什么是 Ray Core？

Ray Core 提供了少量核心原语（即任务、角色、对象），用于构建和扩展分布式应用程序。下面我们将通过简单的示例，展示如何轻松地将您的函数和类转换为 Ray 任务和角色，以及如何使用 Ray 对象。

入门指南

要开始使用，请通过 pip install -U ray 安装 Ray。有关更多安装选项，请参阅 安装 Ray。接下来的几节将介绍使用 Ray Core 的基础知识。

第一步是导入并初始化 Ray：

import ray

ray.init()

备注

在Ray的最新版本（>=1.5）中，首次使用Ray远程API时会自动调用 ray.init()。

运行任务

Ray 允许你在集群中将函数作为远程任务运行。为此，你可以使用 @ray.remote 装饰你的函数，以声明你希望远程运行此函数。然后，你可以使用 .remote() 调用该函数，而不是正常调用它。这个远程调用返回一个未来，即所谓的 Ray 对象引用，你可以使用 ray.get 获取它：

# 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]

调用一个演员

Ray 提供了 actors 来允许你在多个 actor 实例之间并行化计算。当你实例化一个 Ray actor 类时，Ray 将在集群中启动该类的远程实例。这个 actor 可以执行远程方法调用并维护其自己的内部状态：

# 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

上述内容涵盖了非常基本的参与者使用方法。如需更深入的示例，包括同时使用任务和参与者，请查看 蒙特卡罗法估计 π。

传递一个对象

如上所述，Ray 将其任务和 actor 调用结果存储在其 分布式对象存储 中，返回 对象引用 ，这些引用可以在以后检索。对象引用也可以通过 ray.put 显式创建，并且对象引用可以作为参数值的替代传递给任务：

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

下一步

小技巧

要检查您的应用程序的运行情况，您可以使用 Ray 仪表盘。

Ray 的核心原语很简单，但可以组合在一起表达几乎任何类型的分布式计算。通过以下用户指南了解更多关于 Ray 的 关键概念：

使用远程函数 (Tasks)

使用远程类（Actor）

使用 Ray 对象