我正在尝试使用ipyparallel和我在conda环境中安装的自定义内核。我的工具是用matplotlib 2.0.2构建的。我在Jupyter Hub上运行，默认的Python3内核指向matplotlib 1.5.3。我可以通过这个例子看到各个引擎的matplotlib版本：
import ipyparallel
import matplotlib
def myFunc(n):
import matplotlib
status = "mpl version=%s, and num=%d" % (matplotlib.__version__,
n * 10)
return status
rc=ipyparallel.Client(profile='MJBtest')
all_proc = rc[:]
all_proc.block=True
print("Local: ", matplotlib.__version__)
inlist = [i for i in range(3)]
print("Now calling map_sync")
result = all_proc.map_sync(myFunc, inlist)
print("Parallel result : ", result)
返回
Local: 1.5.3
Now calling map_sync
Parallel result : ['mpl version=1.5.3, and num=0', 'mpl version=1.5.3, and num=10', 'mpl version=1.5.3, and num=20']
正如我所料，因为我在Python 3默认内核中运行。我已经构建了一个名为＆＃34; cetb3＆＃34;的定制内核。通过使用我想要的工具创建自定义内核，激活它，并使用以下命令创建kernelspec文件：
ipython kernel install --user --name cetb3
在cetb3环境中，我可以运行python，导入matplotlib，我看到版本是matplotlib 2.0.2。从这个相同的cetb3 env，我还创建了一个测试配置文件：
ipython profile create --parallel --profile=MJBtest
在Jupyter Hub中，我可以将内核切换到cetb3，导入matplotlib并查看它是在v2.0.2。但是，当我从MJBtest启动一个集群，并尝试使用cetb3内核运行与上面相同的代码时，单元格会在＆＃34;现在调用map_sync＆＃34;之后挂起。行并且永不返回：
Local: 2.0.2
Now calling map_sync
我认为我可能必须创建一个使用我的自定义内核的ipython配置文件，并且我尝试将我的配置文件的名称添加到cetb3 kernelspec文件中：＆＃34; - profile = MJBtest＆＃34;但是当我这样做时，内核甚至无法启动。我不清楚是否必须告诉我的内核有关我的个人资料，反之亦然（以及我如何做到这一点），或者是否还有一些其他机制将我的自定义环境推送到我的ipyparallel引擎。
所以我在我们的超级计算机上使用了sys admin，结果发现他们已经配置了一些使用ipengine命令启动引擎集群的自定义ipython配置文件。在ipcluster_config.py文件中，在ipengine命令之前，我能够通过将我的conda env bin路径添加到PATH env变量的开头来指定我的自定义环境，然后为我想要的conda env调用source activate可在每台发动机上使用。