在数字化时代，企业越来越依赖云服务器来存储和处理数据。与传统物理服务器相比，云服务器提供更高的灵活性、可扩展性和成本效益。当按年租赁云服务器时，了解费用结构至关重要，以制定明智的年度预算。
云服务器按年租赁费用的组成部分
- 实例类型：云服务器的类型（例如 CPU 核数、内存大小）决定了基本费用。
- 存储：存储空间的大小和类型（例如 HDD、SSD）会影响费用。
- 带宽：传入和传出数据的带宽量会产生额外费用。
-
操作系统：大多数云提供商会为某些服务器之前，请考虑以下因素：使用需求：评估您当前和预期的资源使用情况，以确保按年租赁能够满足您的需求。可扩展性：考虑您的业务未来可扩展的需求。您可能需要灵活的云服务器，以处理峰值负载或业务增长。服务等级协议 (SLA)：确保云提供商提供满足您业务要求的 SLA，包括正常运行时间保证和支持响应时间。
供应商比较：选择合适的云服务器
在选择按年租赁的云服务器提供商时，请比较以下因素：服务可靠性：检查云提供商的正常运行时间记录和客户评价。功能：评估提供商提供的功能，例如实例类型、存储选项和附加服务。定价：比较不同提供商的定价模型和费用结构。客户支持：确保提供商提供全天候的技术支持，以解决任何问题。
结论
按年租赁云服务器可以为您的业务提供成本节约、预算确定性和资源保障。通过了解费用结构、使用费用计算器并考虑相关因素，您可以制定明智的年度预算并选择满足您特定需求的云服务器提供商。
垫场演出：如何在ipython Notebook里运行R？（一行命令搞定版）从去年开始，我抛弃了mathmatica,eviews,matlab之类的商业统计和数学软件，开始拥抱开源数据分析。
这一方面是因为工作需要，想掌握一门更通用的编程语言，一方面也因为和所有中国的分析师一样，我用的是盗版的eviews和matlab，因此是完全没有客户支持。
为了解决日常问题而花的研究文档和stackoverflow上的工作量，并不比用开源软件更少。
而开源的好处是，实在查不到解决方案了，至少我还可以去看源代码，虽然看不看得懂可以再讨论，但 I‘d like to have the option。
大家都知道开源数据分析的两大利器，IPython 和 R。
一般来说，IPython从Python发展而来，更倾向于科学计算。
互联网数据分析更喜欢用。
而R是统计学家发展出的一门语言，在金融、经济和社会科学领域应用更广泛。
我更喜欢R的数据解构和与数学相关的syntax，在读完R的入门教程之后，很多时候我都不需要去查文档，猜都能猜到我想用的一些函数名称(lag(),diff())。
另一方面，我也喜欢Ipython Notebook的交互方式，在富文本的展示效果和使用体验上，R markdown简直就是个不成熟的玩具，更何况Python还是个更成熟的通用编程语言，除了数据以外，几乎可以和这个世界的一切协议进行通信。
之前，我一直是在用Rstudio调试R代码，用Anaconda的IPython Notebook或者spyder调试Python代码，有必要的话再通过Rpy2之类的接口综合起来。
但是8月底，收到了Anaconda的一封邮件：Ipython Notebook升级到4.0，改名Jupyter。
而且，可以开始用conda管理R的程序包了，Anaconda正式支持R！下载安装Anaconda，然后一条命令：conda create -n my-r-env -c r r-essentials就可以创建R的虚拟环境，安装由Anaconda维护的R发行版本r-essentials 然后在ipython Notebook里面用R的语法调试、运行R程序！Windows,Linux,OS X全都可用！how cool is that！再见啦，rpy2。
正场：如何在云端运行Jupyter Notebook?成功在ipython里面创建了R的环境之后，我又想尝试之前的一个想法了，部署一个云端的计算服务器。
传统行业还没有进入大数据时代，数据量相对较小，绝大部分运算任务都是在我的笔记本上解决。
但因为开始用Python了，也开始自己写爬虫、甚至想做自己的云端数据可视化方案(否则怎么向非码农的领导展示花了这么多时间的研究成果？代码？）。
当然，rstudio拥有rstudio server版本，也可以在云端运行。
但我觉得ipython的界面是一个更漂亮的前端页面，支持markdown功能，可以写入很多注释文档，以便非码农使用。
