Configurar docker y stan

[felipegonzalez]

Falta la instalación de python pero podemos comenzar con esta. También falta esperar que cmdstanr salga de beta, pero creo que es buena idea intentarlo por estabilidad (si no nos quedamos con rstan y pystan).

[agarbuno]

No estoy tan seguro de quitar renv, la razón que veo para incluirlo es por si queremos distribuir las notas como en el curso de fundamentos. Nos aseguramos de tener las versiones de los paquetes homogenizadas. Que opinas @felipegonzalez?

[felipegonzalez]

Como lo veo es;

• Si en docker usamos una imagen base de rocker, entonces todas las versiones de los paquetes están congeladas al momento que salió la versión de R (así están diseñadas). Así que renv es algo redundante.
• renv es buena idea si no usas docker, pues así por lo menos tienes control de las versiones de los paquetes.
• Sin embargo, con renv no tienes control sobre el resto del ambiente. En Stan es importante porque depende de muchas librerías de C++, y la instalación local correcta no es trivial (lo digo por muchos dolores de cabeza que he tenido en mac a lo largo de distintas versiones).
• Tener los dos (renv dentro de docker) tiene una ventaja: que alguien que quiera correrlo sin Docker tiene más chance de reproducibilidad porque tiene las versiones de los paquetes de R fijas.
• Si esta última ventaja es importante, entonces es buena idea tener los dos.
• Pero esta ventaja viene con una desventaja: hay que dar soporte a distintos tipos de instalaciones durante el curso (windows, mac y linux). El compilador puede no funcionar, por ejemplo, aún cuando tengan las versiones correctas de los paquetes de R
• La desventaja grande de docker es que es confuso y no trivial al principio. Como es materia más avanzada, quizá esto no es tanto problema.

En resumen: renv lo veo como una versión más ligera para tener reproducibilidad, siempre y cuando los paquetes no tengan dependencias externas importantes (como en el curso de fundamentos). Docker es mejor si hay más cosas fuera de R que hay que controlar para que las cosas funcionen.

Quizá con esto podemos balancear y decidir qué combinación es mejor!

[agarbuno]

Ya veo! Tienes toda la razón, en este caso es redundante. Gracias por la aclaración, apenas estoy aprendiendo los detalles de Docker. Ahora, tengo otra pregunta: está habilitado un volume para que puedan correr el contenedor y a su vez guardar cambios en los scripts en su máquina? Como has resuelto esto antes?

[felipegonzalez]

Si, la idea es montar localmente el repositorio como un volumen. Por ejemplo en mac o linux, primero haces el build de la imagen (este es el paso más tardado, pero el chiste es hacerlo solo una vez):

docker build . -t mod-bayes

Ahora bajo mi repositorio por ejemplo a /home/felipe/clases/modelacion-bayesiana. Luego arrancas docker con:

docker run -e PASSWORD=mipass -p 8787:8787 -v /home/felipe/clases/modelacion-bayesiana:/home/rstudio/mod-bayes mod-bayes:latest

El flujo de trabajo que he usado hasta ahora es:

1. Con el comando docker run arranco el contenedor (es mejor guardar ese comando).
2. Abro en un browser localhost:8787, y ya está ahí la carpeta del repositorio. Puedes usar ahora git desde la interfaz, o también en una termina fuera del contenedor.
3. Después de hacer cambios, corro las notas o lo que sea, y entonces hago commit y push si es necesario (es mejor hacer esto fuera del contenedor por las credenciales de git)
4. Hago el deploy con algún script (yo uso neltify o github-pages). Generalmente lo hago manual, pero puede también ser con integración continua.

Este es mi flujo para casi cualquier proyecto importante/grande. Ahora ya me da miedo usar rstudio local! porque a veces cambio cosas en mi sistema (drivers de gpu, etc.) y tengo la paz mental de que es muy poco probable que mis proyectos no corran. La lata de actualizar el contenedor cuando quiero usar otra versión de R o de paquetes es sólo de vez en cuando.

Para los alumnos que no han usado docker, a veces tienen dificultad en instalarlo (es más dificil si no tienen una versión pro de windows) y luego tienen que entender el concepto de contenedores y volúmenes montados (que no es tan fácil al principio!). Creo que el secreto de Docker es que todos dicen que hace las cosas más fácil... pero nadie dice cómo le costó entender cómo hacerlo y tener el modelo mental que no es nada simple!

Por eso mi idea es que para el primer semestre uso Docker para las notas, pero les digo que es opcional. Para tareas y ejercicios les recomiendo usar rstudio cloud, donde ya instalé las cosas necesarias. Pero como esta materia es de segundo semestre ya deberían entender los conceptos de Docker.

[felipegonzalez]

De todas formas, podemos probar un flujo y cambiarlo conforme vayamos desarrollando. Voy a subir un primer caso introductorio y vamos viendo.