Ray 为构建分布式应用程序提供了一个简单、通用的 API。
通过以下方式完成了这一使命：
- 为构建和运行分布式应用程序提供简单的原语。
- 使最终用户能够并行化单个机器代码，而代码更改几乎为零。
- 在核心 Ray 之上包括一个由应用程序、库和工具组成的大型生态系统，以支持复杂的应用程序。
在Ray Core之上是几个用于解决机器学习问题的库：
以及用于将 ML 和分布式应用程序投入生产的库：
还有许多与 Ray 的社区集成，包括Dask、MARS、Modin、Horovod、Hugging Face、Scikit-learn等。
Ray 提供 Python、Java 和EXPERIMENTAL C++ API。Ray 使用任务（函数）和Actors（类）来允许您并行化您的代码。
Java代码：
import io.ray.api.ActorHandle;
import io.ray.api.ObjectRef;
import io.ray.api.Ray;
import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;
public class RayDemo {
public static int square(int x) {
return x * x;
}
public static class Counter {
private int value = 0;
public void increment() {
this.value += 1;
}
public int read() {
return this.value;
}
}
public static void main(String[] args) {
// Intialize Ray runtime.
Ray.init();
{
List<ObjectRef<Integer>> objectRefList = new ArrayList<>();
// Invoke the `square` method 4 times remotely as Ray tasks.
// The tasks will run in parallel in the background.
for (int i = 0; i < 4; i++) {
objectRefList.add(Ray.task(RayDemo::square, i).remote());
}
// Get the actual results of the tasks with `get`.
System.out.println(Ray.get(objectRefList)); // [0, 1, 4, 9]
}
{
List<ActorHandle<Counter>> counters = new ArrayList<>();
// Create 4 actors from the `Counter` class.
// They will run in remote worker processes.
for (int i = 0; i < 4; i++) {
counters.add(Ray.actor(Counter::new).remote());
}
// Invoke the `increment` method on each actor.
// This will send an actor task to each remote actor.
for (ActorHandle<Counter> counter : counters) {
counter.task(Counter::increment).remote();
}
// Invoke the `read` method on each actor, and print the results.
List<ObjectRef<Integer>> objectRefList = counters.stream()
.map(counter -> counter.task(Counter::read).remote())
.collect(Collectors.toList());
System.out.println(Ray.get(objectRefList)); // [1, 1, 1, 1]
}
}
}
|