第一次把 OpenScience 连接到自己的服务器

下面按当前项目文档中的界面，带你完成一次最小、低风险的远程计算流程。这个示例只运行一个轻量 Python 脚本，生成一个 result.json，不会重新运行项目已有的统计功效模拟。

你需要先准备 5 项信息

请向服务器管理员确认：

• Hostname：服务器域名或 IP
• Port：通常是 22
• User：你的 Linux 用户名
• Identity file：私钥文件路径
• Remote working directory：你有权限写入的远程目录

例如：

Hostname: <REMOTE_HOST>
Port: 22
User: <REMOTE_USER>
Identity file: <LOCAL_PRIVATE_KEY_PATH>
Remote working directory: <REMOTE_WORKDIR>/openscience_job

尖括号只是占位符。不要把私钥内容粘贴进 OpenScience，也不要把密码、令牌或私钥写进脚本。

第一步：打开远程主机设置

1. 登录 OpenScience。
2. 点击右上角齿轮图标，进入 Settings。
3. 在左侧找到 Runtime。
4. 点击 Runtime 下的 Compute。
5. 找到 Remote hosts。
6. 点击 Add host。

你会看到 New SSH host 表单。按以下方式填写：

特别检查：

• 私钥路径必须是 运行 OpenScience 的设备上的路径。
• Hostname、User、私钥和远程目录应对应同一台服务器和同一账号。
• 远程目录不能是生产目录，且账号必须有写权限。
• 不要在 Host notes 中写真实地址、用户名、密钥路径或指纹。

填写完成后点击 Add host。

如果平台弹出主机指纹确认，只有在你通过管理员或可信渠道核对过指纹后才确认。不要把指纹复制到聊天、截图或公开文档中。

第二步：测试连接

1. 在 Remote hosts 区域找到刚创建的主机卡片。
2. 点击卡片上的 Test。
3. 等待测试完成。

至少确认以下结果：

• 主机状态显示可用、connected 或类似状态；
• 没有 Host、认证或目录权限错误；
• 平台能识别远程运行时；
• 远程工作目录可以创建临时任务文件。

“配置已保存”不等于连接成功，必须看到 Test 成功。

常见错误处理：

• Host 或网络错误：检查服务器地址、端口、VPN、防火墙和服务器是否在线。
• 认证错误：检查用户名、私钥路径、私钥类型和私钥权限。
• 目录权限错误：换成管理员确认过的可写目录。
• Python 或运行时错误：让管理员确认远程 Python 可用，并记录版本即可，不要复制完整环境变量。

不要通过关闭主机密钥检查来绕过问题，也不要无限重复点击 Test。

第三步：准备一个轻量 Python 任务

在本地准备一个文件，文件名为 analysis.py，内容如下：

import json
import platform
from datetime import datetime, timezone

values = [2, 4, 6, 8, 10]

result = {
    "status": "ok",
    "count": len(values),
    "sum": sum(values),
    "mean": sum(values) / len(values),
    "python_version": platform.python_version(),
    "completed_at_utc": datetime.now(timezone.utc).isoformat(),
}

with open("result.json", "w", encoding="utf-8") as handle:
    json.dump(result, handle, ensure_ascii=False, indent=2)

print("analysis completed")
print("output: result.json")

这个任务只使用 Python 标准库，不需要安装额外依赖。它会计算一组数字的数量、总和和平均值，并生成 result.json。

预期的主要结果应类似：

{
  "status": "ok",
  "count": 5,
  "sum": 30,
  "mean": 6.0
}

其中 python_version 和 completed_at_utc 会根据远程环境自动变化。

第四步：创建远程任务

配置并测试主机后：

1. 回到要运行任务的具体项目或会话页面。
2. 查看右侧工作区。
3. 点击 Compute。
4. 进入 Runtimes and jobs。
5. 点击 New job。

在任务表单中填写：

命令应当只是：

python analysis.py

不要写成下面这样：

python analysis.py --password ...

密码、令牌、私钥和连接信息都不应该作为命令行参数传入。

如果页面有 Plan 按钮，先点击它，检查：

• 目标主机确实是刚才测试成功的主机；
• 输入文件只有 analysis.py；
• 命令没有凭据；
• 工作目录正确；
• CPU、内存和超时时间有限；
• 预期输出包含 result.json。

确认无误后，点击页面显示的提交按钮。

第五步：等待任务完成

提交后进入任务详情页：

1. 记下平台生成的任务编号。
2. 等待状态变化。
3. 可以使用 Wait、Refresh 或任务列表刷新功能。
4. 看到 running 时不要重复提交同一个任务。
5. 最终状态应为 succeeded。

如果状态变为 failed：

1. 打开 Logs。
2. 查找错误类别，例如 Python 不存在、文件找不到或权限不足。
3. 确认日志没有泄露私钥、密码、令牌或完整环境变量。
4. 修正问题后再提交一次。

针对这个示例，常见问题是：

• python: command not found：尝试把命令改为平台支持的 python3 analysis.py。
• can't open file analysis.py：检查 analysis.py 是否确实上传，且任务工作目录正确。
• Permission denied：更换远程工作目录。
• 没有生成 result.json：确认 Expected artifacts 中填写了完全相同的文件名。

第六步：下载结果

任务状态为 succeeded 后：

1. 打开 Artifacts，或打开任务详情中的输出文件区域。
2. 下载 result.json。
3. 如果有 Download all，下载后确认压缩包中只有预期文件。
4. 在本地打开 result.json，检查：
   • "status" 是否为 "ok"；
   • "count" 是否为 5；
   • "sum" 是否为 30；
   • "mean" 是否为 6.0；
   • 有 Python 版本和完成时间记录。

你也可以用本地 Python 做只读检查：

python3 -m json.tool result.json

如果本地没有 python3，直接用文本编辑器或浏览器打开 JSON 也可以。

完成标准

到这里，完整流程应当是：

Settings
  -> Runtime
  -> Compute
  -> Remote hosts
  -> Add host
  -> Test 成功
  -> 回到项目或会话
  -> Compute
  -> Runtimes and jobs
  -> New job
  -> 上传 analysis.py
  -> 运行 python analysis.py
  -> succeeded
  -> Artifacts
  -> 下载 result.json

这次练习只验证了连接、认证、远程目录、任务提交、Python 执行和结果下载。项目中已有的 power_results.csv、run_summary.json、validation_summary.json 和 power_results_guide.html 不需要为了验证连接而重新运行。