境里的版本，不会污染全局。这种隔离方式是我在所有服务器上的标准做法，简单可靠，不用额外装任何东西。

4.2 安装Jupyter Notebook和JupyterLab

在激活的虚拟环境里，直接pip安装：

pip install --upgrade pip pip install jupyter notebook jupyterlab

这里有两个选择：notebook是经典版本，界面朴素但稳定；jupyterlab是新一代界面，功能更强、更现代。我个人建议两个都装，日常用Lab，兼容老教程时用Notebook。

安装过程可能会有点慢，因为Jupyter的依赖包非常多。如果等得不耐烦，可以配置pip走国内镜像源。修改~/.pip/pip.conf：

[global] index-url = https://mirrors.aliyun.com/pypi/simple/ trusted-host = mirrors.aliyun.com

配置好以后，再装就快多了。

4.3 配置远程访问：IP、端口、密码

Jupyter装完，如果没有配置文件，默认只监听localhost，你在本地浏览器是访问不到服务器上的Jupyter的。所以必须做远程访问配置。

先生成配置文件：

jupyter notebook --generate-config

然后设置登录密码。现在的Jupyter推荐用哈希密码，我们用ipython来生成：

python3 -c "from notebook.auth import passwd; print(passwd())"

按提示输入两遍密码，会得到一串argon2:...格式的哈希值，记下来。

接下来编辑配置文件，一般路径是~/.jupyter/jupyter_notebook_config.py，把下面几行加进去或改掉：

c.ServerApp.ip = '0.0.0.0' c.ServerApp.port = 8888 c.ServerApp.password = 'argon2:刚才生成的哈希值' c.ServerApp.open_browser = False c.ServerApp.allow_root = True

简单解释一下：

• ip='0.0.0.0'：让Jupyter监听所有网卡，这样局域网或远程才能访问。
• port=8888：默认端口，如果想换就换。
• password：用刚才生成的哈希密码，不是明文。
• open_browser=False：服务器上没有浏览器，防止启动时报错。
• allow_root=True：如果你是root用户，不设这个Jupyter会直接拒绝启动。

4.4 防火墙放行端口

配置好之后，先要确认防火墙没有挡住8888端口。CentOS 7默认用firewalld：

firewall-cmd --zone=public --add-port=8888/tcp --permanent firewall-cmd --reload

如果你用的是云服务器，还要去云控制台的安全组里放行8888端口。这一步被无数人忽略，结果本地明明配好了，外面就是访问不了。

5. 启动Jupyter和日常使用实战

配置完成，现在可以启动Jupyter了。但在启动方式上，我吃过不少亏，分享一下我现在最推荐的几种做法。

5.1 不要裸启动，用systemd托管

很多初学者喜欢直接敲jupyter notebook，然后开一个终端窗口挂着，这样做有个致命的坑：SSH一断开，Jupyter就死了。等你第二天回来访问，发现服务没了，一脸懵。

正确做法是用nohup后台运行，或者写一个systemd服务让它开机自启。先看简单的nohup方式：

nohup /opt/jupyter_env/bin/jupyter notebook --config=/root/.jupyter/jupyter_notebook_config.py > /var/log/jupyter.log 2>&1 &

这样即使SSH断开，进程也还活着，日志写在/var/log/jupyter.log里方便排查。

不过我更推荐直接用systemd管理。创建一个服务文件/etc/systemd/system/jupyter.service：

[Unit] Description=Jupyter Notebook Server After=network.target [Service] Type=simple User=root Environment="PATH=/opt/jupyter_env/bin:/usr/local/python3.9/bin:/usr/bin" ExecStart=/opt/jupyter_env/bin/jupyter notebook --config=/root/.jupyter/jupyter_notebook_config.py Restart=on-failure RestartSec=5 [Install] WantedBy=multi-user.target

然后启用并启动：

systemctl daemon-reload systemctl enable jupyter systemctl start jupyter

这个方案的好处是：开机自动启动，挂了自动重启，日志通过journalctl -u jupyter就能看。我在生产服务器上全部采用这种方式，极其省心。

5.2 怎么看服务状态和日志

如果服务起不来，第一反应是看状态和日志：

systemctl status jupyter journalctl -u jupyter -n 50 --no-pager

日志里通常会有明确的报错——端口被占、配置文件路径不对、密码哈希格式不支持，基本都能直接定位。比如我看到过的几个高频报错：

• Permission denied：配置文件或日志目录没权限，检查权限或者User字段。
• Address already in use：8888端口已经被占用，改端口或者杀掉旧进程。
• Unknown error opening terminal：这类少见于纯净CentOS，一般是环境变量被搞乱，重新登录就好。

5.3 怎么让Jupyter默认打开指定目录

很多人问"Jupyter怎么创建在别的文件夹"，其实只要在配置里指定根目录就行。在jupyter_notebook_config.py中设置：

c.ServerApp.root_dir = '/data/notebooks'

这里root_dir和老的notebook_dir是一个意思，新版Jupyter的配置项换成了root_dir。设置好后，Jupyter网页版的文件浏览器就固定在这个目录下，新建的.ipynb也都存在这里。

