高级主题# 本节涵盖了如何使用 Ray 的扩展主题。 首次用户提示 技巧 1：延迟 ray.get() 技巧 2：避免微小任务 技巧 3：避免将同一对象重复传递给远程任务 技巧 4：流水线式数据处理 启动 Ray 什么是 Ray 运行时？ 在单机上启动 Ray 通过 CLI 启动 Ray (ray start) 启动 Ray 集群 (ray up) 接下来做什么？ Ray 生成器 入门 错误处理 Actor 任务的生成器 将 Ray 生成器与 asyncio 一起使用 对象引用的垃圾回收 容错 取消 如何等待生成器而不阻塞线程（与 ray.wait 和 ray.get 的兼容性） 线程安全 限制 使用命名空间 为命名 Actor 指定命名空间 匿名命名空间 获取当前命名空间 跨语言编程 设置 Driver Python 调用 Java Java 调用 Python 跨语言数据序列化 跨语言异常栈 使用 Jupyter Notebook 和 JupyterLab 设置 Notebook 使用 Ray DAG API 的惰性计算图 带函数的 Ray DAG 带类和类方法的 Ray DAG 带自定义 InputNode 的 Ray DAG 带多个 MultiOutputNode 的 Ray DAG 在 DAG 中重用 Ray Actors 更多资源 杂项主题 动态远程参数 重载函数 检查集群状态 节点信息 资源信息 运行大型 Ray 集群 调优操作系统设置 最大打开文件数 ARP 缓存 基准测试 在 runtime_env 中验证远程 URI 验证远程 URI 在虚拟机上运行：netrc 文件 在 KubeRay 上运行：带有 netrc 的 Secret 用户生成进程的生命周期 Worker 退出时杀死用户生成进程 启用此功能 ⚠️ 注意：核心 worker 现在会清理僵尸进程，如果您等待 waitpid，请切换回去 底层实现