Ray：一个框架搞定 AI 和 Python 的分布式扩展

Ray 在 GitHub 上已经拿到 42,789 Star 了。

分布式计算框架 Ray，由 Anyscale 开源，定位是统一的 AI 和 Python 应用扩展平台。它把分布式运行时和 ML 工具库整合在一起，让单机代码能直接跑到集群上。

1、Ray 是什么

Ray 是一个统一框架，用于扩展 AI 和 Python 应用。它包含一个核心分布式运行时，以及一组 AI 库：数据处理（Data）、分布式训练（Train）、超参数调优（Tune）、强化学习（RLlib）、模型服务（Serve）。

Ray 的核心抽象只有三个概念：Tasks 是无状态的分布式函数，Actors 是有状态的分布式工作进程，Objects 是集群内可共享的不可变数据。这三个原语覆盖了从简单并行到复杂有状态服务的各种场景。

2、解决什么问题

ML 工作负载越来越重，单机开发环境扛不住。传统做法是每个环节用不同的分布式框架，数据处理一个、训练一个、推理服务又一个，组件之间的数据搬运和运维成本很高。

Ray 的思路是把这些全收进一个框架里。同一套代码，笔记本上能跑，集群上也能跑，不需要改一行。对于写 Python 的应用来说，基础设施层被抽象掉了。

3、运行环境与安装

Ray 可以在任意机器、集群、云平台和 Kubernetes 上运行。安装只需一行：

pip install ray

集群模式需要额外启动 Ray 集群，单机模式直接用就行。Ray Dashboard 提供了可视化的集群和应用监控，还有一个分布式调试器用于排查分布式环境下的问题。

4、适合哪些人用

• 做 ML 训练和推理、需要把单机代码扩展到多机的算法工程师
• 做强化学习研究、需要并行环境模拟的 RL 开发者
• 搭在线推理服务、需要弹性扩缩容的工程团队
• 做数据处理流水线、需要分布式计算能力的后端开发者

弹性扩缩容的工程团队

• 做数据处理流水线、需要分布式计算能力的后端开发者