# Kernels personalizados en JupyterHub
Esta guía describe los pasos necesarios para configurar **kernels personalizados** de Python en JupyterHub. Esto permite que los usuarios definan entornos específicos con `conda`, `virtualenv` o cargas de módulos para ejecutar notebooks interactivos.

---
## Crear la carpeta de kernels
Jupyter busca kernels en varios directorios, entre ellos está el directorio:
```bash
~/.local/share/jupyter/kernels/
```

Para comenzar, cree esta carpeta si aún no existe:
```bash
mkdir -p ~/.local/share/jupyter/kernels
```

---
## Crear el directorio del kernel
Dentro de `~/.local/share/jupyter/kernels/`, cree un subdirectorio por cada kernel personalizado que desee registrar. El nombre del directorio será el identificador del kernel.

Ejemplo:
```bash
mkdir ~/.local/share/jupyter/kernels/Python-for-HPC
```

> Puede definir múltiples kernels, cada uno en su subdirectorio.

---
## Instalar paquetes necesarios en el entorno
Antes de continuar, es necesario que el entorno que se usará como kernel tenga instalado el paquete `ipykernel`. Esto permite que Jupyter se comunique correctamente con el entorno. En caso de que se este creando un ambiente de Miniconda la instalación sería de la siguiente manera:

Active el entorno e instale el paquete:

```bash
# Activar entorno conda o virtualenv
conda activate Python-for-HPC

# Instalar ipykernel
conda install -c conda-forge ipykernel
```

> Asegúrese de hacer esto para **cada entorno** que desee usar como kernel personalizado.
> Tambien se pueden instalar otros paquetes que se quieran usar.

---
## Crear el archivo `kernel.json`
En el subdirectorio del kernel, cree un archivo llamado `kernel.json` con el siguiente contenido:

```json
{
  "argv": [
    "/home/USER/.local/share/jupyter/kernels/KERNEL_NAME/init.sh",
    "-f",
    "{connection_file}"
  ],
  "display_name": "KERNEL_NAME",
  "language": "python"
}
```

Este archivo es usado por jupyter para leer los contenidos de los kernels, y sus configuraciones.

###  Parámetros:
-  Reemplace `USER` por su nombre de usuario.
-  Reemplace `KERNEL_NAME` por el nombre del kernel (debe coincidir con el nombre del directorio).
-  `"display_name"` es el nombre mostrado en la interfaz de Jupyter.

---
## Crear el script `init.sh`
Este script configura el entorno (activa el entorno `conda`, carga módulos, etc.) antes de lanzar el kernel de Python. Este es ejecutado por el archivo `kernel.json` para cargar los requerimientos del ambiente.
Ubíquelo dentro del mismo directorio del kernel (`~/.local/share/jupyter/kernels/KERNEL_NAME/`) y asegúrese de que tenga permisos de ejecución:

```bash
chmod +x init.sh
```

### Ejemplo de contenido de `init.sh`:

```bash
#!/bin/bash

export CONDA_TARGET_DIR=/work/USER/miniconda3

module purge  # Limpia los módulos cargados previamente

# Activar entorno conda
source ${CONDA_TARGET_DIR}/bin/activate Python-for-HPC

# Asegurar que los paquetes Python del entorno conda tengan prioridad
## Cambiar la versión de Python de acuerdo a la versión usada en el ambiente
export PYTHONPATH=${CONDA_TARGET_DIR}/envs/Python-for-HPC/lib/python3.11/site-packages:${PYTHONPATH}

# Cargar módulos necesarios (ejemplo: CUDA)
module load cuda/11.6.2-gcc-9.3.0

# Ejecutar el kernel
exec python -m ipykernel "$@"
```

> El nombre del script (`init.sh`) debe coincidir exactamente con el indicado en el `kernel.json`.
> La línea final `exec python -m ipykernel "$@"` es obligatoria. Sin ella, el kernel no se ejecutará correctamente.

---
## Verificación de kernel

1.  Reinicie la sesión en JupyterHub.
2.  Cree un nuevo notebook.
3.  Verifique que su kernel personalizado aparezca en la lista de kernels.
4.  Pruebe ejecutándolo con:

```bash
!which python
!echo $PYTHONPATH
```

El resultado debería de ser la ruta a la herramienta Python, así como la ubicación de sus paquetes.

---