Ray Core 是什么？#
Ray Core 是一个强大的分布式计算框架，它提供了一组简洁的核心原语（任务、Actor 和对象），用于构建和扩展分布式应用程序。本教程将通过简单的示例介绍这些核心概念，展示如何将 Python 函数和类转换为分布式 Ray 任务和 Actor，以及如何有效地使用 Ray 对象。
注意
Ray 引入了一个实验性的 API，用于高性能工作负载，特别适用于使用多个 GPU 的应用程序。有关更多详细信息，请参阅 Ray 编译图。
入门#
要开始使用，请使用 pip install -U ray 安装 Ray。有关其他安装选项，请参阅 安装 Ray。
第一步是导入并初始化 Ray
import ray
ray.init()
注意
除非您显式调用 ray.init()，否则 Ray 远程 API 的首次调用将隐式地调用不带参数的 ray.init()。
运行任务#
任务是跨 Ray 集群并行化 Python 函数的最简单方法。要创建任务：
使用
@ray.remote装饰您的函数，以指示它应该远程运行使用
.remote()调用函数，而不是常规函数调用使用
ray.get()从返回的 Future（Ray *对象引用*）中检索结果
这是一个简单的示例
# Define the square task.
@ray.remote
def square(x):
return x * x
# Launch four parallel square tasks.
futures = [square.remote(i) for i in range(4)]
# Retrieve results.
print(ray.get(futures))
# -> [0, 1, 4, 9]
调用 Actor#
虽然任务是无状态的，但 Ray Actor 允许您创建有状态的 Worker，它们可以在方法调用之间保持其内部状态。当您实例化一个 Ray Actor 时：
Ray 会在您的集群中的某个位置启动一个专用的 Worker 进程
Actor 的方法在该特定 Worker 上运行，并可以访问和修改其状态
Actor 按接收顺序串行执行方法调用，以保持一致性
这是一个简单的 Counter 示例
# Define the Counter actor.
@ray.remote
class Counter:
def __init__(self):
self.i = 0
def get(self):
return self.i
def incr(self, value):
self.i += value
# Create a Counter actor.
c = Counter.remote()
# Submit calls to the actor. These calls run asynchronously but in
# submission order on the remote actor process.
for _ in range(10):
c.incr.remote(1)
# Retrieve final actor state.
print(ray.get(c.get.remote()))
# -> 10
前面的示例演示了 Actor 的基本用法。有关结合任务和 Actor 的更全面的示例，请参阅 蒙特卡洛 Pi 估算示例。
传递对象#
Ray 的分布式对象存储高效地管理着整个集群中的数据。有三种主要的方法可以处理 Ray 中的对象：
隐式创建：当任务和 Actor 返回值时，它们会自动存储在 Ray 的 分布式对象存储 中，并返回可以稍后检索的 *对象引用*。
显式创建：使用
ray.put()直接将对象放入存储中。传递引用：您可以将对象引用传递给其他任务和 Actor，从而避免不必要的数据复制并实现惰性计算。
这是一个展示这些技术的示例
import numpy as np
# Define a task that sums the values in a matrix.
@ray.remote
def sum_matrix(matrix):
return np.sum(matrix)
# Call the task with a literal argument value.
print(ray.get(sum_matrix.remote(np.ones((100, 100)))))
# -> 10000.0
# Put a large array into the object store.
matrix_ref = ray.put(np.ones((1000, 1000)))
# Call the task with the object reference as an argument.
print(ray.get(sum_matrix.remote(matrix_ref)))
# -> 1000000.0
后续步骤#
提示
要监控应用程序的性能和资源使用情况，请查看 Ray 仪表板。
您可以以强大的方式组合 Ray 的简单原语来表达几乎任何分布式计算模式。要深入了解 Ray 的 核心概念，请探索这些用户指南：