如果只是想临时用，也可以在启动命令后面加参数：

jupyter notebook --notebook-dir=/data/notebooks

5.4 同时挂多个Python环境的Kernel

在实战中，你可能会遇到多个项目、多个虚拟环境的情况。Jupyter默认只显示启动它时的那个Python环境，要让它认识其他环境，需要装ipykernel并把环境注册进去。比如我已经有了另一个环境/opt/project_venv，就这么操作：

source /opt/project_venv/bin/activate pip install ipykernel python3 -m ipykernel install --name project_env --display-name "Python (project_env)" deactivate

刷新Jupyter页面后，新建Notebook的内核选择列表里就会出现"Python (project_env)"。这是管理多环境Jupyter的必备技巧，我强烈推荐给经常切换项目的朋友。

6. 常见问题排查实录

这部分是我做运维多年最想分享的内容。装Jupyter本身不难，难的是出了问题不知道怎么排。我把热搜词里大家最关心的问题聚拢一下，按我实际的工作顺序写出来，希望能帮你少走弯路。

6.1 yum没法用了：Could not resolve host / baseurl失效

yum install报Could not resolve host: mirror.xxx.com，十有八九是DNS问题，按我在2.1里的方法先检查/etc/resolv.conf。

还有一种情况是报Cannot find a valid baseurl for repo，这通常是因为CentOS 7官方源已经停止维护，或者repo文件里的路径失效了。处理方式就是2.2说的：换一个可用的镜像源，并确认repo文件里的baseurl能正常访问。这里多一句嘴：如果你自己改了repo文件导致yum崩了，恢复配置最直接的方式是把备份的CentOS-Base.repo.bak改回去。

6.2 ping不通百度但IP通，怎么回事

热搜词里"centos7 无法ping通百度"这个场景，我几乎每周都见。现象很典型：

ping www.baidu.com # 报 ping: unknown host ping 114.114.114.114 # 正常通

这说明网络链路没问题，就是DNS解析失败。解决思路很简单：确认/etc/resolv.conf里的nameserver没有被清掉，或者换一个公共DNS。改完立刻测试，不用重启网卡。如果改了还是不行，检查网卡配置里是否有PEERDNS=no之类的设置，它可能阻止DHCP更新DNS。

6.3 pip明明装了却提示找不到命令

装完Python后敲pip3提示command not found，通常有几种原因：

• 安装目录的bin目录没有加入PATH。通过export PATH=/usr/local/python3.9/bin:$PATH解决。
• 某些情况下，安装完没有执行source ~/.bashrc。因为nohup、编译安装等操作，当前shell的PATH没有刷新，hash -r清一下缓存就好。
• 虚拟环境激活失败，你人在虚拟环境之外，自然用的是系统pip。

排查命令就一条，先看Python在哪：

which python3 which pip3

6.4 Jupyter启动时报"找不到指定的程序"

这个报错在Windows上出现得多，但在Linux服务器上也偶尔能看到类似的现象。根本原因就一个字：路径错乱。

比如，你明明进入了虚拟环境，但启动的还是全局的jupyter；或者虚拟环境里的jupyter脚本指向了不存在的Python解释器。解决办法是确保用的是虚拟环境里的程序：

which jupyter

看输出的路径是否在虚拟环境目录下。如果不是，先确认你激活了虚拟环境；如果虚拟环境坏了，重建一个最省事——我经历过太多次修复半天不如重来快。

另一种情况是启动时报缺少模块，比如ModuleNotFoundError: No module named 'notebook'，这说明Jupyter安装不完整，用pip install --force-reinstall jupyter notebook重装一遍。

6.5 配置了远程访问，还是打不开网页

这算是远程配置里最常翻车的一环。按优先级排查：

1. Jupyter是否监听了0.0.0.0，用netstat -tlnp | grep 8888看监听地址。只显示127.0.0.1:8888就是配置没生效，改完配置记得重启服务。
2. 防火墙是否放行，按4.4检查。
3. 云服务器安全组是否放行8888端口，这个很多人忘记，本地测试通就以为是正常的。
4. 浏览器访问时地址是不是写对了，http://服务器IP:8888，不是https。

6.6 网页能打开，但执行代码很卡

这个问题很多人会忽略，其实Jupyter对内存要求比想象中高。服务器如果只有1G或2G内存，开几个大DataFrame基本就卡死。

解决办法有两步：

第一步，设置swap。在低内存机器上，给个2G的swap能明显缓解：

fallocate -l 2G /swapfile chmod 600 /swapfile mkswap /swapfile swapon /swapfile

同时写入/etc/fstab使其开机自动挂载。

第二步，合理设置Jupyter的资源使用方式，比如不要一个浏览器开几十个cell疯狂运行，大任务尽量写成.py脚本后台跑，别在Notebook里裸奔。

6.7 Notebook一个cell只显示最后一行输出

有朋友问"Jupyter一个cell只输出最后一行为什么"，这是Notebook的默认行为——如果cell里有多个变量或表达式，只有最后一行会作为output显示。解决办法是显式使用print()，或者用IPython.display.display()来展示多个结果。

from IPython.display import display display(df1) display(df2)

这在数据分析时特别实用，可以同时看多个表的概况，不用来回改代码。

最后再分享一个我个人的习惯：安装完Jupyter以后，我会马上把系统做一次快照或镜像，这样以后环境坏了，直接回滚比重新配置快太多。服务器上的Python/Jupyter环境一辈子也就搭那么一两次，但每次搭都值得留个备份。加上systemd托管之后，这套环境基本能做到长期安稳运行，你只需要把精力放在写代码本身，而不是反复折腾环境。