高级主题# 本节介绍如何使用 Ray 的扩展主题。 初学者提示 提示 1：延迟 ray.get() 提示 2：避免微小任务 提示 3：避免反复将同一对象传递给远程任务 提示 4：管道化数据处理 Ray 中的类型提示 概述 模式 1：使用 ray.remote 作为函数来构建 Actor 模式 2：使用 @ray.method 装饰器用于远程方法 启动 Ray Ray 运行时是什么？ 在单台机器上启动 Ray 通过 CLI 启动 Ray（ray start） 启动 Ray 集群（ray up） 下一步是什么？ Ray 生成器 入门 错误处理 来自 Actor 任务的生成器 将 Ray 生成器与 asyncio 结合使用 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 兼容） 线程安全 限制 已弃用的动态生成器 动态生成器 由任务调用者设置的 num_returns 由任务执行者设置的 num_returns 异常处理 局限性 使用命名空间 为已命名 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 设置驱动程序 Python 调用 Java Java 调用 Python 跨语言数据序列化 跨语言异常堆栈 使用 Jupyter Notebook 和 JupyterLab 设置 Notebook 使用 Ray DAG API 进行惰性计算图 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 Actor 更多资源 杂项 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 调整操作系统设置 最大打开文件数 ARP 缓存 基准测试 对 runtime_env 中的远程 URI 进行身份验证 认证远程 URI 在虚拟机上运行：netrc 文件 在 KubeRay 上运行：带 netrc 的 Secret 用户派生进程的生命周期 用户创建的进程在 Worker 退出时被终止 启用该功能 ⚠️ 注意：核心 Worker 现在会回收僵尸进程，如果您需要 waitpid，请切换回 底层原理