ray.job_config.JobConfig#

class ray.job_config.JobConfig(jvm_options: List[str] | None = None, code_search_path: List[str] | None = None, runtime_env: dict | None = None, _client_job: bool = False, metadata: dict | None = None, ray_namespace: str | None = None, default_actor_lifetime: str = 'non_detached', _py_driver_sys_path: List[str] | None = None)[源代码]#

基类：object

用于存储作业配置的类。

示例

import ray
from ray.job_config import JobConfig

ray.init(job_config=JobConfig(default_actor_lifetime="non_detached"))

参数:

jvm_options – 作业的Java工作者的JVM选项。
code_search_path – 指定用户代码搜索路径的目录或jar文件列表。这将被用作Java中的`CLASSPATH`和Python中的`PYTHONPATH`。更多详情请参见 Ray跨语言编程。
runtime_env – 一个运行时环境字典。
metadata – 一个不透明的元数据字典。
ray_namespace – 一个命名空间是作业和命名角色的逻辑分组。
default_actor_lifetime – actor 生命周期的默认值可以是“detached”或“non_detached”。更多详情请参见 actor 生命周期。

方法

`from_json`	从json生成一个JobConfig对象。
`set_default_actor_lifetime`	设置默认的执行者生命周期，可以是“detached”或“non_detached”。
`set_metadata`	向元数据字典添加键值对。
`set_py_logging_config`	设置作业的日志配置。
`set_ray_namespace`	设置 Ray 命名空间。
`set_runtime_env`	修改 JobConfig 的 runtime_env。

属性

`jvm_options`	作业的Java工作者的JVM选项。
`code_search_path`	指定用户代码搜索路径的目录或jar文件列表。
`metadata`	一个不透明的元数据字典。
`ray_namespace`	命名空间是作业和命名角色的逻辑分组。