跟我一起学Python数据处理（126/127）：AWS服务器登录与相关操作详解

跟我一起学Python数据处理（126/127）：AWS服务器登录与相关操作详解

大家好！在学习Python数据处理的道路上，每一步探索都充满了挑战与惊喜。我特别希望能和大家一起分享学习过程中的点滴，共同进步。上一次我们了解了IPython的魔法命令和AWS服务器的启动设置，今天我们接着深入学习如何登录AWS服务器以及一些相关的操作知识。

一、获取实例的公共DNS名称

当我们启动了AWS服务器实例后，要登录服务器，首先得知道它的“网络地址”，也就是公共DNS名称。如果我们看到实例的相关值看起来像一个Web地址，那就可以直接进入下一步。但要是显示的是“–”，别着急，我们按照下面这些步骤来解决：

二、准备私钥

私钥是我们登录服务器的“钥匙”，它是一个下载下来的.pem文件。为了方便管理和使用，我们最好把它放在一个自己熟悉且容易记住的文件夹里。

对于基于Unix的系统，比如常见的Linux系统，一般密钥会保存在home目录下名为.ssh的文件夹里。如果你的私钥不在这个文件夹，就需要把它复制过去。在Windows系统中，默认的保存位置是C:\\Documents and Settings.ssh\\ 或者C:\\Users.ssh。同样，如果私钥不在这，也要复制过去。

复制好私钥后，我们还需要运行一个命令来设置它的权限。在基于Unix的系统中，使用chmod命令将.pem文件的权限设置为400。运行命令“chmod 400.ssh/你的私钥文件名.pem”，这样设置后，文件就只有所有者可以访问了，在多账户共用计算机的情况下，能有效保证文件的安全性，防止别人随意使用我们的私钥登录服务器。

三、登录服务器

当我们获取了实例的公共DNS名称，也准备好了私钥，接下来就可以登录服务器啦。在终端中运行以下命令：

ssh -i ~/.ssh/你的私钥文件名.pem ubuntu@你的实例公共DNS名称

这里的“-i”参数表示指定私钥文件，“ubuntu”是服务器上默认的用户名（如果使用的是Ubuntu系统），后面跟着的就是我们前面获取到的实例公共DNS名称。比如，假设私钥文件名为“my_key.pem”，实例公共DNS名称为“ec2-11-22-33-44.compute-1.amazonaws.com”，那么完整的登录命令就是：

ssh -i ~/.ssh/my_key.pem ubuntu@ec2-11-22-33-44.compute-1.amazonaws.com

输入命令后，系统会提示“Are you sure you want to continue connecting (yes/no)?”，这是系统在询问你是否确定要连接到这个服务器，输入“yes”并回车。之后，如果一切顺利，你会发现终端的提示有了一些变化，这就说明你已经成功登录到自己创建的服务器控制台啦。

登录到服务器后，我们就可以大展身手了。比如，可以继续设置服务器的环境，安装一些数据处理所需的软件和库；也可以把自己写好的数据处理代码部署到服务器上，让服务器帮我们处理大量的数据；还能设置一些自动化程序，让服务器按照我们的要求自动运行任务。关于如何部署代码到新服务器上的更多知识，可以在第14章学习。

要是我们完成了操作，想要退出服务器，在终端中输入Ctrl – C或者Cmd – C（在Mac系统上是Cmd – C）就可以啦。

四、简单代码示例：在服务器上运行Python脚本

假设我们在本地写了一个简单的Python脚本，用来计算1到100的和，代码如下：

sum_numbers = 0
for i in range(1, 101):
sum_numbers += i
print(sum_numbers)

我们把这个脚本保存为“sum.py”，然后通过一些文件传输工具（比如scp命令，在基于Unix的系统中可以使用）把它上传到服务器上。假设我们已经把“sum.py”上传到了服务器的/home/ubuntu目录下，登录服务器后，在终端中进入这个目录，然后运行命令“python sum.py”，就能看到计算结果啦。这只是一个简单的示例，实际应用中我们可以把更复杂的数据处理代码部署到服务器上运行。

五、总结与展望

到这里，我们已经学会了如何获取AWS服务器实例的公共DNS名称、准备私钥并登录服务器，还了解了在服务器上运行简单Python脚本的方法。现在，大家已经有了自己设置好并且能运行的AWS服务器，利用在第14章学到的知识，就可以把更多的数据处理程序部署到服务器上，让服务器发挥它强大的计算能力，帮助我们处理各种复杂的数据任务。

写作不易，如果这篇文章对你在学习Python数据处理和使用AWS服务器方面有所帮助，希望大家能关注我的博客，给文章点个赞，也欢迎大家在评论区留言分享你的学习心得、遇到的问题或者建议。让我们一起在学习的道路上不断前进，探索更多Python数据处理的奥秘！