分布式执行引擎ray入门--（1）简介

官网地址：Overview --- Ray 2.9.3

1.ray的概述？

Ray 是一个高性能的分布式执行引擎，开源的人工智能框架。旨在帮助开发者在原有代码上添加几行代码就可以进行分布式训练。

它由如下几个部分构成：

1）可扩展的库

用于常见的机器学习任务，如数据预处理、分布式训练、超参数调优、强化学习和模型服务。 2）Python风格的分布式计算原语

用于并行化和扩展Python应用程序。

3）集成和实用工具

用于将Ray集群与现有工具和基础设施（如Kubernetes、AWS、GCP和Azure）集成和部署。

ray对开发者友好，自动处理编排，调度，容错，自动扩展等相关方面的内容

2. ray的框架

ray的框架包含三层：

1）Ray AI Libraries

ML相关的一系列可拓展的同一开发工具

2）Ray Core

分布式计算，加速机器学习

3）Ray Clusters

和头节点关联的一系列工作节点，可固定，可拓展。

3.ray ML任务相关的五大library

• Data: 可扩展的、与框架无关的数据加载和转换，适用于训练、调优和预测。

• Train: 具有容错性的分布式多节点和多核模型训练，与流行的训练库集成。

• Tune: 可扩展的超参数调优，以优化模型性能。

• Serve: 可扩展和可编程的模型服务，用于在线推断部署，可选择微批处理以提高性能。

• RLlib: 可扩展的分布式强化学习工作负载。