另一方面，ipython支持bokeh,一个html5的数据可视化方案。
google了一阵之后发现，目前网上所有在云端安装ipython notebook的方案都是基于ipython 2.x的。
而在ipython3.0之后，原有的配置方法已经不可用，只好自己去研究文档。
经过几个小时的试错，终于在云端开始跑起了。
以下是主要步骤，前提是，拥有一个虚拟机，并且有ssh账号登陆。
没有的同学可以自己在阿里云之类的服务商处申请，个人推荐”1元免费试用“1个月的微软云。
一般这些主机服务商都会提供一个基本的教程，因此从设置主机直到创建账号，ssh登陆都应该不是什么问题。
接下来，下载miniconda，一个科学计算环境管理软件，Anaconda的最小发型版本（假设运行的是64位Linux 虚拟机)：wget然后安装：sudo bash Miniconda-latest-Linux-x86_然后通过miniconda的环境管理软件，conda安装必要被ipython和 install ipythonconda install ipython-notebook接下来，我们需要创建一个名为nbserver的配置。
ipython profile create nbserver这将创建一个文件夹，其中包含一些原始的配置文件。
我们跳转到这个文件夹进行一些配置cd ~//profile_nbserver/由于ipython Notebook要求https连接，因此我们需要创建一个ssl证书。
openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout -out 命令执行后根据提示输入信息就好，当然，这个证书并未获得认证，因此用chrome之类的浏览器访问的时候会得到一些错误信息，这个问题我们一会儿说。
接下来我们创建一个密文的密码。
python -c import IPython;print ()运行之后进入一个创建密码hash值的小程序，根据提示输入你想用的安全口令：Enter password:Verify password:sha1:b86ead:a02e9592eda722.. #这是我的密码的hash值，后段被删除，你的密码得到的结果应该不同然后开始编辑配置文件，通过vi编辑文件的命令如下：vi ipython_notebook_这个文件可能不存在，那么通过vi创建一个，配置文件的内容如下：c = get_config()# 所有matplotlib的图像都通过iline的方式显示 = inline# 这一行指向我们刚刚创建的ssl证书 = u/home/azureuser//profile_nbserver/# 给出刚刚创建的密码的哈希值 = usha1:b86ead:a02e9592e5 etc… = *#给出运行的端口，ipython默认为 = 8888#禁止在运行ipython的同时弹出浏览器_browser = False编辑完成以后按两次shift+z 保存退出配置完毕以后就可以运行ipython Notebook的服务端了：jupyter notebook –config=/home/azureuser//profile_nbserver/ipython_notebook_ #给出你刚才创建的nbserver路径，这里为微软azure云默认的情况当然，微软云还需要配置一下服务器端的endpoint，将云主机的https端口(443)指向内部的8888端口。
在你的浏览器地址栏输入：这时候会遇到https提示根证书并非认证证书，不用管这个提示继续进入，voila，你的ipython Notebook server架好啦！输入你刚才创建的密码，就可以开始像在本地一样使用了。
附注：这是我的第一篇技术博客，之前遇到各种技术问题就在网上搜，stackoverflow、quora和知乎的热心人们分享的技术经验都给了我很大的帮助。
因为几乎从来没遇到过别人没有解决过的问题，一直没想到要写技术分享的博客，直到这次配置Jupyter Notebook。
这好像是中英文世界里第一个在云端配置Jupyter Notebook 4.0的教程，同时也是第一个在中文世界里传播r-essential这个好消息的博客文章。
let me know what you think.
